System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开属于智能控制,具体地,涉及一种融合定位方法、融合定位装置、非临时性计算机可读存储介质及电子设备。
技术介绍
1、定位是机器人执行导航任务的关键技术之一。当前,主流的机器人定位方案都是预先构建环境地图,然后基于该先验地图进行定位,进而将定位信息提供给导航模块。
2、然而,实际的环境,例如光照、环境结构等会随着时间而发生变化,此时单一传感器会工作异常,无法充分利用不同传感器的特性,不利于机器人的重定位。除此之外,在完成重定位后,仅通过单一传感器或者松耦合的融合方法在预先构建的地图进行定位,是无法适应不同场景的,而且精度和鲁棒性都较差。
技术实现思路
1、为克服相关技术中存在的问题,本公开提供一种融合定位方法、融合定位装置、非临时性计算机可读存储介质及电子设备。
2、根据本公开实施例的第一方面,提供一种融合定位方法,所述方法包括:
3、获取与目标对象运行相关的地图数据和第一传感器数据,并对所述地图数据和所述第一传感器数据进行融合定位处理确定重定位结果;
4、获取第二传感器数据,并基于所述重定位结果,对所述第二传感器数据进行位姿预测处理得到所述目标对象的第一位姿数据;
5、对所述第一传感器数据、所述第二传感器数据和所述第一位姿数据进行融合优化处理得到所述目标对象的目标位姿数据。
6、可选地,所述第一传感器数据,包括:点云数据、图像数据和导航数据;
7、所述对所述地图数据和所述第一传感器数据进行融合定位
8、将所述地图数据分别与所述点云数据、所述图像数据和所述导航数据进行环境重定位得到初始定位结果;
9、对所述初始定位结果进行定位可信度检查得到所述目标对象的重定位结果。
10、可选地,所述初始定位结果,包括:第一定位结果、第二定位结果和第三定位结果;
11、所述将所述地图数据分别与所述点云数据、所述图像数据和所述导航数据进行环境重定位得到初始定位结果,包括:
12、对所述地图数据和所述点云数据进行点云重定位得到所述第一定位结果;
13、对所述地图数据和所述图像数据进行图像重定位得到所述第二定位结果;
14、对所述地图数据和所述导航数据进行导航重定位得到所述第三定位结果。
15、可选地,所述对所述初始定位结果进行定位可信度检查得到所述目标对象的重定位结果,包括:
16、当所述第一定位结果、所述第二定位结果和所述第三定位结果中的其中一种定位结果表征能够定位时,获取除所述其中一种定位结果之外的其余两种定位结果;
17、当所述其余两种定位结果与所述其中一种定位结果满足第一预设条件时,确定所述目标对象的重定位结果。
18、可选地,在所述获取除所述其中一种定位结果之外的其余两种定位结果之后,所述方法还包括:
19、当所述其余两种定位结果与所述其中一种定位结果未满足第一预设条件时,对所述其中一种定位结果继续进行环境重定位得到下一定位结果;
20、当所述其中一种定位结果和所述下一定位结果满足第二预设条件时,确定所述目标对象的重定位结果。
21、可选地,所述对所述初始定位结果进行定位可信度检查得到所述目标对象的重定位结果,包括:
22、当所述第一定位结果、所述第二定位结果和所述第三定位结果表征未能定位时,在所述第一定位结果、所述第二定位结果和所述第三定位结果中确定其中一种定位结果;
23、对所述其中一种定位结果继续进行环境重定位得到下一定位结果;
24、当所述其中一种定位结果和所述下一定位结果满足第二预设条件时,确定所述目标对象的重定位结果。
25、可选地,所述当所述其中一种定位结果和所述下一定位结果满足第二预设条件时,确定所述目标对象的重定位结果,包括:
26、当所述下一定位结果表征能够定位时,对所述其中一种定位结果和所述下一定位结果进行定位计算得到定位差值;
27、当所述定位差值小于对应的差值阈值时,确定所述目标对象的重定位结果。
28、可选地,所述第二传感器数据,包括:惯导数据;
29、所述对所述第二传感器数据进行位姿预测处理得到所述目标对象的第一位姿数据,包括:
30、利用预积分算法对所述惯导数据进行位姿预测处理得到所述目标对象的第一位姿数据。
31、可选地,所述第二传感器数据,包括里程计数据;
32、所述对所述第一传感器数据、所述第二传感器数据和所述第一位姿数据进行融合优化处理得到所述目标对象的目标位姿数据,包括:
