申请/专利权人：武汉科技大学

申请日：2021-06-25

公开（公告）日：2023-03-24

公开（公告）号：CN113483747B

主分类号：G01C21/00

分类号：G01C21/00;G01S17/89;G01S17/86

优先权：

专利状态码：有效-授权

法律状态：2023.03.24#授权;2021.10.26#实质审查的生效;2021.10.08#公开

摘要：公开了一种基于具有墙角信息的语义地图改进AMCL定位方法及机器人。本发明利用建立的二维语义栅格地图，该语义地图融合了基于深度学习的目标检测方法提取环境中墙角和其他各类物体在栅格地图中的中心点位置，形成角点周围语义信息图。对加载栅格地图进行临近障碍物距离值计算，生成角点周围语义查找表。再结合提出的视觉预定位方法使得移动机器人在少量先验信息和运动的情况下更迅速地实现初定位。改进粒子权重更新方式，同步结合AMCL算法与环境地图匹配进行精定位。在不同环境条件下进行对比实验，验证了该方法对于机器人粒子收敛速率的提升，以及特别在环境有一定相似性或环境发生一定的改变时本文方法对定位准确性、鲁棒性的提升。

主权项：1.一种基于具有墙角信息的语义地图改进AMCL定位方法，该定位方法用于机器人定位，其特征在于，所述方法包括：加载激光地图以及包含视觉语义信息的二维栅格语义地图，并且对语义地图进行预处理；初始化粒子群，在激光地图中随机撒布M个粒子，每个粒子的权重设置相同值，所有粒子权重和为1，在激光地图中初始化粒子集χ0；利用机器人自身获取的相关运动量的传感器数据，结合机器人运动模型对粒子集进行更新，通过得到的传感器数据计算出一定时间的机器人运动量，再对其进行坐标变换，将机器人坐标系下的运动量转换到世界坐标系下，利用上一时刻粒子状态估计值以及运动量结合运动模型，实现粒子集中各粒子位姿预测，得到预测粒子集χt；根据由语义地图视觉预定位方法得到估计位姿值集合Xc，其具体方法为：利用深度相机获取机器人视角彩色图像，将视角彩色图像输入到神经网络预测，识别视角彩色图像中非墙角的语义标签；结合目标检测模型对视觉彩色图像进行识别，得到视角彩色图像中墙角的预测外接矩形边框及墙角的预测外接矩形边框中物体类型，对检测框中的中心部分进行点云处理，将得到的非墙角的三维点云坐标、墙角的三维点云坐标分别通过基于统计方法的滤波器进行点云滤波处理，得到滤波后非墙角的三维点云坐标、滤波后墙角的三维点云坐标，将距离机器人最近的一簇点云映射到二维平面，对于墙角而言是将检测框中心的圆心部分的点云进行二维映射，最后将得到的语义与语义地图进行匹配，根据当前语义映射图以及由语义地图建立好的墙角信息查找表，首先筛选出同时含有映射图中各类物体的墙角，计算这些墙角角点的角距，在得到当前视角下的真实角距以及各个可能位置墙角角点的角距后，求取各可能位置墙角角点与真实视角的角距差，将这些墙角角点按照角距差ΔDc大小依次存储，设置角距差阈值Ω，对墙角角点进行过滤，保留其中ΔDcΩ较小的一部分墙角角点，过滤之后得到可能墙角角点位置图；结合似然域观测模型和波束模型进行激光匹配，计算粒子集中各粒子权重值，根据激光扫描匹配与视觉预定位结果的相似度来改变粒子权重的大小，对得到的估计位姿值集合进行权重值二次更新，对于粒子集中在语义地图视觉预估位姿附近的粒子权重值变大，远离的粒子权重值变小；如果视觉预定位方法的估计位姿值集合Xc不为空，判断粒子集中粒子是否在Xc集合附近，再以此确定权重更新系数η；根据粒子的权重值对粒子集进行重新采样得到新粒子集，以激光扫描匹配与视觉预定位结果的相似度系数和各粒子权重积的概率作为标准，保留权重大的粒子，舍弃权重小的粒子，复制权重大的粒子根据权重的比例重新分布粒子，经过反复迭代，获得机器人准确位姿，实现机器人的定位。

全文数据：

权利要求：

百度查询： 武汉科技大学 基于具有墙角信息的语义地图改进AMCL定位方法及机器人

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD