欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法

文檔序號:9248089閱讀:220來源:國知局
一種室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于移動機器人導(dǎo)航領(lǐng)域,尤其涉及一種基于低成本、低精度激光傳感器 數(shù)據(jù)實現(xiàn)地圖創(chuàng)建及閉環(huán)校正的方法。
【背景技術(shù)】
[0002] 隨著技術(shù)的發(fā)展進步,移動機器人逐漸走出科學(xué)研究的神壇,越來越廣泛的出現(xiàn) 在日常生活的各個方面,輔助或替代人類完成一些重復(fù)性較高、技術(shù)含量較低的任務(wù),如產(chǎn) 品裝配、掃地等,掃地機是移動機器人的典型應(yīng)用。
[0003] 目前,機器人主要通過聲響、激光或視覺傳感器感知并建立外部環(huán)境的模型,實現(xiàn) 與外部世界的"交流"。由于擴散角較大,導(dǎo)致聲響傳感器獲取的環(huán)境數(shù)據(jù)存在顯著誤差;視 覺傳感器一方面對硬件有較高要求(存儲圖片需要較大空間,處理圖片需要較高的計算能 力),另一方面,其對光線變化敏感,當(dāng)同一場景的光線發(fā)生變化時,可能引入額外的誤差。 相對而言,激光傳感器的精度高于聲響,對硬件的要求低于視覺傳感器,因此在機器人導(dǎo)航 中獲得了廣泛應(yīng)用。但是,精度越高,測量范圍越大,激光傳感器的成本越高,該一缺陷嚴(yán)重 的限制了激光傳感器在日常生活及科學(xué)研究中的推廣使用。因此,尋求低成本,精度可接受 的替代激光傳感器,并發(fā)明新的算法對低精度帶來的誤差加W補償,成為一種合理并可行 的道路。
[0004] 圖1為利用SICKLMS激光傳感器建立的環(huán)境地圖。圖2為利用RPLidar激光傳 感器建立的環(huán)境地圖。對比圖1和圖2建立的環(huán)境地圖,發(fā)現(xiàn)圖2利用RPLidar數(shù)據(jù)建立 的環(huán)境地圖存在閉環(huán)失敗的情況,而圖1利用SICKLMS激光數(shù)據(jù)建立的環(huán)境地圖精度高, 閉環(huán)效果良好。但高精度的激光傳感器SICKLMS存在高成本的問題;而成本低的激光傳感 器RPLidar存在精度相對較、低閉環(huán)失敗的問題。

【發(fā)明內(nèi)容】

[0005] 為此,本發(fā)明提供的室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法,采用基于卡爾曼濾波器 的狀態(tài)估計算法,對Gmapping算法獲取的機器人位姿進行校正,并基于校正后的機器人位 姿,重新建立環(huán)境地圖獲得校正地圖。反復(fù)的實驗結(jié)果表明,本發(fā)明提供的室內(nèi)環(huán)境地圖創(chuàng) 建的閉環(huán)校正方法能夠顯著改善基于RPLidar數(shù)據(jù)建立地圖的閉環(huán)效果。從長遠(yuǎn)來說,能 夠推進低成本、低精度激光傳感器在日常生活及科學(xué)研究中的廣泛使用。
[0006] 本發(fā)明的技術(shù)方案W如下方式實現(xiàn):
[0007] -種室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法,包括:
[000引步驟1獲取環(huán)境信息,標(biāo)記機器人的初始位姿信息;
[0009] 步驟2機器人行走距離超過規(guī)定范圍后記錄機器人的實時位姿信息,采用 Gmapping算法根據(jù)所述初始位姿信息和所述實時位姿信息生成環(huán)境地圖;
