[发明专利]移动机器人重定位方法及移动机器人

权利要求书

1.一种移动机器人重定位方法，其特征在于，包括：

S1、获取移动机器人的当前时间帧的激光数据，基于已经构建的全局地图和当前时间帧的激光数据，应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计；

S2、根据当前时间帧的最佳位姿估计计算当前时间帧全局定位置信度；

S3、当前时间帧的全局定位置信度低于一定阈值时，通过移动机器人的超宽带模块所获得的相对于充电桩的距离信息和惯性测量单元所获得的航向角信息，在已经构建的全局地图计算移动机器人可能的位置范围；以及

S4、在相应的位置范围内再次应用蒙特卡罗定位算法实现移动机器人的快速重定位。

2.如权利要求1所述的移动机器人重定位方法，其特征在于，所述充电桩布置于移动机器人工作场景内，并且所述充电桩包括超宽带模块，所述移动机器人包括超宽带模块和惯性测量单元，其中，所述移动机器人的超宽带模块与所述充电桩的超宽带模块通信，用于获得移动机器人的当前位置相对于充电桩所在位置的距离d_k；所述移动机器人的惯性测量单元用于获取移动机器人的当前航向角数据

3.如权利要求2所述的移动机器人重定位方法，其特征在于，S1中获取移动机器人的当前时间帧的激光数据包括：

通过移动机器人的车载前向2D激光传感器实时扫描周围工作场景，获取每个时间帧的激光数据，所述激光数据表征为{LD|{λ_k,n,n},n＝1...N}，其中λ_k,n为对应的激光极坐标距离，n为k时间帧激光点的序号，N为k时间帧激光点的总数，所述激光数据中的每个离散点对应的角度为n·Δδ，Δδ为激光角分辨率。

4.如权利要求3所述的移动机器人重定位方法，其特征在于，S2包括：

设置权重系数地图：

其中μ_u,v为对应的权利系数值，L∈(1,255]；

基于当前全局定位所获得的全局最佳位姿估计，对当前时间帧所获得的激光数据与地图中的路标点进行逐一匹配并统计匹配点的数量，并根据匹配点所对应的固定路标点的权重系数获得当前时间帧的全局定位置信度。

5.如权利要求4所述的移动机器人重定位方法，其特征在于，

将激光数据基于当前时间帧的全局最佳位姿估计投影到全局坐标系，当前时间k帧激光数据的每个激光离散点对应的全局坐标系位置为：

其中Δw为场景全局地图中栅格的物理宽度，Δδ为激光角分辨率，λ_k,n为对应的激光极坐标距离，P_k＝[p_k q_k θ_k]^T为当前时间k帧全局最佳位姿估计；

计算获得当前时间k帧的全局定位置信度Φ_k：

其中，

6.如权利要求5所述的移动机器人重定位方法，其特征在于，在已经构建的全局地图计算移动机器人可能的位置范围包括：

确定移动机器人可能的位置范围为：

其中，

其中，Δd为距离测量误差，为移动机器人当前航向角误差，[p_c，q_c]^T为充电桩在全局地图中的位置坐标。

7.如权利要求6所述的移动机器人重定位方法，其特征在于，S4包括：

在全局栅格地图中，所确定的移动机器人的位置范围{Θ|[p_f q_f θ_f]^T∈Θ}，再次应用蒙特卡罗定位算法实现移动机器人的重定位，最终获得移动机器人“迷路”之后的再次进行重定位的最佳位姿估计P_f,k＝[p_f,k q_f,k θ_f,k]^T。