[发明专利]里程计在线标定的方法、装置、电子设备及存储介质

说明书

本申请公开了一种里程计在线标定的方法、装置、电子设备及存储介质，基于卡尔曼滤波算法的状态变量、以及控制变量预测当前时刻机器人的位姿，然后通过响应于识别到预设路标，基于预设路标的预设位姿以及机器人在当前时刻的位姿，确定机器人与预设路标的相对位置关系信息作为卡尔曼滤波算法的观测变量；最后基于观测变量和当前时刻机器人的位姿的预测结果，确定指定参数的标定值。在不引入额外设备的前提下，通过将影响机器人的运行里程的参数添加至卡尔曼滤波算法的状态变量中，进而在机器人自主定位和导航过程中，利用卡尔曼滤波算法更新指定参数，可以实现对里程计的在线标定。

技术领域

本申请涉及里程计数据处理技术领域，尤其涉及一种里程计在线标定的方法、装置、电子设备及存储介质。

背景技术

现有技术中，针对里程计的标定方法主要包括两种方式：一是通过离线标定里程计，二是通过引入额外的设备对里程计进行标定。例如，针对使用激光雷达和反光条进行双轮差速移动机器人里程计标定的轮间距修正的方案，通过计算机器人的实际自旋角和里程计的旋转角，拟合得到轮间距的修正系数。该方案为通过离线标定里程计。

或者，针对基于运动捕捉系统对里程计进行标定的方案，当机器人在预设的区域内行走时，同时利用运动捕捉系统对机器人进行定位，读取里程计计算的行走位移，计算得到里程计的补偿参数。该方案在进行里程计参数标定的时候采用了运动捕捉系统，而运动捕捉系统为引入的额外设备。

由于在里程计进行标定的过程中，引入额外的设备，导致里程计标定的成本过高，并且通过离线标定里程计，又不能及时获取到里程计的信息。

发明内容

本申请实施例提供一种里程计在线标定的方法、装置、电子设备及存储介质，可以在不引入额外设备前提下，实现里程计的在线标定。

一方面，本申请一实施例提供了一种里程计在线标定的方法，应用于机器人，所述方法包括：

基于卡尔曼滤波算法的状态变量、以及控制变量预测当前时刻所述机器人的位姿，其中，所述状态变量的参数包括所述机器人上一时刻的位姿以及指定参数的初始值，所述指定参数为影响所述机器人的运行里程的参数，所述控制变量的参数包括距离所述当前时刻指定时长内所述机器人的移动距离；

响应于识别到预设路标，基于所述预设路标的预设位姿以及所述机器人在所述当前时刻的位姿，确定所述机器人与所述预设路标的相对位置关系信息作为所述卡尔曼滤波算法的观测变量；

基于所述观测变量和所述当前时刻所述机器人的位姿的预测结果，确定所述指定参数的标定值。

本申请的一实施例中，所述指定参数为以下参数中的一种或多种：

所述机器人左轮与右轮之间的轮距值、所述机器人的左轮轮径值、所述机器人的右轮轮径值。

本申请的一实施例中，所述状态变量包括均值矩阵和第一协方差矩阵，所述控制变量包括第二协方差矩阵，所述方法还包括：

通过以下方法确定所述卡尔曼滤波算法的状态变量、以及控制变量：

基于所述机器人上一时刻的位姿以及所述指定参数的初始值，确定所述卡尔曼滤波算法的状态变量的均值矩阵；

基于所述机器人上一时刻的位姿、所述指定参数的初始值、以及所述指定参数的预设误差值，确定所述卡尔曼滤波算法的状态变量的第一协方差矩阵；

基于所述指定时间内所述机器人的左轮和右轮分别移动的距离、以及所述机器人对应的里程计计算装置关联的系数值，确定所述卡尔曼滤波算法的控制变量的第二协方差矩阵。

本申请的一实施例中，所述基于卡尔曼滤波算法的状态变量、以及控制变量预测当前时刻所述机器人的位姿，包括：

根据以下位姿预测公式预测当前时刻所述机器人的位姿：