一种巡逻机器人全局定位的方法、系统、装置和介质与流程

本技术涉及导航定位，特别是涉及一种巡逻机器人全局定位的方法、系统、装置和介质。

背景技术：

1、随着计算机技术的快速发展，自动驾驶领域的发展也越来越迅速，其中，自动驾驶技术中最重要的就是如何准确定位。如今的自动驾驶定位一般采用的是组合定位的方式，例如，先获取车辆上设置的激光雷达采集的连续的多帧点云数据；针对每帧点云数据，将点云数据与点云数据在点云地图中对应的子地图进行点云地图匹配，匹配结果为点云数据的初步定位结果；根据该初步定位结果，可以获取点云数据在点云地图中的全局定位结果；最后根据全局定位结果以及车辆的车端里程计、陀螺仪等提供的相对位姿，获取车辆的最终定位结果。

2、然而，现有的定位方法中，仅基于点云匹配进行初步定位，会导致定位结果过于依赖原始点云地图的精度，若原始点云地图存在鬼影，那么初始定位结果就会不准确；里程计提供的相对位姿只能提供局部精确的定位信息，全局定位不准确，且里程计的误差会随着机体的不断运动而变大，比如发生车轮打滑等恶劣情况时，其很难提供准确定位信息；激光雷达也只能提供局部精确的定位信息，且在雨雪等恶劣天气，点云数据不精确；此外，现有定位技术中还缺少定位错误矫正机制。

3、因此，针对现有技术中存在的初始定位不准确，缺少全局约束和错误矫正机制的问题，尚未提出有效的解决方案。

技术实现思路

1、本技术实施例提供了一种巡逻机器人全局定位的方法、系统、装置和介质，以至少解决相关技术中存在的初始定位不准确，缺少全局约束和错误矫正机制的问题。

2、第一方面，本技术实施例提供了一种巡逻机器人全局定位的方法，所述方法包括：

3、通过rtk传感器和imu获取机器人当前的全局粗定位，并将三维激光雷达点云数据与所述全局粗定位的点云数据进行icp配准，得到全局初始定位；

4、在机器人运动状态下，根据雷达点云数据计算lidar里程计，并根据所述lidar里程计从全局地图中提取子地图，计算雷达点云数据与所述子地图的scan-map匹配；

5、根据lidar里程计旋转与平移量判断获取关键帧，根据所述关键帧构建lidar里程计因子、scan-map匹配因子以及rtk全局约束因子，并融合所述scan-map匹配因子、lidar里程计因子和rtk全局约束因子，通过gtsam优化得到机器人的实时全局定位结果。

6、在其中一些实施例中，在通过rtk传感器和imu获取机器人当前的全局粗略定位之前，所述方法包括：

7、预先采集待巡逻场景数据，并根据所述场景数据，通过lio-sam构建当前场景的全局地图；

8、通过体素滤波滤除所述全局地图中的杂质点，并通过直通滤波滤除所述全局地图中z值较大的点，得到优化后的全局地图。

9、在其中一些实施例中，将三维激光雷达点云数据与所述全局粗定位的点云数据进行icp配准包括：

10、根据全局粗定位，计算三维激光雷达点云数据与全局地图的最佳icp匹配转换关系，构建误差方程，具体误差方程如下：

11、

12、其中，r和t分别为全局粗定位tinit的旋转矩阵和平移向量的初值，pglobal为全局地图，pinit为当前点云数据。

13、在其中一些实施例中，根据雷达点云数据计算lidar里程计包括：

14、通过imu积分数据去除lidar的运动畸变，然后对所述雷达点云数据进行滤波处理，得到降噪的激光雷达采样数据；

15、计算所述激光雷达采样数据的曲率值，提取出其中曲率值较小的plane特征点和曲率值较大的edge特征点；

16、通过匹配帧间edge特征点和plane特征点，构建误差方程，并通过lm优化算法计算得到lidar里程计。

17、在其中一些实施例中，根据所述lidar里程计从全局地图中提取子地图，并计算雷达点云数据与所述子地图的scan-map匹配包括：

18、以所述lidar里程计位置为圆心、预设长度为半径的标准，从全局地图中提取局部子地图；

19、将所述雷达点云数据与所述局部子地图进行scan-map匹配计算，得到相较于全局地图的没有漂移的位姿变化。

20、在其中一些实施例中，在机器人进行巡逻运动时，所述方法包括：

21、预设巡逻点位，通过所述巡逻点位判断当前机器人的定位是否准确。

22、在其中一些实施例中，通过所述巡逻点位判断当前机器人的定位是否准确包括：

23、当机器人接近巡逻点位时，在rtk有信号的情况下，读取rtk定位信息，若巡逻点位的rtk坐标值与定位坐标值误差在阈值范围内，则认为机器人定位准确，继续向下一个巡逻点位移动；若巡逻点位的rtk坐标值与定位坐标值误差超过阈值范围，则机器人重新进行全局初始定位，并搜索与之最接近的巡逻点；

24、若rtk无信号，则计算gtsam优化的坐标值与巡逻点位的坐标值之间的误差，若误差在阈值范围内，则认为机器人定位准确，继续向下一个巡逻点位移动；若误差超过阈值范围，则机器人重新进行全局初始定位，并搜索与之最接近的巡逻点。

25、第二方面，本技术实施例提供了一种巡逻机器人全局定位的系统，所述系统包括：

26、初定位模块，用于通过rtk传感器和imu获取机器人当前的全局粗定位，并将三维激光雷达点云数据与所述全局粗定位的点云数据进行icp配准，得到全局初始定位；

27、计算匹配模块，用于在机器人运动状态下，根据雷达点云数据计算lidar里程计，并根据所述lidar里程计从全局地图中提取子地图，计算雷达点云数据与所述子地图的scan-map匹配；

28、实时定位模块，用于根据lidar里程计旋转与平移量判断获取关键帧，根据所述关键帧构建lidar里程计因子、scan-map匹配因子以及rtk全局约束因子，并融合所述scan-map匹配因子、lidar里程计因子和rtk全局约束因子，通过gtsam优化得到机器人的实时全局定位结果。

29、第三方面，本技术实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。

30、第四方面，本技术实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的方法。

31、相比于相关技术，本技术实施例提供的巡逻机器人全局定位的方法，通过rtk传感器和imu获取机器人当前的全局粗定位，并将三维激光雷达点云数据与全局粗定位的点云数据进行icp配准，得到全局初始定位；然后，在机器人运动状态下，根据雷达点云数据计算lidar里程计，并根据lidar里程计从全局地图中提取子地图，计算雷达点云数据与子地图的scan-map匹配；最后，根据lidar里程计旋转与平移量判断获取关键帧，根据关键帧构建lidar里程计因子、scan-map匹配因子以及rtk全局约束因子，并融合scan-map匹配因子、lidar里程计因子和rtk全局约束因子，通过gtsam优化得到机器人的实时全局定位结果。

32、本技术根据rtk传感器数据和imu数据实现巡逻机器人在点云地图中的粗略定位，然后根据激光点云迭代最近点配准算法(iterative closest point，简称icp)优化得到精确的机器人全局初始定位，最后使用激光雷达里程计、scan-map匹配和rtk全局约束相融合，完成机器人的实时定位。此外，本技术中还设置了巡逻点位，通过预先设置的巡逻点位可确保机器人定位准确，解决了相关技术中存在的初始定位不准确，缺少全局约束和错误矫正机制的问题。