[发明专利]一种重定位方法、芯片和移动机器人

说明书

本发明公开了一种重定位方法、芯片和移动机器人，本发明所述方法使用单点测距传感器优化视觉SLAM地图，然后进行移动机器人的重定位，因优化后的地图边界轮廓更加符合实际环境，使得地图匹配结果更准确，从而提高了重定位精度。

技术领域

本发明涉及智能移动机器人领域，具体涉及一种重定位方法、芯片和移动机器人。

背景技术

目前，移动机器人通过传感器感知环境和自身状态，进而实现在有障碍物的环境中面向目标自主运动，这就是通常所说的智能自主移动机器人的导航技术。而定位则是确定移动机器人在工作环境中相对于全局坐标的位置及其本身的姿态，是移动机器人导航的基本环节。然而，在机器人的系统关闭或者断电的情况下，当时机器人的位置和姿态发生变化时，机器人启动后无法定位其所在地图位置和自身姿态，此时需要人为将机器人移动到初始位置重新启动系统获取初始位置和姿态后才能进行自主导航。

因此，为了实现机器人在异常情况下自动定位，无须人为干预移动，现有技术给出了一系列关于机器人重定位的方法。其中，对于视觉机器人，采用视觉导航方法探索未知环境空间获得环境形状尺寸信息可靠性不高，因为单靠摄像头来检测距离，准确率不高，摄像头还不能做到区分大面积的相同颜色障碍物边界或墙面边界。受图像精度的影响，视觉机器人无法准确地确定当前位置信息和当前姿态信息，即视觉机器人的重定位精度不高。

发明内容

为解决上述问题，本发明提供了一种重定位方法、芯片和移动机器人，可以提高视觉机器人的重定位精度。本发明的具体技术方案如下：

一种重定位方法，所述方法包括：步骤S1，移动机器人通过单点测距传感器扫描周围环境的边界信息并生成边界轮廓线，其中，移动机器人储存有当前环境的栅格地图，所述栅格地图包含障碍物栅格；步骤S2，基于边界轮廓线，移动机器人对栅格地图上的障碍物栅格进行对齐，获得优化地图；步骤S3，移动机器人进行重定位，通过单点测距传感器扫描当前位置的边界信息并生成第一子地图，然后与所述优化地图进行匹配；步骤S4，如果在优化地图中匹配到第二子地图，移动机器人根据所述第二子地图对应的移动机器人位姿计算移动机器人的当前位姿，实现重定位。与现有技术相比，本技术方案使用优化后的视觉SLAM地图进行移动机器人的重定位，因地图边界轮廓更加符合实际环境，使得地图匹配结果更准确，从而提高了重定位精度。

所述步骤S1中，移动机器人通过单点测距传感器扫描周围环境的边界信息并生成边界轮廓线的方法包括：开启单点测距传感器后，移动机器人原地旋转，获取周围障碍物的距离；根据周围障碍物的距离，在栅格地图上对应位置处做标记并进行拟合，生成所述边界轮廓线。可以获得准确的边界参考。

所述步骤S2中，移动机器人对栅格地图上的障碍物栅格进行对齐的方法为，移动机器人将与边界轮廓线的距离小于等于预设距离的障碍物栅格调整至边界轮廓线上，完成对齐。将边界轮廓线一定范围内的障碍物栅格进行对齐，可以消除标注障碍物栅格时的误差，提高地图边界的准确性。

所述步骤S3中，移动机器人通过单点测距传感器扫描当前位置的边界信息并生成第一子地图的方法包括：开启单点测距传感器后，移动机器人原地旋转，获取周围障碍物的距离；根据周围障碍物的距离，在空白模板上对应位置处做标记并拟合出边界轮廓线，生成第一子地图。