[0010] 步驟3檢測所述環(huán)境地圖是否出現(xiàn)閉環(huán),若是,則繼續(xù)執(zhí)行W下步驟,若不是,貝U 重復(fù)執(zhí)行步驟2 ;
[0011] 步驟4采用狀態(tài)估計算法重新估計機器人的所述實時位姿信息,并更新所述實時 位姿信息生成校正地圖。
[0012] 本發(fā)明利用傳統(tǒng)的Gmapping算法處理成本較低、精度較低的傳感器采集的環(huán)境 數(shù)據(jù),建立環(huán)境地圖,再通過利用基于卡爾曼濾波器的狀態(tài)估計算法,對Gmapping算法估 計所得的機器人位姿進行校正,根據(jù)校正后的機器人位姿,重新建立環(huán)境地圖得到校正地 圖,有效改善環(huán)境地圖的閉環(huán)效果。
[0013] 進一步優(yōu)選的,所述環(huán)境數(shù)據(jù)由里程計和激光傳感器獲取。
[0014] 進一步優(yōu)選的,所述激光傳感器為RPLidar激光雷達(dá)。
[0015] 本發(fā)明采用低精度的RPLidar激光雷達(dá),并通過狀態(tài)估計算法對低精度帶來的誤 差加W補償,能夠推進低成本、低精度激光傳感器在日常生活及科學(xué)研究中的廣泛使用。
[0016] 進一步優(yōu)選的,所述閉環(huán)檢測通過場景標(biāo)定實現(xiàn)。
[0017] 進一步優(yōu)選的,步驟2還包括記錄多個機器人的所述實時位姿信息生成機器人的 狀態(tài)向量。
[0018] 進一步優(yōu)選的,所述步驟4采用狀態(tài)估計算法進行閉環(huán)校正,具體包括:
[0019] 首先通過狀態(tài)轉(zhuǎn)移矩陣計算上一時刻的狀態(tài)向量和輸入對當(dāng)前時刻狀態(tài)的影響, 得到當(dāng)前時刻的狀態(tài)預(yù)測值;W及通過狀態(tài)轉(zhuǎn)移矩和上一時刻的協(xié)方差矩陣值W及狀態(tài)噪 聲協(xié)方差矩陣得到協(xié)方差矩陣的預(yù)測值;
[0020] 再通過狀態(tài)方程和觀測方程實現(xiàn)觀測向量的更新,根據(jù)實際觀測值和當(dāng)前時刻的 狀態(tài)預(yù)測值計算新息;所述狀態(tài)轉(zhuǎn)移矩陣當(dāng)前時刻的狀態(tài)預(yù)測值計算新息;W及,通過狀 態(tài)轉(zhuǎn)移矩陣計算協(xié)方差矩陣預(yù)測值和觀測誤差的協(xié)方差矩陣,得到新息的協(xié)方差矩陣;
[0021] 通過狀態(tài)轉(zhuǎn)移矩陣計算當(dāng)前時刻的協(xié)方差矩陣預(yù)測值,并計算新息的協(xié)方差矩陣 的逆矩陣,得到濾波器增益;通過上一時刻的狀態(tài)向量結(jié)合濾波器增益和新息計算出當(dāng)前 時刻的狀態(tài)狀態(tài)向量;W及根據(jù)上一時刻的協(xié)方差矩陣值和增益計算出當(dāng)前時刻的協(xié)方差 矩陣值;
[0022] 更新所述狀態(tài)向量和所述協(xié)方差矩陣;根據(jù)更新所得的所述狀態(tài)向量生成所述校 正地圖。
[0023] 本發(fā)明采用的狀態(tài)估計算法能夠顯著改善基于RPLidar激光傳感器獲取的環(huán)境 數(shù)據(jù)建立地圖的閉環(huán)效果。
[0024] 進一步優(yōu)選的,所述Gmapping算法和所述狀態(tài)估計算法在安裝有ROS的Linux系 統(tǒng)下并發(fā)執(zhí)行。
