[发明专利]用于移动机器人的地图更新方法及移动机器人定位方法在审
申请号: | 202011530278.1 | 申请日: | 2020-12-22 |
公开(公告)号: | CN112750161A | 公开(公告)日: | 2021-05-04 |
发明(设计)人: | 林睿 | 申请(专利权)人: | 苏州大学 |
主分类号: | G06T7/73 | 分类号: | G06T7/73;G06F16/29;G01C21/00 |
代理公司: | 北京庚致知识产权代理事务所(特殊普通合伙) 11807 | 代理人: | 李晓辉;李伟波 |
地址: | 215006*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 移动 机器人 地图 更新 方法 定位 | ||
1.一种用于移动机器人的地图更新方法,其特征在于,包括:
获取全局栅格地图,其中,所述全局栅格地图包括多个栅格;
通过移动机器人的传感器获取移动机器人周围环境信息的当前图像帧,结合移动机器人的内部里程计所提供的位姿信息,利用全局栅格地图获得移动机器人的最佳位姿估计;
判断移动机器人的最佳位姿估计的定位得分是否大于等于预设阈值,当移动机器人的最佳位姿估计的定位得分大于等于预设阈值,根据移动机器人的当前图像帧获得待更新栅格值的栅格;
判断待更新栅格值的栅格的帧更新间隔是否大于预设帧数,当待更新栅格值的栅格的帧更新间隔大于预设帧数时,对全局栅格地图中的待更新栅格值的栅格的栅格值进行更新,得到更新后的全局栅格地图。
2.如权利要求1所述的用于移动机器人的地图更新方法,其特征在于,当移动机器人初次使用时,根据移动机器人的工作环境,构建环境地图,对所述环境地图进行栅格化处理,得到全局栅格地图;当移动机器人非初次使用时,以移动机器人内部存储的更新后的全局栅格地图作为获取的全局栅格地图。
3.如权利要求1所述的用于移动机器人的地图更新方法,其特征在于,所述获得移动机器人的最佳位姿估计包括:
根据移动机器人前一时刻的位姿以及内部里程计当前时刻和前一时刻的差值获得移动机器人的当前位姿的参考值;
根据移动机器人的当前位姿的参考值,确定蒙特卡罗全局定位算法所使用的粒子集;
应用自适应蒙特卡罗全局定位算法将当前图像帧与全局栅格地图进行变权重粒子集特征匹配,获得粒子集中粒子的权值;
从粒子集中选择平均权值最大的一簇粒子,将该一簇粒子的位姿加权平均作为移动机器人的最佳位姿估计,并将该最佳位姿估计作为移动机器人的当前位姿。
4.如权利要求3所述的用于移动机器人的地图更新方法,其特征在于,对全局栅格地图中的待更新栅格值的栅格的栅格值进行更新包括:提高与当前图像帧所对应匹配的全局栅格地图中的栅格的栅格值。
5.如权利要求4所述的用于移动机器人的地图更新方法,其特征在于,所述全局栅格地图的每个栅格值选自第一特征值、第二特征值和第三特征值中的一个,其中,所述第一特征值为从预设范围内选择的值,所述第二特征值和第三特征值为定值。
6.如权利要求1所述的用于移动机器人的地图更新方法,其特征在于,当全局栅格地图被更新后,以更新后的全局栅格地图作为移动机器人定位的全局栅格地图输入,实现移动机器人定位,并且以更新后的全局栅格地图为基础进行再次更新。
7.一种移动机器人定位方法,其利用权利要求1-6之一所述的用于移动机器人的地图更新方法生成的全局栅格地图进行定位,所述移动机器人定位方法包括:
通过移动机器人的传感器获取移动机器人周围环境信息的当前图像帧,结合移动机器人的内部里程计所提供的位姿信息,利用所述全局栅格地图获得移动机器人的最佳位姿估计;
根据该移动机器人的最佳位姿估计获得相对于给定周围环境的移动机器人的当前时刻全局定位信息。
8.如权利要求7所述的用于移动机器人的地图更新方法,其特征在于,所述获得移动机器人的最佳位姿估计包括:
根据移动机器人前一时刻的位姿以及内部里程计当前时刻和前一时刻的差值获得移动机器人的当前位姿的参考值;
根据移动机器人的当前位姿的参考值,确定蒙特卡罗全局定位算法所使用的粒子集;
应用自适应蒙特卡罗全局定位算法将当前图像帧与全局栅格地图进行变权重粒子集特征匹配,获得粒子集中粒子的权值;
从粒子集中选择平均权值最大的一簇粒子,将该一簇粒子的位姿加权平均作为移动机器人的最佳位姿估计,并将该最佳位姿估计作为移动机器人的当前位姿。
9.一种电子设备,其特征在于,包括:
存储器,所述存储器存储执行指令;以及
处理器,所述处理器执行所述存储器存储的执行指令,使得所述处理器执行如权利要求1至5中任一项所述的方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有执行指令,所述执行指令被处理器执行时用于实现如权利要求1至5中任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州大学,未经苏州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011530278.1/1.html,转载请声明来源钻瓜专利网。