【技術實現步驟摘要】
本專利技術例涉及計算機視覺，具體涉及基于移動機器人的構圖方法以及其系統。
技術介紹
1、slam(simultaneous?localization?andmapping，即時定位與地圖構建)是指搭載某些傳感器的機器人在陌生環境中移動時，在沒有類似于環境地圖這種先驗信息的前提下，只利用傳感器對環境的觀測對當前環境以一種增量的方式動態構建地圖模型，同時在地圖構建的過程中確定自身在地圖中的位置。
2、目前來說，在未知環境下精確的地圖構建依賴于準確的定位信息，而精準的定位依賴于準確的建圖，機器人的自主導航與路徑規劃則依賴于準確的定位與環境地圖，基于此，如何為機器人實現精準定位以及建圖成為了亟需解決的問題。
技術實現思路
1、有鑒于此，本申請實施例提供一種基于移動機器人的構圖方法、裝置和相關設備，能夠為機器人實現精準定位以及建圖。
2、為實現上述目的，本申請實施例提供如下技術方案：
3、第一方面，本申請實施例提供一種基于移動機器人的構圖方法，包括：
4、確定移動機器人當前粒子位姿對應的分數；
5、判斷所述分數是否大于第一閾值，若是，則將移動機器人的激光雷達位姿作為第一位姿，基于移動機器人的第一位姿重建地圖；若否，則判斷是否大于第二閾值，若分數大于第二閾值，則利用激光雷達位姿和里程計位姿修正移動機器人的位姿得到第二位姿，并基于第二位姿重建地圖；若分數不大于第二閾值，則重新計算粒子權重并更新為第三位姿，所述第三位姿用于更新地圖中的邊界
6、可選的，所述利用激光雷達位姿和里程計位姿修正移動機器人的位姿得到第二位姿，包括：
7、基于激光雷達位姿和里程計位姿確定移動機器人對應的第一sigma點；
8、在第一sigma點的基礎上，疊加噪聲因素，預測得到第二sigma點，所述噪聲因素為實際狀態與理想狀態下的噪聲預測；
9、計算無跡卡爾曼濾波的卡爾曼增益；
10、觀測第二sigma點，結合卡爾曼增益，對第二sigma進行修正，以更新得到第二位姿。
11、可選的，所述基于激光雷達位姿和里程計位姿確定移動機器人對應的第一sigma點，包括：
12、采用sir濾波器對激光雷達位姿和里程計位姿進行采樣處理，得到第一初始sigma點；
13、為第一初始sigma點中的每個粒子分配權重；
14、基于分配權重后的粒子，采用從建議分布重采樣，得到第一sigma點。
15、可選的，所述基于分配權重后的粒子，采用從建議分布重采樣，得到第一sigma點，包括：
16、判斷所述分配權重后的粒子中的有效粒子數是否大于預設值；
17、若是，則采用從建議分布重采樣，得到第一sigma點。
18、可選的，所述確定移動機器人當前粒子位姿對應的分數，包括：
19、獲取移動機器人的當前位姿；
20、基于當前位姿與預設的位姿比較，得到當前位姿對應的參數，其中，當前位姿與預設的位姿越相似，當前位姿對應的分數越高。
21、可選的，任一個粒子位姿包括狀態向量和權重，所述狀態向量用于表示移動機器人的航向，所述權重用于表示移動機器人的當前位置的重要程度。
22、第二方面，本專利技術實施例提供了一種基于移動機器人的構圖系統，包括：
23、分數計算模塊，用于確定移動機器人當前粒子位姿對應的分數；
24、第一判斷模塊，用于判斷所述分數是否大于第一閾值；
25、若是，則執行第一重構模塊，所述第一重構模塊用于將移動機器人的激光雷達位姿作為第一位姿，基于移動機器人的第一位姿重建地圖；
26、若否，則執行第二判斷模塊，用于判斷是否大于第二閾值，若分數大于第二閾值，則執行第二重構模塊，用于利用激光雷達位姿和里程計位姿修正移動機器人的位姿得到第二位姿，并基于第二位姿重建地圖；若分數不大于第二閾值，則執行第三重構模塊，重新計算粒子權重并更新為第三位姿，所述第三位姿用于更新地圖中的邊界信息，其中，所述第一閾值大于第二閾值，所述激光雷達位姿為移動機器人在激光雷達測量方式下的粒子位姿，所述里程計位姿為移動機器人在里程計位測量方式下的粒子位姿。
27、可選的，所述第二重構模塊，用于利用激光雷達位姿和里程計位姿修正移動機器人的位姿得到第二位姿，包括：
28、采樣模塊，用于基于激光雷達位姿和里程計位姿確定移動機器人對應的第一sigma點；
29、預測模塊，用于在第一sigma點的基礎上，疊加噪聲因素，預測得到第二sigma點，所述噪聲因素為實際狀態與理想狀態下的噪聲預測；
30、計算模塊，用于計算無跡卡爾曼濾波的卡爾曼增益；
