[发明专利]用于非结构化环境的多源信息融合机器人定位方法及系统

权利要求书

1.用于非结构化环境的多源信息融合机器人定位方法，其特征在于，包括：

获取机器人发射的实时激光点云，同预设的点云地图进行点云配准，计算得到当前机器人的位姿信息；

获取机器人当前环境的图像信息，提取每一帧图像中的ORB视觉特征点组成视觉关键帧，通过当前关键帧与预设的视觉特征地图进行重定位匹配，得到机器人当前位置信息；

获取机器人的加速度，积分得到里程计信息；

对得到的位姿信息、位置信息和里程计信息进行滤波处理，估计机器人的实时状态，融合得到机器人的定位信息。

2.如权利要求1所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，获取位姿信息时，根据当前实时激光点云对工作环境进行几何特征提取，如果当前环境几何特征缺失低于设定阈值，转至惯性测量；否则，将当前机器人所处环境的点云特征地图按照预先设定的分辨率划分成均匀规则、固定大小单元格，根据单元格内一定数量的扫描点计算网格的概率密度函数；利用初始位姿变换将实时激光点云转换到预设的目标点云地图坐标系下，计算变换后的待定位配准点云总概率，并构建优化目标函数进行迭代，直至得到最优配准变换关系。

3.如权利要求2所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，环境几何特征计算方式为，计算每一根激光扫描线上每个激光点与其相邻多个激光点的曲率值，当该点的曲率值为所有激光点中的最大值时，取为特征突出点，代表环境中的特征突出区域；当该点的曲率值为所有激光点中的最小值取为最弱特征突出点；特征突出区域和最弱特征突出点构成几何特征点。

4.如权利要求1所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，获取位置信息时，获取机器人周身环境实时图像，判断当前机器人工作环境光照是否充足，若提取到的视觉特征点低于设定阈值，将定位信息转至惯性测量；否则，根据预设的视觉特征地图进行视觉图像重定位，通过视觉特征词袋模型及K-D树存储结构加速匹配过程。

5.如权利要求1所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，获取里程计信息时，得到机器人运动的加速度与角速度进行积分，得到机器人的位姿信息。

6.如权利要求1所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，依据得到的位姿信息、位置信息和里程计信息，依据预设的预测模型和测量模型的融合处理，通过将预测与测量的高斯分布相乘，得到下一状态的均值与方差，得到机器人下一状态的预测值的分布状态；利用测量模型的分布状态，叠加相乘预测模型分布状态，得到下一时刻的状态分布，实现预测模型的更新；机器人当前时刻的状态等于，状态转换矩阵与上一时刻状态的成绩再加上外界不确定性因素。

7.用于非结构化环境的多源信息融合机器人定位系统，其特征在于，包括：

激光点云处理模块，被配置为：获取机器人发射的实时激光点云，同预设的点云地图进行点云配准，计算得到当前机器人的位姿信息；

图像信息处理模块，被配置为：获取机器人当前环境的图像信息，提取每一帧图像中的ORB视觉特征点组成视觉关键帧，通过当前关键帧与预设的视觉特征地图进行重定位匹配，得到机器人当前位置信息；

加速度处理模块，被配置为：获取机器人的加速度，积分得到里程计信息；

定位信息预测模块，被配置为：对得到的位姿信息、位置信息和里程计信息进行滤波处理，估计机器人的实时状态，融合得到机器人的定位信息。