[发明专利]一种基于视觉引导激光重定位的移动机器人定位方法有效

专利信息
申请号: 202010119797.2 申请日: 2020-02-26
公开(公告)号: CN111337943B 公开(公告)日: 2022-04-05
发明(设计)人: 刘成菊;陈浩;陈启军 申请(专利权)人: 同济大学
主分类号: G01S17/88 分类号: G01S17/88;G01S17/66;G01S17/06
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 陈源源
地址: 200092 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 视觉 引导 激光 定位 移动 机器人 方法
【说明书】:

发明涉及一种基于视觉引导激光重定位的移动机器人定位方法,包括以下步骤:根据视觉特征地图对机器人的位置进行初始化定位,并将其映射到激光地图上;采用自适应粒子滤波方法,根据激光扫描匹配的结果获取机器人在激光地图上的精准定位;判断在自适应粒子滤波方法的定位过程中定位的粒子方差是否超过设定的阈值,若是,利用视觉特征地图进行视觉重定位,输出机器人的定位结果,并对当前的粒子进行重新初始化,即错误恢复;若否,输出机器人的定位结果;与现有技术相比,本发明可使得机器人能在初始化时或“被绑架”后,依靠视觉特征地图的重定位功能,快速恢复精准的定位,从而保证了定位的稳定可靠。

技术领域

本发明涉及移动机器人自主定位领域,尤其是涉及一种基于视觉引导激光重定位的移动机器人定位方法。

背景技术

定位技术是机器人自主移动的基础,是赋予机器人感知和行动能力的关键。随着机器人技术的发展和广泛应用,越来越多的工业搬运机器人和巡检机器人需要在无人化的工厂里工作,而定位技术则是其执行任务的基础。

传统的定位方法中,绝对定位主要采用导航信标、标识和卫星导航技术等进行定位,但信标等的建设和维护成本较高,GPS只能用于室外。相对定位主要采用轮式编码器、惯性测量单元和激光雷达等,轮式编码器和惯性测量单元都是测量一些间接的物理量,高精度的激光雷达价格过于昂贵,这些因素给自主定位的移动机器人的商业化、进入日常生活带来了不小的挑战和困难。近几年来,以视觉传感器为中心的视觉SLAM技术得到了明显的转变和突破。多种基于单目、双目和深度相机的理论方法被提出,其中,相机相比于激光雷达虽然精度较差、噪声大,但是成本低,能够采集彩色图像信息,因而更加适合在普通的办公、家庭等室内场景使用。

然而目前主流的方法中,机器人定位多采用激光雷达方案或视觉方案。基于激光雷达的方法可以在结构化的环境中保持良好的定位,对高速运动不敏感,但其难以初始化且错误恢复较难。当前基于激光定位技术的无人搬运车辆往往需要固定工位,在设定好的工位进行初始化而无法灵活地在任意地方开始工作。另外,一旦其定位发生,由于工厂环境结构的对称性及相似性,要恢复到正确的位置往往需要很长时间的更新和恢复,而大大影响了生产效率,更有可能造成安全隐患。基于视觉的定位方法则可以快速初始化,但其不能应对快速运动和旋转,且对环境特征和光线要求很高,如若环境特征不能一直维持,也很容易丢失定位。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于视觉引导激光重定位的移动机器人定位方法。

本发明的目的可以通过以下技术方案来实现:

一种基于视觉引导激光重定位的移动机器人定位方法,包括以下步骤:

S1、根据视觉特征地图对机器人的位置进行初始化定位,并将其映射到激光地图上。

S2、采用自适应粒子滤波方法,根据激光扫描匹配的结果获取机器人在激光地图上的精准定位;

S3、判断在自适应粒子滤波方法的定位过程中定位的粒子方差是否超过设定的阈值,若是,则执行步骤S4;若否,则执行步骤S5;

S4、利用视觉特征地图进行视觉重定位,输出机器人的定位结果,并对当前的粒子进行重新初始化,即错误恢复;

S5、输出机器人的定位结果。

进一步地,所述的步骤S1中,根据视觉特征地图对机器人进行定位具体包括以下步骤:

S11、提取图像ORB特征,使用DBoW2模型计算当前帧的BoW词袋向量,生成一个表征向量v;

S12、挑选视觉特征地图上的备选关键帧,计算备选关键帧与当前帧的BoW相似性得分,相似性标准采用L1范数距离,返回所有满足设定得分的关键帧;

S13、逐个比较当前帧和候选关键帧的匹配特征点,得到匹配关系;

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同济大学,未经同济大学许可,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/202010119797.2/2.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