[发明专利]一种机器人的定位方法及装置、设备、存储介质

权利要求书

1.一种机器人的定位方法，其特征在于，所述方法包括：

获取到机器人在第一时刻的第一位置信息；

获取所述机器人在第二时刻的第二图像，并基于所述第二图像获取到所述机器人在第二时刻的第一预估位置信息；

采集所述机器人自第一时刻到第二时刻的过程中的移动参数；

基于所述第一位置信息及所述移动参数计算得到所述机器人在所述第二时刻的第二预估位置信息；

通过所述第一预估位置信息及所述第二预估位置信息得到所述机器人在所述第二时刻的第二位置信息。

2.根据权利要求1所述的定位方法，其特征在于，所述获取到机器人在第一时刻的第一位置信息包括：

获取所述机器人在所述第一时刻的第一图像；

基于所述第一图像获取到所述机器人在所述第一时刻的所述第一位置信息。

3.根据权利要求2所述的机器人的定位方法，其特征在于，所述第一图像包括第一参照物，所述基于所述第一图像获取到所述机器人在所述第一时刻的所述第一位置信息包括：

获取模拟沙盘上的所述第一参照物；

确定所述第一图像中所述第一参照物的像素位置及所述机器人的第一像素位置；

确定在第一时刻所述第一参照物在所述模拟沙盘的模拟位置；

利用所述第一参照物的像素位置及所述第一参照物在所述模拟沙盘的模拟位置计算得到第一投影关系；

基于所述第一投影关系及所述机器人的第一像素位置计算得到所述机器人在所述模拟沙盘上的模拟位置；

利用所述机器人在所述模拟沙盘的模拟位置确定所述机器人在第一时刻的所述第一位置信息。

4.根据权利要求1所述的定位方法，其特征在于，所述第二图像包含第二参照物；所述基于所述第二图像获取到所述机器人在所述第二时刻的第一预估位置信息包括：

获取模拟沙盘上的所述第二参照物；

确定所述第二图像中所述第二参照物的像素位置及所述机器人的第二像素位置；

确定在第二时刻所述第二参照物在所述模拟沙盘的模拟位置；

利用所述第二参照物的像素位置及所述第二参照物在所述模拟沙盘的模拟位置计算得到第二投影关系；

基于所述第二投影关系及所述机器人的第二像素位置计算得出所述机器人在所述模拟沙盘上的模拟位置；

利用所述机器人在所述模拟沙盘的模拟位置确定所述机器人在第二时刻的第一预估位置信息。

5.根据权利要求4所述的机器人的定位方法，其特征在于，所述确定所述第二图像中所述第二参照物的像素位置及所述机器人的第二像素位置包括：

利用第一深度学习网络对所述第二图像进行识别，以确定所述第二图像中所述第二参照物的像素位置及所述机器人的第二像素位置；

其中，所述第一深度学习网络包括RCNN深度网络结构、SSD深度网络结构、Yolo深度网络结构、RetinaNet网络结构中一种或任意组合。

6.根据权利要求2所述的定位方法，其特征在于，所述获取所述机器人在所述第一时刻的第一图像还包括：

基于所述第一图像获取所述机器人在所述第一时刻的朝向。

7.根据权利要求6所述的定位方法，其特征在于，所述基于所述第一图像获取所述机器人在所述第一时刻的朝向包括：

利用第二深度学习网络对所述机器人所在的区域图像进行识别，以确认出所述机器人的朝向；

其中，所述第二深度学习网络包括ResNet深度网络结构、MobileNet深度网络结构、GhostNet深度网络结构、EfficientNet深度网络结构中一种或任意组合。

8.根据权利要求6所述的定位方法，其特征在于，所述定位方法还包括：

在所述第一时刻获取所述机器人的历史移动参数；

采集所述机器人自第一时刻到第二时刻的过程中的移动参数包括：

在所述第二时刻获取所述机器人的当前移动参数；

通过所述历史移动参数及所述当前移动参数计算获取所述机器人自第一时刻到第二时刻的过程中的移动参数。