[发明专利]一种基于激光雷达信息的移动机器人位置重识别方法

说明书

本发明公开了一种基于激光雷达信息的移动机器人位置重识别方法，包括以下步骤：根据移动机器人的里程计信息，通过对间隔设定距离采集到的激光雷达数据处理形成多通道激光雷达极坐标鸟瞰图；将多通道激光雷达极坐标鸟瞰图输入特征提取模块生成位置描述子；在地图数据库中检索与当前的位置描述子相似的若干个候选地点，估计当前位置与候选地点的相对朝向；根据相对朝向调整候选地点的激光点云，使其与当前位置朝向一致，然后进行后续位姿估计；将位置描述子及其对应的频谱存储到地图数据库中，用于下一次候选地点检索和相对朝向估计。本发明不依赖相机采集的图像，实现了对环境变化鲁棒；同时兼顾后续位姿估计，防止根据两帧点云估计位姿时可能产生的错误。

技术领域

本发明涉及移动机器人定位领域，特别是涉及一种基于激光雷达信息的移动机器人位置重识别方法。

背景技术

位置重识别技术是移动机器人全局定位中非常重要的部分。全局定位在没有任何先验信息的情况下估计当前机器人的位置信息。常见的做法是将全局定位分为两个部分，首先是位置重识别，即将当前的机器人观测与已行进地点的观测进行匹配，获取机器人可能的候选地点，其次是进行位姿估计，即通过当前观测与候选地点观测进行较为精确的位姿估计，从而计算当前机器人的位姿。

目前已经有许多基于视觉的位置重识别方法，这类方法依赖于相机采集的图像，故对环境的变化不鲁棒，容易受到光照以及时间季节变化的影响。随着近年来激光雷达的普及，考虑到激光对于环境变化的可靠性，基于激光雷达的位置重识别方法也逐渐涌现。这类方法能够达到一定的效果，但是它们大多没有考虑到全局定位的最终目的，即给出机器人的位姿。大多方法仅考虑给出候选地点，但给出候选地点后，根据两帧点云进一步估计位姿时可能会出错。这是因为常用的点云位姿估计的方法对于初值的要求较高。比如在十字路口，车从对向进入路口，此时虽然地点重识别模块可以给出曾经路过这个路口的指示，但是由于两帧点云存在180°的变化，可能导致后续位姿估计错误地认为当前该车是和第一次通过路口一样的朝向，导致定位结果的错误。

公开号为CN111914815A的发明公开了一种垃圾目标的机器视觉智能识别系统，包括里程计模块、目标识别模块、建图模块，该发明还公开了一种垃圾目标的机器视觉智能识别方法，包括以下步骤：计算位姿数据、识别垃圾目标、建立点云地图、建立训练集和测试集、构建改进yolov3模型、训练网络、网络测试，该发明的主要发明目的是利用机器人在自主行走的过程中的实时位姿信息，把图像中识别的垃圾目标的位置通过进行一系列的坐标变换，映射到一个实时的二维地图中，从而实现监控整个社区生活垃圾变化的情况。

公开号为CN111708042A的发明公开了一种行人轨迹预测和跟随的机器人方法及系统，包括：ZED摄像头、GPU嵌入式平台、工控机、MCU控制器、激光雷达传感器和轮式里程计；该发明融合激光雷达和摄像头，将行人轨迹预测网络与行人重识别框架结合，利用行人交互轨迹网络进行预测，实现对目标行人的主动选取最优视角进行跟随。

发明内容

本发明的目的在于提出一种能够兼顾后续位姿估计的基于激光雷达的位置重识别方法，实现对环境变化鲁棒的全局定位。

一种基于激光雷达信息的移动机器人位置重识别方法，包括以下步骤：

(1)激光雷达实时采集移动机器人的激光雷达数据，根据移动机器人的里程计信息，每行进设定的距离对激光雷达数据处理形成多通道激光雷达极坐标鸟瞰图；

(2)将步骤(1)得到的多通道激光雷达极坐标鸟瞰图输入特征提取模块，生成位置描述子；

(3)在地图数据库中检索与当前的位置描述子相似的若干个候选地点，估计当前位置与候选地点的相对朝向；

(4)根据步骤(3)得到的相对朝向调整候选地点的激光点云，使其与当前位置朝向一致，然后进行后续位姿估计；

(5)将位置描述子及其对应的频谱存储到地图数据库中，用于下一次候选地点检索和相对朝向估计。