一种提高室内机器人位置精度的定位方法与流程

本发明涉及一种提高室内机器人位置精度的定位方法。

背景技术：

随着人工智能，自动化的进一步发展，对自主移动机器人的要求也越来越高。首先自主移动机器人必须具备环境探测，定位导航，路径规划，自主移动的能力，但是对于室内的环境，无法接受到gps信号，要想实现准确的定位，必须依靠自身的传感器感知自身的状态和周围环境，再不断迭代更新周围的环境地图。

因此对于传感器的要求就很高，目前室内定位主流使用的是激光雷达，采用的算法是粒子滤波和拓展卡尔曼滤波，但拓展卡尔曼滤波忽略了高阶部分，当机器人探测范围增大，系统所需的计算量会随着地标数目的增多而明显增大，系统的实时性变差，但相对于粒子滤波来说，粒子滤波不局限于线性系统，能够应用于非高斯，非线性系统的系统，具有更高的鲁棒性和准确性，但是粒子滤波依赖于采样粒子的数量，采样粒子数量的增加对于准确的定位建图有着重要的意义，但采样粒子较多时，因为需要不断地对每个点进行迭代更新，计算量过大，会导致实时性下降。

技术实现要素：

针对上述现有技术存在的问题，本发明提供一种提高室内机器人位置精度的定位方法，能有效解决上述问题。

为了实现上述目的，本发明采用的技术方案是：一种提高室内机器人位置精度的定位方法，具体步骤为：

步骤一：在进行初始化之前对每个地图点进行相对于初始位置的储存，储存形式(x,y,θ)，x为地图对应点的横坐标，y为地图对应点的纵坐标，θ为以x轴为基准的角度；

步骤二：然后将每个点进行初始化处理，按θ＝0的方向将地图分为多个网栅，每个网栅里的数值为与到障碍物点的距离成正比的公差为1的等差序列，即距离障碍物越近值越小，到达障碍物时值为0；

步骤三：只保留网栅中数值为0所对应的(x,y,θ)，存到一个索引表中；

步骤四：将索引表排序，构成地图的特征；

步骤五：在进行粒子滤波时，调用gpu对粒子运用光线投射算法(raycast)构建地图模型，从而实现室内机器人位置定位。

其中，所述gpu为x86架构。

其中，所述初始位置的储存在cpu数据库中。

有益效果是：本发明将激光雷达读取的数据进行进一步处理整合压缩，再进行粒子滤波时，调用gpu并行处理数据，并行最大程度提高多核处理器的运算能力，大大缩短计算时间的快速定位算法。

附图说明

图1是本发明的工作流程图。

具体实施方式

下面将对本发明作进一步说明。

如图所示，一种提高室内机器人位置精度的定位方法，具体步骤为：

步骤一：在进行初始化之前对每个地图点进行相对于初始位置的储存，储存形式(x,y,θ)，x为地图对应点的横坐标，y为地图对应点的纵坐标，θ为以x轴为基准的角度；

步骤二：然后将每个点进行初始化处理，按θ＝0的方向将地图分为多个网栅，每个网栅里的数值为与到障碍物点的距离成正比的公差为1的等差序列，即距离障碍物越近值越小，到达障碍物时值为0；

步骤三：只保留网栅中数值为0所对应的(x,y,θ)，存到一个索引表中；

步骤四：将索引表排序，构成地图的特征；

步骤五：在进行粒子滤波时，调用gpu对粒子运用光线投射算法(raycast)构建地图模型，从而实现室内机器人位置定位。

其中，所述gpu为x86架构。

其中，所述初始位置的储存在cpu数据库中。