[发明专利]一种机器人自主全局重定位方法及机器人

权利要求书

1.一种机器人自主全局重定位方法，其特征在于，将已有地图栅格化并对具有障碍物的栅格和没有障碍物的栅格进行差别赋值，将与机器人同一位置的激光雷达传感器对外部障碍物扫描得出的多个距离数据及与距离数据对应的角度数据，在地图中以模拟机器人位置为原点以激光点位的形式标注出，对每一个模拟机器人位置所对应的激光点位所在栅格的赋值积分，根据所述激光点位所在栅格与具有障碍物的栅格的重合率，筛选出至少一个模拟机器人位置，并通过粒子滤波算法从初次筛选出的模拟机器人位置中计算出机器人的正确位置。

2.根据权利要求1所述的机器人自主全局重定位方法，其特征在于，包括如下步骤：

步骤1、将已有的地图上覆盖栅格结构，并对每个栅格都初始化同一对应数值f₀，并将地图上有障碍物的栅格赋值为f₁，将距离障碍物的设定距离内的栅格根据其距离距其最近的障碍物所在栅格的距离赋值为Q_n；Q_n的数值居于f₀和f₁之间，距离障碍物越近的栅格其Q_n的数值越接近f₁，在所述地图上的无障碍物栅格内随机分布设定密度的粒子，所述粒子用以模拟机器人的位置；

步骤2、通过激光雷达传感器测量出机器人在设定角度范围内的多个距离数距及与距离数据对应的角度数据，并将多个距离数距及对应的角度数据转换为以机器人为坐标原点的多个激光点位；对应每个粒子的位置信息重新在栅格化后的地图上描述每个粒子对应的激光点位的位置信息；计算每个粒子所对应的激光点位所在栅格的赋值积分，并根据设定的第一阈值筛选出至少一个优选粒子；

步骤3、通过对筛选出的优选粒子按照设定的转移路径进行转移，并对转移后的每个优选粒子所对应的激光点位所在的栅格的赋值进行积分，根据设定的第二阈值进一步将多个优选粒子中达到设定的第二阈值要求的部分优选粒子筛选出来；

步骤4、重复步骤3，最终筛选出唯一一个优选粒子作为最优粒子指示出机器人所在的位置。

3.根据权利要求2所述的机器人自主全局重定位方法，其特征在于，所述栅格为等距栅格，在地图上以机器人可达到的区域为限设定具有障碍物的栅格周围的M行和N列为膨胀区，所述膨胀区内的栅格的赋值Qn＝f₁-d_n，其中d_n是待赋值栅格与离其最近栅格的距离，当待赋值栅格与距离其最近的障碍物所在栅格的横向的行差是a_n，纵向的纵差是b_n，则待赋值栅格与距离其最近的障碍物所在的栅格的距离其中M、N为正整数，a_n和b_n为正数，f₀＜Q_n＜f₁。

4.根据权利要求3所述的机器人自主全局重定位方法，其特征在于，所述f₀＜＜f₁，以提高赋值积分的区别度。

5.根据权利要求2所述的机器人自主全局重定位方法，其特征在于，所述栅格结构的横向栅格个数为c，所述栅格结构的纵向栅格个数为e，则栅格之间的间距r选取f₁/c和f₁/e这两个数值中较小的一个。

6.根据权利要求4所述的机器人自主全局重定位方法，其特征在于，所述f₀取值为0，所述f₁取值为100。

7.根据权利要求2所述的机器人自主全局重定位方法，其特征在于，在地图上以机器人可达到的区域为限设定具有障碍物的栅格周围的M行和N列为膨胀区，通过正序和倒序这两个不同的方向对每一个膨胀区域内的每一个栅格进行赋值，当膨胀区域内的同一栅格的正序遍历赋值和倒序遍历赋值不同时，取较大数值作为栅格的赋值，其中M、N为正整数。