[00巧]本發(fā)明提供了一種基于低成本、精度相對較低的激光傳感器的室內(nèi)環(huán)境地圖創(chuàng)建 的閉環(huán)校正方法,通過對比分析不同精度及成本激光傳感器創(chuàng)建地圖的精度及閉環(huán)效果, 給出利用低成本、精度可接受的激光傳感器實現(xiàn)地圖創(chuàng)建的必要性及可行性,然后提出一 種基于卡爾曼濾波器的狀態(tài)估計算法,對利用低成本、低精度激光傳感器數(shù)據(jù)創(chuàng)建地圖過 程中機器人的位姿進行校正,并基于校正后的機器人的位姿重新創(chuàng)建地圖,實現(xiàn)了地圖的 閉環(huán),提高了地圖創(chuàng)建的精度,同時推進低成本激光傳感器在日常生活及科學(xué)研究中的應(yīng) 用。
【附圖說明】
[0026] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進一步詳細(xì)說明:
[0027] 圖1為利用SICKLMS激光傳感器創(chuàng)建的環(huán)境地圖;
[0028] 圖2為利用RPLidar激光雷達(dá)建立的環(huán)境地圖;
[0029] 圖3為本發(fā)明室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法的步驟示意圖;
[0030] 圖4為本發(fā)明室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法的Gmapping算法流程圖;
[0031] 圖5為本發(fā)明室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法更新的校正地圖;
[0032] 圖6為本發(fā)明室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法最終的校正地圖。
【具體實施方式】
[0033] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本 發(fā)明的一些實施例,對于本領(lǐng)域普通技術(shù)人員來說,在不付出創(chuàng)造性勞動的前提下,還可W 根據(jù)該些附圖獲得其他的附圖。
[0034] 圖3為本發(fā)明室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法的步驟示意圖,作為本發(fā)明的一 個具體實施例,如圖3所示,本發(fā)明提供了一種室內(nèi)環(huán)境地圖創(chuàng)建的閉環(huán)校正方法,包括: [00巧]步驟1獲取環(huán)境信息,標(biāo)記機器人的初始位姿信息;
[0036] 步驟2機器人行走距離超過規(guī)定范圍后記錄機器人的實時位姿信息,采用 Gmapping算法根據(jù)所述初始位姿信息和所述實時位姿信息生成環(huán)境地圖;
[0037] 步驟3檢測所述環(huán)境地圖是否出現(xiàn)閉環(huán),若是,則繼續(xù)執(zhí)行W下步驟,若不是,貝U 重復(fù)執(zhí)行步驟2;
[0038] 步驟4采用狀態(tài)估計算法重新估計機器人的所述實時位姿信息,并更新所述實時 位姿信息生成校正地圖。
[0039] 具體的,本發(fā)明中環(huán)境數(shù)據(jù)由里程計和激光傳感器獲取,其中,激光傳感器選用低 成本、低精度的RPLidar激光雷達(dá),通過RPLidar激光雷達(dá)獲取環(huán)境信息,RPLidar激光雷 達(dá)的測量長度范圍為0. 2-6. 0米,角度范圍為0-360度,采樣頻率超過2000化。本發(fā)明采用 低精度的RPLidar激光雷達(dá),并通過狀態(tài)估計算法對低精度帶來的誤差加W補償,能夠推 進低成本、低精度激光傳感器在日常生活及科學(xué)研究中的廣泛使用。
[0040] 具體的,本發(fā)明利用傳統(tǒng)Gmapping算法處理低精度激光數(shù)據(jù),建立環(huán)境地圖,再 利用基于卡爾曼濾波器的狀態(tài)估計算法,對Gmapping算法估計所得的機器人位姿進行校 正,最后根據(jù)校正后的機器人位姿,重新建立環(huán)境地圖,改善地圖的閉環(huán)效果。
