本发明涉及一种机器人定位方法,具体涉及多传感器数据融合的机器人定位方法。
背景技术:
随着计算能力和传感器等技术的不断增强,室外巡逻型和安防型机器人的功能也变得日益增大,与此同时,多传感器数据的混合使用也变得日益多样。此时,机器人不再局限于单一的传感器的使用,而可以通过多传感器数据的相互配合从而获得更加准备的环境以及位姿信息。多传感器数据的相互配合使用做位机器人定位的重要手段,需要比较强的计算能力,现在计算机的发展正好为此条件提供了良好的基础。
现有的机器人定位方法大多使用多个二维传感器获取环境信息,多个二维传感器配合使用的必然缺陷导致机器人定位精度不是很高,这样的机器人会出现在导航定位中的效果相对较差,且可拓展性也不足的问题;获取三维环境信息的三维激光成本又高。
技术实现要素:
有鉴于此,本发明提供了一种多传感器数据融合的机器人定位方法,通过双目相机、激光雷达和差分gps的配合使用,向机器人传达了更丰富的环境信息,解决了二维激光环境信息少,三维激光成本高的问题,同时也提供了更加准确的室外定位信息。
一种多传感器数据融合的机器人定位方法,定位步骤如下:
步骤一:将双目相机和激光雷达联合标定,得到双目相机的内参、外参以及双目相机相对于激光雷达的旋转和平移阵以纠正双目相机的畸变偏差;
步骤二:激光雷达、双目相机和差分gps同时采集机器人外部的二维环境信息、三维环境信息及位姿信息并传递给工控机,分别建立完整的离线二维环境栅格地图、离线三维特征环境信息及离线环境位姿信息;
步骤三:工控机对离线二维环境栅格地图和离线三维特征环境信息进行映射匹配处理,得到激光雷达和双目相机的匹配关系k1;工控机对离线三维特征环境信息和离线环境位姿信息进行映射匹配处理,得到差分gps和双目相机的匹配关系k2;
步骤四:将激光雷达扫描的实时二维环境信息s1传递给工控机,工控机利用激光雷达和双目相机的匹配关系k1对实时二维环境信息s1进行处理,得到第一关键帧位姿信息s1′;
将差分gps获取的机器人实时位姿信息s2传递给工控机,工控机利用差分gps和双目相机的匹配关系k2对机器人实时位姿信息s2进行处理,得到第二关键帧位姿信息s2′;
将双目相机扫描的实时三维环境信息s3传递给工控机;
步骤五:通过卡尔曼滤波算法对第一关键帧位姿信息s1′和第二关键帧位姿信息s2′进行融合筛选得到姿态信息s4,再将姿态信息s4与实时三维环境信息s3进行加权处理,得到机器人的当前定位姿态信息s。
进一步地,所述映射匹配为非线性化映射匹配或局部线性映射匹配。
进一步地,所述激光雷达的扫描角度满足不能扫描到机器人本体。
进一步地,所述激光雷达、双目相机和差分gps的扫描频率一致。
进一步地,所述差分gps的天线安装直线与机器人偏航方向平行;若不平行,二者进行对应的坐标变换。
有益效果:
1、本发明中双目相机使机器人可以获取三维环境信息,激光雷达可以获取二维环境信息,差分gps可以获取机器人的位置信息,通过双目相机、激光雷达和gps数据的配合使用,向机器人传达了更丰富的环境信息,解决了二维激光环境信息少,三维激光成本高的问题,并且可以在单一传感器失效的情况下另外一个传感器也能继续完成任务,能够满足室外安防机器人定位的需要,同时也提供了更加准确的室外定位信息。
2、本发明采用多样性的算法应用与双目相机结合起来,使得其对机器人定位有一定的可扩展性。
3、本发明采用非线性映射匹配或局部线性映射,是为了保证位于同一个坐标系下,并且提高了鲁棒性。
4、本发明设置激光雷达的扫描角度保证获取外部环境信息的精确性。
5、本发明激光雷达、双目相机和差分gps的扫描频率一致,保证采集外部环境信息的精确性。
6、本发明差分gps的天线安装直线与机器人偏航方向平行,若不平行,二者进行对应的坐标变换,保证采集外部环境信息的精确性。
附图说明
附图为本发明的结构原理图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种多传感器数据融合的机器人定位方法,如附图所示,环境识别传感器将采集的外部环境信息传递给工控机并绘制环境地图,通过相互之间的配合来判断机器人自身的位姿以及是否移动到目标的区域,通过传感器数据的配合使用可以对机器人进行良好的定位。
本发明的环境识别传感器包括:激光雷达、双目相机和差分gps。
具体定位步骤如下:
步骤一:将双目相机和激光雷达联合标定,得到双目相机的内参、外参以及双目相机相对于激光雷达的旋转和平移阵以纠正双目相机的畸变偏差;
步骤二:将激光雷达的扫描频率设为10hz,扫描角度设置为180度;将差分gps的定位姿频率设为10hz,天线安装直线与机器人偏航方向平行,若不平行,二者进行对应的坐标变换;将双目相机的扫描的频率同样设为10hz,双目相机的广角采用70度;
编译orbslam,采用建图模式对外部信息进行离线建特征点图,激光雷达、双目相机和差分gps同时采集机器人外部的二维环境信息、三维环境信息及位姿信息并传递给工控机,采用建图模式,分别建立完整的离线二维环境栅格地图、离线三维特征环境信息及离线环境位姿信息;
步骤三:工控机对离线二维环境栅格地图和离线三维特征环境信息进行非线性化映射匹配处理,得到激光雷达和双目相机的匹配关系k1;工控机对离线三维特征环境信息和离线环境位姿信息进行非线性化映射匹配处理,得到差分gps和双目相机的匹配关系k2;
此处的映射匹配方法也可以采用局部线性映射匹配,需要先将离线二维环境栅格地图、离线三维特征环境信息及离线环境位姿信息进行分块处理,然后再进行局部线性映射匹配,实现功能与非线性化映射匹配相同,保证进行映射的坐标系位于同一个坐标系下;
步骤四:将匹配关系带入双目相机中,目的是为了让双目相机和其他传感器的坐标系一致,得到最终双目相机的输出结果;
在定位模式下,将激光雷达扫描的实时二维环境信息s1传递给工控机,工控机利用激光雷达和双目相机的匹配关系k1对实时二维环境信息s1进行处理,得到第一关键帧位姿信息s1′;
将差分gps获取的机器人实时位姿信息s2传递给工控机,工控机利用差分gps和双目相机的匹配关系k2对机器人实时位姿信息s2进行处理,得到第二关键帧位姿信息s2′;
将双目相机扫描的实时三维环境信息s3传递给工控机;
步骤五:通过卡尔曼滤波算法对第一关键帧位姿信息s1′和第二关键帧位姿信息s2′进行融合筛选得到姿态信息s4,再将姿态信息s4与实时三维环境信息s3进行加权处理,得到机器人的当前定位姿态信息s。
此时得到的当前定位姿态信息s较为精确。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。