[发明专利]一种机器人的定位方法及装置、设备、存储介质

说明书

本公开提供了一种机器人的定位方法及装置、设备、存储介质，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再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。其通过将多种方式所得的预估位置信息进行融合，以得到精确的位置信息，能够提高定位精度。

技术领域

本公开涉及人工智能技术领域，具体涉及一种机器人的定位方法及装置、设备、存储介质。

背景技术

近年来，人工智能逐渐变得火热，其涉及到多种功能，其集成的定位系统在各种领域中的应用也越来越普遍，例如，在人工智能教育(即AI教育)中，教学双方往往要接触到定位、规划、控制、多智能体等内容，其中最基础也是最重要的一部分就是机器人的定位系统，但是，由于多变的应用场景，定位的精度往往不足。

发明内容

本公开提供一种机器人的定位方法及装置、设备、存储介质。

本公开提供的第一个技术方案为：提供一种机器人的定位方法，包括：获取到机器人在第一时刻的第一位置信息；获取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。融合视觉系统的检测结果与动力学系统的检测结果，使得获取的位置信息更加准确。

其中，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。

其中，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。利用视觉系统通过模拟沙盘的方式确定机器人的初始位置，不需要额外标定参照物，减少额外的标定时刻。

其中，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。利用视觉系统通过模拟沙盘的方式确定机器人的终点位置，不需要额外标定参照物，减少额外的标定时刻。

其中，所述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包括：利用第一深度学习网络对所述第一图像进行识别，以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；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。