[发明专利]机器人重定位方法、装置、机器人和计算机可读存储介质

说明书

本申请公开了一种机器人重定位方法、装置、机器人和计算机可读存储介质，机器人重定位方法包括：获取一帧激光雷达点云；分阶段计算所有粒子在地图上的似然域，得到第一粒子群，似然域是指地图上每个点对应的障碍物的概率；根据第一粒子群和激光雷达点云创建局部地图，将局部地图与全局地图进行比较以确定最优位姿，以最优位姿作为定位结果。解决了在重采样粒子群阶段，需要机器人移动一定距离才能执行一次滤波，同时粒子需要多次迭代才能收敛，得到最优的全局位姿估计的技术问题，通过使用两种不同方法来筛选粒子群，两种方法相互补充，共同得到最优位姿，使得提高了算法的稳定性和准确率。

技术领域

本申请涉及机器人定位技术领域，尤其涉及一种机器人重定位方法、装置、机器人和计算机可读存储介质。

背景技术

随着科技的不断进步，自动定位技术已经成为当今社会研究的热点，由于激光雷达具有高距离分辨率和角分辨率、高抗干扰能力、体积小等优点，因此，激光雷达定位技术是当下自动定位技术中的热点技术之一。

现有的粒子滤波方法只使用一张全局地图确定机器人位姿，且在重采样粒子群阶段，需要机器人移动一定距离才能执行一次滤波，机器人不运动时无法定位，同时粒子需要多次迭代才能收敛，得到最优的全局位姿估计。

发明内容

本申请实施例通过提供一种机器人重定位方法、装置、机器人和计算机可读存储介质，旨在解决在重采样粒子群阶段，需要机器人移动一定距离才能执行一次滤波，同时粒子需要多次迭代才能收敛，得到最优的全局位姿估计的问题。

为实现上述目的，本申请一方面提供一种机器人重定位方法，所述机器人重定位方法包括以下步骤：

获取一帧激光雷达点云，所述激光雷达点云是指激光雷达获取的周围环境的障碍物所形成的点云；

分阶段计算所有粒子在地图上的似然域，得到第一粒子群，所述似然域是指所述地图上每个点对应的障碍物的概率；

根据所述第一粒子群和所述激光雷达点云创建局部地图，将所述局部地图与全局地图进行比较以确定最优位姿，以所述最优位姿作为定位结果。

可选地，所述分阶段计算所有粒子在地图上的似然域，得到第一粒子群的步骤包括：

将所述所有粒子进行均匀划分，得到多份第一粒子，每一个线程计算一份所述第一粒子的得分情况，基于所述第一粒子的得分情况确定第一阶段的第一候选粒子；

将所述第一候选粒子进行均匀划分，得到多份第二粒子，每一个线程计算一份所述第二粒子的得分情况，基于所述第二粒子的得分情况确定第二阶段的第二候选粒子；

将所述第一候选粒子进行均匀划分，得到多份第三粒子，每一个线程计算一份所述第三粒子的得分情况，基于所述第三粒子的得分情况确定第三阶段的第三候选粒子；

对所述第二候选粒子和所述第三候选粒子进行筛选，得到所述第一粒子群。

可选地，所述将所述局部地图与全局地图进行比较以确定最优位姿的步骤包括：

将所述局部地图与所述全局地图进行比较，得到不同像素点的数量；

根据所述不同像素点的数量确定所述粒子的得分情况，并基于所述粒子的得分情况确定所述最优位姿。

可选地，所述将所述局部地图与所述全局地图进行比较，得到不同像素点的数量的步骤包括：

将所述局部地图的障碍物点与所述全局地图的障碍物点进行匹配，以及将所述局部地图的非障碍物点与所述全局地图的非障碍物点进行匹配，生成匹配结果；

基于所述匹配结果确定所述不同像素点的数量。

可选地，所述根据所述不同像素点的数量确定所述粒子的得分情况的步骤包括：