[发明专利]基于WIFI和激光雷达的室内定位方法、定位装置和机器人

说明书

本发明实施例涉及一种基于WIFI和激光雷达的室内定位方法、定位装置、无人驾驶机器人、服务器、终端设备和计算机可读存储介质，其中基于WIFI和激光雷达的室内定位方法，包括：构建WIFI指纹库；构建激光2D地图；同时执行室内WIFI定位和激光AMCL定位；根据AMCL定位结果有效性选择WIFI定位结果替换AMCL重新定位，直至输出定位结果。本发明实施例通过添加WIFI室内定位的方法，当机器人运行在室内环境时，采用WIFI定位的结果替换陷入局部最优的激光定位的结果使得激光定位的结果发生改变从而在此基础上完成重定位，找回激光定位的准确位置,帮助机器人在失配的情况下找到自己的位置，更符合实际场景的应用需要。

技术领域

本发明实施例涉及无人机定位技术领域，具体涉及一种基于WIFI 和激光雷达的室内定位方法、定位装置、无人驾驶机器人、服务器、终端设备和计算机可读存储介质。

背景技术

本部分向读者介绍可能与本发明的各个方面相关的背景技术，相信能够向读者提供有用的背景信息，从而有助于读者更好地理解本发明的各个方面。因此，可以理解，本部分的说明是用于上述目的，而并非构成对现有技术的承认。

随着机器人技术的快速发展，越来越多种类的移动机器人进入千家万户、企业和工厂等，机器人应用领域广泛，已经涉及娱乐、安防、教育、旅游等，但不管是何种场合，机器人要进行正常的工作都需要对周围环境有全面的认知、感知，因此对于移动机器人来说，需要构建出适用于其工作的环境地图。

在未知环境，如何构建地图，如何定位机器人位置，是重中之重，也称为同步定位于地图构建(Simultaneous Localization And Mapping，简称SLAM)。通常SLAM包括特征提取、数据关联、状态估计、状态更新以及特征更新等步骤。SLAM可以辅助机器人进行路径规划、自主探索、导航等任务，常用的SLAM方法有激光SLAM和视觉SLAM两种。

激光SLAM采用2D、3D的激光雷达，2D激光雷达一般用于室内机器人，如扫地机器人、服务机器人等，而3D激光雷达一般用于自动驾驶领域。激光雷达的出现和普及使得数据测量的更快更准确。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常激光SLAM是通过对比不同时刻两片点云的信息，进行匹配，从而得到激光雷达相对于运动的距离的和姿态的改变，也就是机器人自身的定位。

激光雷达因为其测距准确，误差模型简单，在强光直射外都能保持稳定的运行，点云的处理也相对比较简单，所以激光SLAM应用场景丰富，研究理论也丰富。

眼睛是人类感知外界信息的主要来源，视觉SLAM也是如此，它可以通过摄像头从环境中获取海量的图像信息，有超强的场景辨识能力，早期的视觉SLAM基于滤波理论，其非线性的误差模型和巨大的计算量成为了它实用落地的障碍。近年来，随着具有稀疏性的非线性优化理论(Bundle Adjustment)以及相机技术、计算性能的进步，实时运行的视觉SLAM已经不再是梦想。

视觉SLAM的优点是它所利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以轻易分辨。这带来了重定位、场景分类上无可比拟的巨大优势。同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等，对于在复杂动态场景中的应用这是至关重要的。通过对比我们发现，激光SLAM和视觉SLAM各擅胜场，单独使用都有其局限性，而融合使用则可能具有巨大的取长补短的潜力。例如，视觉在纹理丰富的动态环境中稳定工作，并能为激光SLAM提供非常准确的点云匹配，而激光雷达提供的精确方向和距离信息在正确匹配的点云上会发挥更大的威力。而在光照严重不足或纹理缺失的环境中，激光SLAM的定位工作使得视觉可以借助不多的信息进行场景记录。

近年来，SLAM导航技术已取得了很大的发展，它将赋予机器人和其他智能体前所未有的行动能力，而激光SLAM与视觉SLAM必将在相互竞争和融合中发展，使机器人从实验室和展厅中走出来，做到真正的服务于人类。