[发明专利]一种基于特征热力图的移动机器人全局定位方法

说明书

一种基于特征热力图的移动机器人全局定位方法，包括步骤输入数据信息，场景地图m、雷达测量点集rp、雷达扫描点数rn、雷达扫描角度rθ以及雷达扫描半径rr；获取场景地图中的可行进点；获取所有的可行进点的模拟雷达仿真数据；以整体点集作为输入参数，计算在不同扫描半径下的点特征数和线特征数；计算在不同半径下的点特征和线特征所有组合的结果点集；计算雷达测量点集在不同半径下的点特征数和线特征数；根据雷达测量点集计算得到的点特征数和线特征数，在由整体点集计算得到的点特征数和线特征数中查找对应的点集，并取交集作为集合点集；将集合点集作为输入点集进行全局定位计算。本发明在大型车间等地图特征明显的环境下能够表现出优异的鲁棒性。

技术领域

本发明属于移动机器人定位技术领域，更具体地，涉及一种基于特征热力图的移动机器人全局定位方法。

背景技术

随着国内工业化进程的加快，移动机器人在国内的多数场景均实现了大量实际应用，如家庭中的扫地机器人、车间中的上下料机器人以及智能驾驶领域的无人车。无论是哪种类型的移动机器人，其主要技术可大概分为导航技术与控制技术，而作为导航技术中最为关键的定位技术，其往往用于实现定位机器人当前所处位置，而全局定位正是其中的主要问题。

全局定位是指机器人对于自己的初始位置是未知的，这意味着机器人可能在环境中的任何地方。全局定位的实现方式首先要依赖于当前场景的地图，然后依赖于当前机器人传感器所获得的测量值。将地图与传感器数据匹配的方式有多种，比如传感器数据图像与地图的Map-Map匹配、地图与传感器数据点云的Map-Scan匹配以及地图整体似然域场与传感器数据似然域场的Scan-Scan匹配等。最终得到的全局定位结果往往也不是一个确切的位置，而是机器人当前在场景地图中所处位置的概率分布，通常会选取最大概率的位置作为全局定位最终结果。

对于移动机器人来说，高精度的全局定位结果可以用于校正小车运行过程中由于位置跟踪、定位波动与系统误差等原因导致的累计误差，有助于保证机器人的整体运行精度。而所选取的全局定位方式对全局定位的精度与效率存在直接的影响，目前的全局定位方法存在的一些问题如下：

1)常用的全局定位算法如蒙特卡洛算法依赖于初始定位空间的选取，在实际运算中往往以整张地图作为散播区间，导致其计算速度较为缓慢。

2)进行了地图预处理的栅格定位算法需要对地图进行似然域计算，其计算效率虽高但是随着地图尺寸的增大整体匹配时间也会提升，导致计算速度缓慢。

发明内容

本发明要解决的技术问题是提供一种基于特征热力图的移动机器人全局定位方法。

为了解决上述技术问题，本发明采取以下技术方案：

一种基于特征热力图的移动机器人全局定位方法，包括以下步骤：

输入数据信息，场景地图m、雷达测量点集rp、雷达扫描点数rn、雷达扫描角度rθ以及雷达扫描半径rr；

S1，获取场景地图中的可行进区域的可行进点，所有的可行进点构成点集p；

S2，获取所有的可行进点的模拟雷达仿真数据，得到存储所有雷达仿真数据的整体点集p_(β,L)，表示每个点对应自己的一组雷达模拟点集；

S3，以整体点集作为输入参数，计算在不同扫描半径下的点特征数和线特征数；

S4，计算在不同半径下的点特征和线特征所有组合的结果点集；

S5，计算雷达测量点集在不同半径下的点特征数和线特征数；

S6，根据雷达测量点集计算得到的点特征数和线特征数，在由整体点集计算得到的点特征数和线特征数中查找对应的点集，通过步骤S5的结果在步骤4的结果中查找点集并取交集；

S7，将集合点集作为输入点集进行全局定位计算，计算结果即为全局定位的结果。