31、觀測模塊，用于觀測第二sigma點，結合卡爾曼增益，對第二sigma進行修正，以更新得到第二位姿。
32、可選的，所述采樣模塊，用于基于激光雷達位姿和里程計位姿確定移動機器人對應的第一sigma點，包括：
33、sir濾波器，用于對激光雷達位姿和里程計位姿進行采樣處理，得到第一初始sigma點；
34、權重分配模塊，用于為第一初始sigma點中的每個粒子分配權重；
35、重采樣模塊，用于基于分配權重后的粒子，采用從建議分布重采樣，得到第一sigma點。
36、可選的，所述sir濾波器，用于基于分配權重后的粒子，采用從建議分布重采樣，得到第一sigma點，包括：
37、預設值判斷模塊，用于判斷所述分配權重后的粒子中的有效粒子數是否大于預設值；
38、若是，則采用從建議分布重采樣，得到第一sigma點。
39、本專利技術實施例提供了基于移動機器人的構圖方法，包括：確定移動機器人當前粒子位姿對應的分數；判斷所述分數是否大于第一閾值，若是，則將移動機器人的激光雷達位姿作為第一位姿，基于移動機器人的第一位姿重建地圖；若否，則判斷是否大于第二閾值，若分數大于第二閾值，則利用激光雷達位姿和里程計位姿修正移動機器人的位姿得到第二位姿，并基于第二位姿重建地圖；若分數不大于第二閾值，則重新計算粒子權重并更新為第三位姿，所述第三位姿用于更新地圖中的邊界信息，其中，所述第一閾值大于第二閾值，所述激光雷達位姿為移動機器人在激光雷達測量方式下的粒子位姿，所述里程計位姿為移動機器人在里程計位測量方式下的粒子位姿。由于本專利技術實施例中對于大于第二閾值且不大于第一閾值的位姿，利用激光雷達位姿和里程計位姿修正移動機器人的位姿，實現了對機器人的位姿校正，能夠更加貼合實際情況，提升了對移動機器人位姿的準確定位，進一步提升了地圖重建的效率。
本文檔來自技高網...【技術保護點】
1.一種基于移動機器人的構圖方法，其特征在于，包括：
2.根據權利要求1所述的基于移動機器人的構圖方法，其特征在于，所述利用激光雷達位姿和里程計位姿修正移動機器人的位姿得到第二位姿，包括：
3.根據權利要求2所述的基于移動機器人的構圖方法，其特征在于，所述基于激光雷達位姿和里程計位姿確定移動機器人對應的第一Sigma點，包括：
4.根據權利要求3所述的基于移動機器人的構圖方法，其特征在于，所述基于分配權重后的粒子，采用從建議分布重采樣，得到第一Sigma點，包括：
5.根據權利要求1所述的基于移動機器人的構圖方法，其特征在于，所述確定移動機器人當前粒子位姿對應的分數，包括：
6.根據權利要求1所述的基于移動機器人的構圖方法，其特征在于，任一個粒子位姿包括狀態向量和權重，所述狀態向量用于表示移動機器人的航向，所述權重用于表示移動機器人的當前位置的重要程度。
7.一種基于移動機器人的構圖系統，其特征在于，包括：
8.根據權利要求7所述的基于移動機器人的構圖系統，其特征在于，所述第二重構模塊，用于利用激
9.根據權利要求8所述的基于移動機器人的構圖系統，其特征在于，所述采樣模塊，用于基于激光雷達位姿和里程計位姿確定移動機器人對應的第一Sigma點，包括：
10.根據權利要求9所述的基于移動機器人的構圖系統，其特征在于，所述SIR濾波器，用于基于分配權重后的粒子，采用從建議分布重采樣，得到第一Sigma點，包括：
...【技術特征摘要】
1.一種基于移動機器人的構圖方法，其特征在于，包括：
2.根據權利要求1所述的基于移動機器人的構圖方法，其特征在于，所述利用激光雷達位姿和里程計位姿修正移動機器人的位姿得到第二位姿，包括：
3.根據權利要求2所述的基于移動機器人的構圖方法，其特征在于，所述基于激光雷達位姿和里程計位姿確定移動機器人對應的第一sigma點，包括：
4.根據權利要求3所述的基于移動機器人的構圖方法，其特征在于，所述基于分配權重后的粒子，采用從建議分布重采樣，得到第一sigma點，包括：
5.根據權利要求1所述的基于移動機器人的構圖方法，其特征在于，所述確定移動機器人當前粒子位姿對應的分數，包括：
6.根據權利要求1所述的基于移動機器人的構圖方法，其特征...
【專利技術屬性】
技術研發人員：謝楨，梁豪杰，唐郁滔，謝坤霖，
申請(專利權)人：深圳市藍色極光儲能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。