[发明专利]一种机器人位姿的识别方法及其机器人有效
申请号: | 201711449568.1 | 申请日: | 2017-12-27 |
公开(公告)号: | CN109978925B | 公开(公告)日: | 2021-04-20 |
发明(设计)人: | 熊友军;张思民 | 申请(专利权)人: | 深圳市优必选科技有限公司 |
主分类号: | G06T7/30 | 分类号: | G06T7/30;G06T7/70;G01C21/20 |
代理公司: | 深圳中一联合知识产权代理有限公司 44414 | 代理人: | 张全文 |
地址: | 518000 广东省深圳市南山区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 机器人 识别 方法 及其 | ||
1.一种机器人位姿的识别方法,其特征在于,包括:
在当前位姿采集多个激光图像;所述激光图像具体为:以机器人为中心对周围环境进行激光扫描得到的图像;每个所述激光图像的分辨率均不同;
以分辨率从低到高的顺序,确定各个所述激光图像的匹配次序;
基于所述匹配次序,依次将各个所述激光图像与预判区域的栅格地图进行匹配,确定所述机器人的有效位姿;
基于分辨率最高的所述激光图像对应的有效位姿,确定所述机器人的当前位姿;
所述基于所述匹配次序,依次将各个所述激光图像与预判区域的栅格地图进行匹配,确定所述机器人的有效位姿,包括:
将当前匹配次序对应的激光图像识别为目标激光图像,并获取与所述目标激光图像分辨率匹配的预判区域的栅格地图;
以所述目标激光图像的分辨率为匹配步长,确定所述栅格地图中包含的候选位姿,以及各个所述候选位姿对应的栅格区域图像;
分别计算所述目标激光图像与各个所述栅格区域图像之间的匹配系数,并选取匹配系数大于预设匹配阈值的候选位姿作为所述有效位姿;
将以各个所述有效位姿为中心,所述目标激光图像的分辨率为半径的区域,识别为所述预判区域,并调整所述当前匹配次序;
若调整后所述当前匹配次序小于或等于所述匹配次序的最大值,则返回执行所述将当前匹配次序对应的激光图像识别为目标激光图像,并获取与所述目标激光图像分辨率匹配的预判区域的栅格地图;
若调整后所述当前匹配次序大于所述匹配次序的最大值,则执行所述基于分辨率最高的所述激光图像对应的有效位姿,确定所述机器人当前位姿。
2.根据权利要求1所述的识别方法,其特征在于,所述以所述目标激光图像的分辨率为匹配步长,确定所述栅格地图中包含的候选位姿,包括:
获取所述目标激光图像中所述机器人与障碍物之间距离的最大值;
将所述目标激光图像的分辨率以及所述机器人与障碍物之间距离的最大值导入角度步长转换模型,计算角度步长;所述角度步长转换模型具体为:
其中,所述r为目标激光图像的分辨率;所述dmax为机器人与障碍物之间距离的最大值;所述δ为角度步长;
基于所述分辨率以及所述角度步长,确定候选位姿(X,Y,θ);其中,
X=n1r,
Y=n2r,
θ=n3δ,
所述xmax为所述栅格地图中的横坐标的最大值;所述ymax为所述栅格地图中的纵坐标的最大值。
3.根据权利要求1所述的识别方法,其特征在于,所述目标激光图像以及所述栅格区域图像均为二值化图像;所述分别计算所述目标激光图像与各个所述栅格区域图像之间的匹配系数,包括:
获取所述目标激光图像中各个黑色像素点的第一位置坐标,得到第一位置坐标序列;
获取在所述栅格区域图像中离每个所述第一位置坐标距离最近的黑色像素点的第二位置坐标,得到第二坐标序列;
基于所述第一位置坐标序列以及所述第二坐标序列,计算所述目标激光图像与所述栅格区域图像之间的匹配系数;所述匹配系数转换模型具体为:
其中,所述score为所述匹配系数;所述k为所述目标激光图像中黑色像素点的总个数;所述σ为预设调整参数;所述xi为黑色像素点的位置坐标;所述μi为在所述栅格区域图像中离每个所述xi距离最近的黑色像素点的位置坐标。
4.根据权利要求1-3任一项所述的识别方法,其特征在于,所述基于分辨率最高的所述激光图像对应的有效位姿,确定所述机器人的当前位姿,包括:
截取所述分辨率最高的所述激光图像的中心区域,得到中心区域图像;
分别计算所述中心区域图像与各个所述有效位姿对应的栅格区域图像的重合度;
选取所述重合度最高的有效位姿作为所述机器人的当前位姿。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技有限公司,未经深圳市优必选科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711449568.1/1.html,转载请声明来源钻瓜专利网。