[0041] 下面W具體實例闡述本發(fā)明的工作過程。
[0042] 本實施例利用機器人在有走廊、辦公室及大廳的環(huán)境中實現(xiàn)地圖創(chuàng)建及閉環(huán)校 正,該機器人裝備有里程計和巧螺儀獲取機器人的距離和方向信息。在機器人上裝配了 RPLidar激光雷達(dá)創(chuàng)建環(huán)境地圖。在室內(nèi)環(huán)境中,利用VisualS化dio2010在Linux系統(tǒng) 下編程,并通過ROS控制機器人實現(xiàn)環(huán)境地圖創(chuàng)建及閉環(huán),圖4為本發(fā)明室內(nèi)環(huán)境地圖創(chuàng)建 的閉環(huán)校正方法的Gmapping算法流程圖。
[0043] 本發(fā)明具體執(zhí)行步驟如下:
[0044] 步驟1,控制機器人在目標(biāo)環(huán)境中行走,獲取里程計和激光傳感器的環(huán)境信息,標(biāo) 記機器人的初始位姿信息,記為Pa(Xa,y。,0。)。其中,X表示橫坐標(biāo)、y表示縱坐標(biāo),0表示 朝向角。本發(fā)明中可W選擇人為控制或根據(jù)環(huán)境特點,設(shè)計合理的機器人環(huán)境探索算法。
[0045] 步驟2,假設(shè)機器人i時刻的驅(qū)動輸入為Ui= (0,0,0,...,Ax1,Ay;,A01,〇,〇, 0,...),當(dāng)滿足
時,A表示變化量。機器人記錄一次激光傳感器和里程 計的環(huán)境信息,并記錄機器人實時位姿信息,采用Gmapping算法根據(jù)初始位姿信息和實時 位姿信息生成環(huán)境地圖。
[0046] 需要說明的是,對于傳統(tǒng)的Gmapping算法,當(dāng)機器人行走距離大于一定范圍山或 朝向角變化大于一定角度e,或超過一定時間t為處理激光傳感器或里程計數(shù)據(jù)后,機器 人將激光傳感器和里程計數(shù)據(jù)融合入環(huán)境地圖中,也即在滿足上述條件后,機器人會記錄 一次里程計或激光傳感器獲取的環(huán)境信息。而在本發(fā)明中,為避免引入額外的誤差,同時便 于實現(xiàn)機器人的控制,機器人只有在行走距離超過一定范圍A后才對激光傳感器和里程 計的環(huán)境信息進行處理。
[0047] 步驟3,實時檢測是否有閉環(huán)出現(xiàn),若未出現(xiàn)閉環(huán),則重復(fù)步驟2;若出現(xiàn)閉環(huán),記 錄機器人的狀態(tài)向量。假設(shè)機器人第一次回到Pa(xa,y。,0。)時,共記錄了k個狀態(tài),形成 狀態(tài)向量,記為Xk={x0,y〇,目0, . . .,Xk,yk,目J二{Po, . ..,PJ;
[0048] 需要說明的是,閉環(huán)檢測(loopdetection)目前仍然是一個開放性的研究課題, 目前并沒有完美的解決解決方案。另外,閉環(huán)檢測也不是本發(fā)明的核也內(nèi)容,因此在本發(fā)明 中,閉環(huán)檢測通過場景標(biāo)定實現(xiàn)。
[004引步驟4,實現(xiàn)Gma
當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
子洲县| 河南省| 禹城市| 金昌市| 丰镇市| 沐川县| 安阳县| 平湖市| 肇源县| 康保县| 宁明县| 湖州市| 随州市| 夏津县| 安西县| 通化市| 资阳市| 泽州县| 鹤壁市| 涪陵区| 德令哈市| 于都县| 固原市| 灵台县| 山西省| 嘉兴市| 嘉荫县| 泽库县| 汽车| 普兰县| 郁南县| 曲阜市| 五大连池市| 泗洪县| 陵川县| 福海县| 漳浦县| 运城市| 苗栗市| 临江市| 奉新县|