[发明专利]一种机器人自主全局重定位方法及机器人

说明书

技术领域

本发明涉及人工智能导航技术领域，尤其涉及一种机器人自主全局重定位 方法及机器人。

背景技术

移动机器人定位是机器人学的重要研究方向，也是机器人实现自主导航的 关键，对于提高机器人自动化水平具有重要意义。定义方法通常分为两类：绝对 定位和相对定位。绝对定位要求机器人在不指定初始位置的情况下确定自己的 位置。相对定位指机器人在给初始位置的条件下确定自己的位置，是机器人定位 处理中主要的研究方向。常用的全局重定位技术多为基于视觉的重定位技术，这 种技术计算准确度高，但是受到硬件设备的制约以及图像处理技术的制约，硬件 上需要满足对图像的快速采集和计算，即需要图像传感器和高性能计算单元，技 术上需要满足对图像特征快速准确的提取和匹配，这对于机器人产业来说，存在 生产成本和研发成本都较高的问题。

发明内容

本发明的目的在于提出一种机器人自主全局重定位方法，通过地图栅格化 以及对具有障碍物的栅格和不具有障碍物的栅格进行差别赋值，通过激光点位 在地图中的位置描述，实现了对机器人的实际所处环境和模拟点位的快速验证， 解决了点云匹配的激光-地图匹配技术来对粒子进行过滤和筛选，计算量大，计 算时间长，且假阳性较高的问题。

为达此目的，本发明采用以下技术方案：

一种机器人自主全局重定位方法，将已有地图栅格化并对具有障碍物的栅 格和没有障碍物的栅格进行差别赋值，将与机器人同一位置的激光雷达传感器 对外部障碍物扫描得出的多个距离数据及与距离数据对应的角度数据在地图中 以模拟机器人位置为原点以激光点位的形式标注出来，对每一个模拟机器人位 置所对应的激光点位所在栅格的赋值积分，根据激光点位所在栅格与具有障碍 物的栅格的重合率，计算激光点位所在栅格的赋值积分，筛选出至少一个模拟机 器人位置，并通过粒子滤波算法从初次筛选出的机器人位置中进一步计算出机 器人的正确位置。

作为本技术方案的优选方案之一，包括如下步骤：

步骤1、将已有的地图上覆盖栅格结构，并对每个栅格都初始化同一对应数 值f₀，并将地图上有障碍物的栅格赋值为f₁，将距离障碍物的设定距离内的栅 格根据其距离距其最近的障碍物所在栅格的距离赋值为Q_n；Q_n的数值居于f₀和 f₁之间，距离障碍物越近的栅格其Q_n的数值越接近f₁，在所述地图上的无障碍 物栅格内随机分布设定密度的粒子，所述粒子用以模拟机器人的位置；

步骤2、通过激光雷达传感器测量出机器人在设定角度范围内的多个距离数 值及与距离数据对应的角度数据，并将多个距离数距及对应的角度数据转换为 以机器人为坐标原点的多个激光点位；对应每个粒子的位置信息重新在栅格化 后的地图上描述每个粒子对应的激光点位的位置信息；计算每个粒子所对应的 激光点位所在栅格的赋值积分，并根据设定的第一阈值筛选出至少一个优选粒 子；

步骤3、通过对筛选出的优选粒子按照设定的转移路径进行转移，并对转移 后的每个优选粒子所对应的激光点位所在的栅格的赋值进行积分，根据设定的 第二阈值进一步将多个优选粒子中达到设定的第二阈值要求的部分优选粒子筛 选出来；

步骤4、重复步骤3，最终筛选出唯一一个优选粒子作为最优粒子指示出机 器人所在的位置。

作为本技术方案的优选方案之一，所述栅格为等距栅格，在地图上以机器人 可达到的区域为限设定具有障碍物的栅格周围的M行和N列为膨胀区，所述膨 胀区内的栅格的赋值Qn＝f₁-d_n，其中d_n是待赋值栅格与离其最近栅格的距离， 当待赋值栅格与距离其最近的障碍物所在栅格的横向的行差是a_n，纵向的纵差 是b_n，则待赋值栅格与距离其最近的障碍物所在的栅格的距离其中 M、N为正整数，a_n和b_n为正数，f₀＜Q_n＜f₁。

作为本技术方案的优选方案之一，所述f₀＜＜f₁，以提高赋值积分的区别度。