33、对所述地图数据和所述第一位姿数据进行匹配优化处理得到所述目标对象的第二位姿数据;
34、对所述惯导数据、所述里程计数据、所述第一传感器数据和所述第二位姿数据进行联合优化处理得到所述目标对象的目标位姿数据。
35、可选地,所述对所述惯导数据、所述里程计数据、所述第一传感器数据和所述第二位姿数据进行联合优化处理得到所述目标对象的目标位姿数据,包括:
36、利用基于因子图的非线性优化方法对所述惯导数据、所述里程计数据、所述第一传感器数据和所述第二位姿数据进行联合优化处理得到所述目标对象的目标位姿数据。
37、可选地,在所述对所述地图数据和所述第一位姿数据进行匹配优化处理得到所述目标对象的第二位姿数据之后,所述方法还包括:
38、更新所述地图数据。
39、可选地,所述更新所述地图数据,包括:
40、利用所述第二位姿数据和所述地图数据对所述目标对象进行轮廓检查计算得到边缘差值;
41、当所述边缘差值小于对应的边缘阈值时,将所述第一传感器数据添加至所述地图数据。
42、可选地,所述更新所述地图数据,包括:
43、对所述地图数据和所述第一位姿数据进行匹配优化处理得到所述地图数据和所述第一位姿数据的匹配分值;
44、当所述匹配分值小于对应的分值阈值时,利用近邻算法在所述地图数据中搜索邻近数据;
45、对所述邻近数据进行位姿计算得到邻近位姿数据,并合并所述第一位姿数据和所述邻近位姿数据,以更新所述地图数据。
46、根据本公开实施例的第二方面,提供一种融合定位装置,包括:
47、融合定位模块,被配置为获取与目标对象运行相关的地图数据和第一传感器数据,并对所述地图数据和所述第一传感器数据进行融合定位处理确定重定位结果;
48、位姿预测模块,被配置为获取第二传感器数据,并基于所述重定位结果,对所述第二传感器数据进行位姿预测处理得到所述目标对象的第一位姿数据;
49、联合优化模块,被配置为对所述第一传感器数据、所述第二传感器数据和所述第一位姿数据进行融合优化处理得到所述目标对象的目标位姿数据。
50、根据本公开实施本文档来自技高网...
【技术保护点】
1.一种融合定位方法,其特征在于,所述方法包括:
2.根据权利要求1所述的融合定位方法,其特征在于,所述第一传感器数据,包括:点云数据、图像数据和导航数据;
3.根据权利要求2所述的融合定位方法,其特征在于,所述初始定位结果,包括:第一定位结果、第二定位结果和第三定位结果;
4.根据权利要求3所述的融合定位方法,其特征在于,所述对所述初始定位结果进行定位可信度检查得到所述目标对象的重定位结果,包括:
5.根据权利要求4所述的融合定位方法,其特征在于,在所述获取除所述其中一种定位结果之外的其余两种定位结果之后,所述方法还包括:
6.根据权利要求3所述的融合定位方法,其特征在于,所述对所述初始定位结果进行定位可信度检查得到所述目标对象的重定位结果,包括:
7.根据权利要求5或6所述的融合定位方法,其特征在于,所述当所述其中一种定位结果和所述下一定位结果满足第二预设条件时,确定所述目标对象的重定位结果,包括:
8.根据权利要求1所述的融合定位方法,其特征在于,所述第二传感器数据,包括:惯导数据;
...【技术特征摘要】
1.一种融合定位方法,其特征在于,所述方法包括:
2.根据权利要求1所述的融合定位方法,其特征在于,所述第一传感器数据,包括:点云数据、图像数据和导航数据;
3.根据权利要求2所述的融合定位方法,其特征在于,所述初始定位结果,包括:第一定位结果、第二定位结果和第三定位结果;
4.根据权利要求3所述的融合定位方法,其特征在于,所述对所述初始定位结果进行定位可信度检查得到所述目标对象的重定位结果,包括:
5.根据权利要求4所述的融合定位方法,其特征在于,在所述获取除所述其中一种定位结果之外的其余两种定位结果之后,所述方法还包括:
6.根据权利要求3所述的融合定位方法,其特征在于,所述对所述初始定位结果进行定位可信度检查得到所述目标对象的重定位结果,包括:
7.根据权利要求5或6所述的融合定位方法,其特征在于,所述当所述其中一种定位结果和所述下一定位结果满足第二预设条件时,确定所述目标对象的重定位结果,包括:
8.根据权利要求1所述的融合定位方法,其特征在于,...
【专利技术属性】
技术研发人员:张厚展,张艺乐,贺喜,包川,
申请(专利权)人:达闼机器人股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。