[发明专利]一种基于几何先验信息下的室内机器人快速重定位的方法

说明书

本发明属于机器人技术领域，具体涉及一种基于几何先验信息下的室内机器人快速重定位的方法，其无需人的协助可直接根据环境信息辅助粒子滤波算法进行快速定位，并且根据SLAM模块给出的定位合并重复的地图信息并添加新的地图信息，最终可以形成一个包含着几何结构信息的几何特征地图。该快速重定位方法鲁棒性高，实时性好，能够有效解决大地图之下室内机器人无法快速重新定位以及定位困难的问题。

技术领域

本发明属于机器人技术领域，具体涉及一种基于几何先验信息下的室内机器人快速重定位的方法。

背景技术

基于环境地图更新的导航是利用机器人自身的传感器不断更新环境地图从而对机器人的导航提供依据；而完全未知的导航是机器人处在实时变化的环境中，无法通过明确的地图来确定环境信息，因此只能依靠传感器的信息为机器人的行为提供依据。在缺乏外部参考的情况下(如GPS(室内不可用)，基站(需要提前布置))，机器人的行走的可以同时构建地图和定位(SLAM技术)，这个时候的定位信息相对准确。而当地图构建完成后，业界的通用做法是载入一个已经建好的地图，重新定位机器人在地图上的位置在获得精确的(地图上的)位置之后，开始进一步的动作。同时，在环境发生一些变化或者机器人对环境的感知传感器被容易误导的环境误导时，机器人可能在运行的过程中丢失自己的位置信息。在这两个情况下，机器人需要准确的获得自己的位置信息，这一过程被称为重定位。

现有技术中主要的方法还是基于概率密度的方法，基于概率估计的方法的基础主要是基于贝叶斯估计的方法，分为卡尔曼滤波的方法和粒子滤波的方法。卡尔曼滤波器的方法是假设状态噪声和观测噪声为高斯分布的情况下，通过系统输入输出观测数据，对系统状态进行最优估计。相比之下，粒子滤波算法有着比卡尔曼滤波算法有着更好的准确性和鲁棒性，能够适用于非高斯、非线性、后验密度函数未知的场合。这两者都有比较多的应用，但是都具有比较明显的缺点：1)关于卡尔曼滤波：随地标增加,计算量和存储量显著增长；实时性随地标数增加而变差；数据关联问题难以解决。非线性化的假设需要采用泰勒展开来进行局部线性化估计导致精度存在一定的问题。2)粒子滤波最主要的问题是需要用大量的样本数量才能很好地近似系统的后验概率密度。机器人面临的环境越复杂，描述后验概率分布所需要的样本数量就越多，算法的复杂度就越高。譬如ROS系统中默认带的AMCL算法(基于粒子滤波的自适应全局定位算法)，开始时的假设需要将粒子均匀的散落在空间之中，如果遇到地图比较大的情况就会出现收敛时间比较长的问题。一般来说需要人员辅助给予一个粗略的位置辅助定位，无法做到完全自主的快速定位。

发明内容

为了解决现有技术中存在的技术缺陷，本发明提出了一种基于几何先验信息下的室内机器人快速重定位的方法，其无需人的协助可直接根据环境信息辅助粒子滤波算法进行快速定位，并且鲁棒性高，实时性好，解决大地图之下室内机器人无法快速重新定位以及定位困难的问题。

本发明通过以下技术方案实现：

一种基于几何先验信息下的室内机器人快速重定位的方法，包括如下步骤：

(1)提取环境几何特征，通过激光雷达对环境信息进行感知，按照一定的采样频率将离散化的点云数据信息收集起来；

(2)环境结构化信息分块，以测量开始的第一个点为待处理的第一个点，依次计算顺序测得的两个点之间的距离并根据距离值进行区域分块，直至处理到周期测量的最后一个点；

(3)基于几何先验信息进行重定位，将分块后的环境结构化信息与几何地图进行匹配，获得粗匹配点，基于粗匹配点和点云数据进行重定位。

进一步地，所述激光雷达安装在机器人上。

进一步地，在所述步骤(2)中，进一步包括如下步骤：

(a)计算两个连续测量点之间的距离；