[发明专利]定位方法、装置、计算机设备、可读存储介质和机器人

权利要求书

1.一种定位方法，其特征在于，所述方法包括：

获取雷达扫描得到的当前点云数据；

根据里程计信息、运动模型、粒子群中各粒子对应的历史可能位姿，更新粒子群中各粒子对应的当前可能位姿；所述粒子群表示位姿的概率分布；

根据所述粒子群中各粒子对应的当前可能位姿和所述当前点云数据，确定当前目标位姿；

在所述当前目标位姿周围采样得到多个目标采样粒子，以及根据所述当前点云数据对所述多个目标采样粒子进行评分，得到所述多个目标采样粒子的评分分数；

根据所述多个目标采样粒子对应的当前可能位姿和评分分数，拟合得到高斯分布模型，作为当前的位姿分布模型；

根据所述当前的位姿分布模型，采样得到新的粒子群，以及输出所述当前目标位姿和所述新的粒子群。

2.根据权利要求1所述的方法，其特征在于，所述在所述当前目标位姿周围采样得到多个目标采样粒子，包括：

在所述当前目标位姿的预设周围区域内随机采样，得到多个目标采样粒子。

3.根据权利要求1所述的方法，其特征在于，所述根据所述粒子群中各粒子对应的当前可能位姿和所述当前点云数据，确定当前目标位姿，包括：

根据所述当前点云数据对所述粒子群中各粒子进行评分，得到所述粒子群中各粒子的评分分数；

根据所述粒子群中各粒子的评分分数，确定当前目标位姿。

4.根据权利要求3所述的方法，其特征在于，所述根据所述粒子群中各粒子的评分分数，确定当前目标位姿，包括：

根据所述粒子群中各粒子的评分分数，将评分分数最高的粒子对应的当前可能位姿作为当前初始位姿；

根据所述当前初始位姿，通过扫描匹配算法，选取当前点云数据与障碍物地图匹配度最高时的位姿作为当前目标位姿。

5.根据权利要求4所述的方法，其特征在于，所述根据所述当前初始位姿，通过扫描匹配算法，选取当前点云数据与障碍物地图匹配度最高时的位姿作为当前目标位姿，包括：

在所述当前初始位姿周围采样得到多个初始采样粒子，以及根据所述当前点云数据对所述多个初始采样粒子进行评分，得到所述多个初始采样粒子的评分分数；

选取所述初始采样粒子中评分分数最大的粒子对应的当前可能位姿，作为所述当前目标位姿。

6.根据权利要求5所述的方法，其特征在于，所述在所述当前初始位姿周围采样得到多个初始采样粒子，包括：

在所述当前初始位姿的预设周围区域内均匀等间隔采样，得到多个初始采样粒子。

7.根据权利要求5所述的方法，其特征在于，所述根据所述当前初始位姿，通过扫描匹配算法，选取当前点云数据与障碍物地图匹配度最高时的当前可能位姿作为当前目标位姿，还包括：

以所述当前目标位姿作为优化变量的初值，以优化变量对应的当前点云数据与障碍物地图之间的不匹配度作为误差，通过非线性最小二乘优化算法，计算得到优化后的优化变量，作为新的当前目标位姿。

8.根据权利要求4所述的方法，其特征在于，所述根据所述当前初始位姿，通过扫描匹配算法，选取当前点云数据与障碍物地图匹配度最高时的当前可能位姿作为当前目标位姿，包括：

以所述当前初始位姿作为优化变量的初值，以优化变量对应的当前点云数据与障碍物地图之间的不匹配度作为误差，通过非线性最小二乘优化算法，计算得到优化后的优化变量，作为所述当前目标位姿。

9.根据权利要求3所述的方法，其特征在于，所述根据所述粒子群中各粒子的评分分数，确定当前目标位姿，包括：

选取所述粒子群中评分分数最大的粒子对应的当前可能位姿，作为所述当前目标位姿。

10.根据权利要求1-9中任一所述的方法，其特征在于，所述方法还包括：

统计粒子群中各粒子的评分分数的第一周期统计值和第二周期统计值；所述第一周期大于所述第二周期；

根据所述第一周期统计值和所述第二周期统计值，调整所述粒子群的粒子数目。