[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

说明书

本申请涉及一种定位方法、装置、计算机设备、可读存储介质和机器人。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；根据粒子群中各粒子对应的当前可能位姿和当前点云数据，确定当前目标位姿；在当前目标位姿周围采样得到多个目标采样粒子，以及根据当前点云数据对多个目标采样粒子进行评分，得到多个目标采样粒子的评分分数；根据多个目标采样粒子对应的当前可能位姿和评分分数，得到当前的位姿分布模型；根据当前的位姿分布模型，采样得到新的粒子群。采用本方法能够在未削弱定位精度的前提下，通过优化后验概率分布提高鲁棒性。

技术领域

本申请涉及机器人技术领域，特别是涉及一种定位方法、装置、计算机设备、可读存储介质和机器人。

背景技术

随着智能化的快速发展，移动机器人在各个行业得到广泛应用，例如物流、家政、电力、机械加工等行业；其中，机器人的自主定位是基础技术。

在机器人定位中，蒙特卡罗定位(MCL，Adaptive Monte Carlo Localization)是最常用的定位算法之一；该算法基于粒子滤波，由预测和更新两个步骤组成：首先根据里程计信息，结合机器人运动模型，预测出机器人可能出现的位置；然后，根据激光雷达的测量值，结合激光雷达的观测模型，对每个粒子进行评分，把分数作为权重，对这些粒子重采样；权重大的粒子更容易被保留下来，权重小的粒子则被淘汰；如此反复进行，取当前时刻权重最大的粒子作为定位结果，从而实现机器人的实时定位。

然而，在MCL中，定位结果只能从有限的粒子中选取，这就大大限制了定位的精度。在粒子数一定的情况下，粒子越集中，定位精度越高，但定位鲁棒性下降；粒子越发散，定位精度越低，但定位鲁棒性提高。因此，在MCL中，难以在定位精度一定的情况下，提高鲁棒性。

发明内容

基于此，有必要针对上述技术问题，提供一种能够在定位精度一定的情况下，提高鲁棒性的定位方法、装置、计算机设备、可读存储介质和机器人。

第一方面，一种定位方法，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，得到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。

在其中一个实施例中，所述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，得到当前的位姿分布模型，包括：

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，作为所述当前的位姿分布模型。

在其中一个实施例中，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。

在其中一个实施例中，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。