[发明专利]一种机房融合定位方法、系统、设备及存储介质

权利要求书

1.一种机房融合定位方法，其特征在于，包括以下步骤：

对采集到的原始机柜图像进行机柜关键点检测，得到关键点二维坐标；

根据每帧原始机柜图像的里程计和姿态角度变化值，得到相邻两帧的姿态变化差值；

将所述机柜关键点转换到车身坐标系，得到关键点车身坐标；

根据所述关键点车身坐标得到车身观测信息、定位位姿置信度和关键点车身方向向量，所述车身观测信息包括关键点权重值和随机测量误差概率；

基于所述关键点车身坐标进行栅格地图更新，建立机柜关键点地图，并在所述机柜关键点地图中设置机器人起始坐标点；

在机器人起始坐标点的预设误差范围内散布粒子集，并根据所述姿态变化差值以及所述车身观测信息更新粒子集；

根据关键点车身方向向量获取粒子概率值，并根据所述粒子概率值得到最大似然估计位姿；

基于所述最大似然估计位姿，反复迭代，直至达到预设的收敛条件，得到机器人的最优位姿及其对应的定位位姿置信度。

2.如权利要求1所述的一种机房融合定位方法，其特征在于，所述根据所述关键点车身坐标得到车身观测信息的步骤包括：

根据所述关键点车身坐标与所述车身坐标系中的原点坐标，得到关键点测量值；

根据所述关键点测量值、预先获取的单应性尺度因子以及权重归一化因子，得到关键点权重；

根据所述关键点测量值以及预先建立的随机高斯噪声模型，得到机柜关键点的随机测量误差概率。

3.如权利要求1所述的一种机房融合定位方法，其特征在于，所述根据所述关键点车身坐标得到定位位姿置信度和关键点车身方向向量的步骤包括：

根据所述关键点车身坐标计算得到协方差矩阵；

对所述协方差矩阵进行分解，并对特征值进行排序，并根据最大特征值和次大特征值，获取定位位姿置信度；

在车身坐标系中，遍历每一个机柜关键点，并查找其最近邻机柜关键点，并根据两个机柜关键点的关键点车身坐标确定当前关键点的关键点车身方向向量。

4.如权利要求1所述的一种机房融合定位方法，其特征在于，所述根据所述姿态变化差值以及所述车身观测信息更新粒子集的步骤包括：

在初始迭代中，获取每个粒子各个时刻的状态量；

将所述姿态变化差值叠加到每个粒子上一时刻的状态量中，得到每个粒子当前时刻的状态更新量；

计算所述机柜关键点地图中的空白区域概率值，根据所述空白区域概率值、所述关键点权重、所述随机测量误差概率以及预设的关键点概率值得到地图观测概率值；

根据所述状态更新量以及所述地图观测概率值更新粒子集。

5.如权利要求4所述的一种机房融合定位方法，其特征在于，所述计算所述机柜关键点地图中的空白区域概率值的步骤包括：

将所述机柜关键点地图中的非关键点区域作为空白区域；

遍历每一个所述空白区域的像素，获取该像素到与其最近的机柜关键点的欧氏距离，并根据均值为零的高斯概率查找表，得到空白区域概率值。

6.如权利要求4所述的一种机房融合定位方法，其特征在于，所述根据关键点车身方向向量获取粒子概率值的步骤包括：

将所述状态更新量投影到所述机柜关键点地图中，并搜索得到每个机柜关键点最近邻的地图匹配关键点；

获取每个地图匹配关键点在所述机柜关键点地图中的匹配关键点方向向量；

根据所述关键点车身方向向量以及所述匹配关键点方向向量得到方向差异概率值；

根据所述地图观测概率值和所述方向差异概率值得到粒子概率值。

7.如权利要求1所述的一种机房融合定位方法，其特征在于，所述根据所述粒子概率值得到最大似然估计位姿的步骤包括：

对所有粒子概率值进行归一化，并根据预设的概率阈值进行重采样，得到新粒子集，根据所述新粒子集对应的归一化粒子概率值，得到最大似然估计位姿。