[发明专利]移动机器人的位姿丢失检测与重定位系统及机器人在审

专利信息
申请号: 201710829430.8 申请日: 2017-09-14
公开(公告)号: CN109506641A 公开(公告)日: 2019-03-22
发明(设计)人: 李昂;吴悠;郭盖华;谌鎏 申请(专利权)人: 深圳乐动机器人有限公司
主分类号: G01C21/00 分类号: G01C21/00
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 张润
地址: 518055 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 移动机器人 位姿 机器人 重定位系统 定位模块 丢失检测 重定位 移动机器人定位 数据获取模块 传感器采集 障碍物信息 重定位模块 地图数据 定位算法 定位信息 判断模块 人本发明 传感器 鲁棒性 有效地 算法 预设 有效期 输出
【权利要求书】:

1.一种移动机器人的位姿丢失检测与重定位系统,其特征在于,包括:

数据获取模块,用于获取所述移动机器人所处环境的地图、机器人周围环境的障碍物信息和机器人上搭载的传感器的数据;

定位模块,用于得到所述移动机器人在地图中的位姿;

判断模块,用于根据所述传感器采集的数据和所述地图数据判断所述移动机器人定位信息是否错误,即定位模块输出的位姿与机器实际的位姿是否一致;

重定位模块,用于在所述移动机器人发生定位信息错误时,根据预设的重定位算法对所述移动机器人进行重定位,得到所述机器人的正确位姿。

2.根据权利要求1所述的系统,其特征在于,所述的数据获取模块中,获取周围环境障碍物信息的方法包括:

通过测距传感器获取所述机器人周围的障碍物与机身的距离,包括旋转的激光雷达,和/或线阵的激光测距模块,和/或面阵的激光测距模块,和/或双目视觉测距模块;

和/或,通过图像传感器获取所述机器人周围环境的图像信息。

3.根据权利要求1所述的系统,其特征在于,所述判断模块用于:

比较所述传感器采集的数据与所述地图数据的相似度;

如果相似度低于第一阈值,则判定所述移动机器人发生位姿丢失。

4.根据权利要求1所述的系统,其特征在于,所述判断模块还用于:

判断所述移动机器人是否离地,和/或判断所述移动机器人是否发生碰撞,和/或判断所述移动机器人是否轮子打滑;

如果是,则判定所述移动机器人发生位姿丢失。

5.如权利要求1所述的系统,其特征在于,所述重定位模块用于将所述传感器采集的数据与所述地图进行匹配,以对所述移动机器人进行重定位,具体包括:

根据所述传感器采集的数据和所述移动机器人的预测位姿得到所述移动机器人的位姿的概率分布;

分别对每个位姿进行采样,得到每个位姿与所述地图的相似度;

根据所述相似度,对所述位姿的概率分布进行多次调整,得到与所述地图的相似度大于第二阈值的备选位姿;

根据所述备选位姿得到所述移动机器人的最终位姿。

6.如权利要求2所述的系统,其特征在于,所述根据所述备选位姿得到所述移动机器人的最终位姿,包括:

当所述备选位姿为一个时,将所述备选位姿作为所述最终位姿;

当所述备选位姿为多个时,获取所述移动机器人分别在多个备选位姿下进入其他预设环境后的新的位姿,并将得到的多个新的位姿下对应的传感器的采集数据与所述地图进行匹配,并将匹配度最高时对应的位姿作为所述最终位姿。

7.根据权利要求1所述的系统,其特征在于,所述重定位模块用于通过子图匹配的方法对所述移动机器人进行重定位,具体包括:

建立子图,并获取所述子图在所述地图中的位姿;

根据所述子图在所述地图中的位姿,对所述移动机器人进行重定位。

8.根据权利要求4所述的系统,其特征在于,所述获取所述子图在所述地图中的位姿,包括:

计算所述子图与所述地图的相似度,并根据所述述子图与所述地图的相似度得到所述子图在所述地图中的位姿;或者

提取子图和地图的图像特征,并根据所述图像特征得到匹配的特征点对,根据所述匹配的特征点对建立平移旋转模型矩阵,利用最小模型误差的准则得到相应的模型参数,根据所述模型参数得到所述子图在所述地图中的位姿。

9.根据权利要求4所述的系统,其特征在于,在所述重定位模块通过子图匹配的方法对所述移动机器人进行重定位的过程中,当所述地图存在缺失时,在所述地图的未知区域建立子图。

10.一种机器人,其特征在于,设置有如权利要求1-9任一项所述的移动机器人的位姿丢失检测与重定位系统。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳乐动机器人有限公司,未经深圳乐动机器人有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710829430.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top