[发明专利]基于现场场线特征的移动机器人定位方法

说明书

本发明提供了一种基于现场场线特征的移动机器人定位方法，其包括步骤S1‑S10。在本发明中，使用工作环境中的已有场线特征，保证了全局环境地图与真实工作环境的一致性；基于场线特征离散化成采样点的方式来进行匹配度的计算，有效地克服了可能存在的有效特征信息不足的问题；构建出的全局概率地图，方便后续机器人在定位过程中的定量计算，节约了计算时间；增量式边线提取算法受外界噪声干扰低、使用的参数少，减少了计算量；基于蒙特卡罗方法进行采样，使得滤波精度可以逼近最优估计，大大降低了计算复杂度；粒子滤波算法具有较强的建模能力，可以有效克服非线性情况下高斯分布的制约、能够适应现实复杂环境的要求，提高了机器人的自定位精度。

技术领域

本发明涉及移动机器人控制技术领域，尤其涉及一种基于现场场线特征的移动机器人定位方法。

背景技术

随着工业制造向自动化和智能化方向发展，工业环境下的自动导引车(Automatedguided vehicle，缩写为AGV)等移动式机器人应用越来越广泛。为了实现工厂环境下的自主巡航，AGV等移动机器人应具有精确的自定位能力、能够依据自身的位置和上层指令完成各项任务，因而自主定位是移动机器人的核心功能。

目前工厂环境下的移动机器人自定位具有多种方式：(1)通过室内GPS定位系统(Indoor Global Positioning System，缩写为iGPS)建立全厂范围内的位置测量场、并在移动机器人本体上安装测量点，从而实现3D空间内的精确定位，并且还可以在AGV活动范围内铺设磁条或者RFID标记装置获得自身位置(缺点是需要对环境提出特殊的要求并做出特殊的改造)；(2)通过移动机器人自身所带的传感器，通过感知环境局部信息来确定全局坐标系下的位姿状态，这些传感器包括里程计、惯性导航、视觉图像以及激光雷达等，其优势是不需要对工作环境做出较大的改造，具有显著的成本优势、对环境变化和任务变化的适应性更强，特别是视觉图像传感器能够获得大量的环境信息，成本低廉，因而成为移动机器人定位的重要方法，具有广阔的开发潜力，但是图像特征提取并实现精确定位仍没有完善的解决方案，特别是自然环境下和动态环境下的定位和建图仍旧处于研究的前沿。

现有基于计算机视觉的移动机器人定位方法，一般可分为基于标识以及基于自然特征的无标记方式。其中，后者以vSLAM技术为代表，能够解决无法预先获知环境3D模型的条件下的定位和地图建立。目前静态、刚体、光照变化不明显、无人为干扰的场景下的vSLAM技术已经趋于完善。但针对动态变化的工厂车间环境，则由于存在大量干扰而远未得到解决。前者则通过已知的环境3D模型或者人工布置标记的方法，利用已知的三个特征点位置求解P3P问题，或通过空间中的N个已知特征点位置，借助DLT算法或光束法平差优化算法(bundle adjustment，缩写为BA)实现2D-3D匹配而实现机器人的定位跟踪。然而这些方法需要大量的已知标记点，对于实际环境而言，设置这些标记点需要改变已有的环境，造成了时间和经济、人力成本上的浪费，对环境改造过大，失去了视觉系统用于定位的优势。

发明内容

鉴于背景技术中存在的问题，本发明的目的在于提供一种基于现场场线特征的移动机器人定位方法，其能有效利用工作环境中的已有场线特征构建出全局概率地图、并综合利用增量式边线提取算法、蒙特卡罗方法和粒子滤波算法，从而极大地提高了机器人的自定位精度、节省了计算时间和成本。

为了实现上述目的，本发明提供了一种基于现场场线特征的移动机器人定位方法，其包括步骤S1-S10。

S1，构建出移动机器人所需工作环境的全局环境地图，所述全局环境地图包含工作环境中的全部场线信息，其中移动机器人设置有用于采集工作环境中的场线信息的视觉系统，所述工作环境建立有全局坐标系O₁-X_wY_wZ_w。