移动机器人的重定位方法
【技术领域】
[0001] 本发明涉及移动机器人，特别是移动机器人的重定位方法。
【背景技术】
[0002] 近年来，重定位问题已成为移动机器人领域备受关注的热点问题。移动机器人重 定位是移动机器人实现智能导航和环境探索研究的一个基础，也是移动机器人实现真正智 能化和完全自主的关键技术之一。
[0003] 移动机器人的重定位是根据已知的地图环境和传感器数据，重新确定机器人的位 姿。移动机器人重定位的研究大体上集中在两种传感器上。
[0004] -种是激光测距传感器，这种传感器有很好的快速性，并且可以得到很准确地距 离等信息，仅使用激光测距传感器进行移动机器人重定位，在小型环境中制图准确且有很 高的实时性，但是到了大型环境中，由于累计误差，使得机器人重定位并不理想，而且由于 激光测距传感器信息量较少，在较复杂的环境里不能很好实现重定位。
[0005] 另一种比较常用的传感器就是视觉传感器，视觉传感器获取的信息量丰富，仅使 用视觉传感器进行移动机器人重定位时，由于需要处理的数据过多，无法保证算法的实时 性，尤其是在大尺度或者特征点不明显的环境中，很容易出现重定位跟不上机器人运行速 度的问题，导致重定位精度变差。
[0006] 但是，对于移动机器人来说，重定位不仅要有一定的精度，并且对于快速性也有很 高的要求。
[0007] 基于上述问题，发明人分别基于激光和视觉重定位的现有成果，分别对激光与视 觉两种方法进行了广泛的技术调研，并完成了一系列对比实验，最终设计了一种结合两种 传感器优点的重定位方法，即采用单目视觉信息来辅助激光进行重定位，实现移动机器人 的快速、精确的重定位。
【发明内容】
[0008] 本发明专利申请的目的在于提供一种快速、精确的重定位方法，以解决【背景技术】 中的问题。
[0009] 为达到以上目的，本发明专利申请的技术方案如下： 一种移动机器人的重定位方法，所述移动机器人包括测量移动机器人位移和角度的传 感器、激光测距传感器和视觉传感器，所述方法包括以下步骤:S1:建立移动机器人运动模 型，根据蒙特卡洛(Monte Carlo)定位方法并结合移动机器人上一时刻t-Ι的位姿状态和输 入控制量预测移动机器人当前时刻t的位姿状态，得到移动机器人在t时刻的粒子采样分 布;S2:建立激光测距传感器感知模型，根据t时刻获取的激光测距传感器信息计算粒子采 样分布中各粒子权值;S3:建立视觉传感器感知模型，根据t时刻获取的视觉传感器信息计 算粒子采样分布中各粒子权值;S4:结合激光测距传感器感知模型和视觉传感器感知模型 对各粒子的权值进行更新;S5:重复步骤S1至S4直到检测到移动机器人重定位成功。
[0010] 进一步地，在本发明专利申请公开的一个实施例中，所述步骤S5中检测移动机器 人重定位是否成功的标准为:移动机器人在t时刻获得的激光测距传感器或/和视觉传感器 的信息与定位处的地图匹配率是否大于设定的阈值。
[0011] 可选择地，步骤S2、S3的顺序可交换。
[0012] 与现有技术相比，本发明申请具有以下优点： 本发明专利申请的重定位方法融合了激光测距传感器的快速准确的优点和视觉传感 器的丰富信息的优点，提高了移动机器人的重定位精度和速度。
【附图说明】
[0013] 图1为本发明专利申请较佳实施例的流程图。
【具体实施方式】
[0014] 下面结合附图和【具体实施方式】对本发明方案进行进一步详细说明。
[0015] 本发明专利申请是移动机器人的重定位方法，该方法实现的基础是基于全部或部 分建立地图的区域。当移动机器人位于区域中已建地图的位置时，移动机器人按本发明方 法进行重定位；当移动机器人位于区域中未建地图的位置时，移动机器人将在运动至已建 地图的位置后，再按本发明方法进行重定位。
[0016] 由于本发明专利申请是建立在蒙特卡洛(Monte Carlo)定位方法上的，在此先对 蒙特卡洛(Monte Carlo)定位方法进行描述:Monte Carlo定位作为一种概率定位方法，原 理基于贝叶斯算法，通过从传感信息递归估计位姿状态空间的概率分布来实现定位。Monte Carlo定位概念的关键是应用N个带权值的随机样本来表示机器人位姿的可信度，样 本空间梦。样本集通过离散化状态来近似表示机器人实际位姿的可信 度。每个采样Si由机器人位姿纟=(n·^)和权值Pi组成，即资:=儀:;齊)焚攻。Pi表示机器人 位于该点的概率，i
Jonte Carlo定位基于运动模型的更新和基于感知模型的更 新两个过程。
[0017] 本实施例中的移动机器人包括激光测距传感器和视觉传感器，用于测量移动机器 人位移和角度的传感器分别为里程计和陀螺仪(或码盘），所述方法包括以下步骤： S1:建立移动机器人运动模型，根据蒙特卡洛(Monte Carlo)定位方法并结合移动机器 人上一时刻t-Ι的位姿状态和输入控制量预测移动机器人当前时刻t的位姿状态，得到移动 机器人在t时刻的粒子米样分布。
[0018] 设时刻机器人全局坐标系的位姿为^ = 时刻移动到It处，则利用 运动学模型建立机器人运动模型为：
其中，
，式中各个参数的含义如下： 各-i，Δ尽-1 : (t-1，t)时间内机器人中心位移和转过的角度； 料4 :输入控制量(此处为里程计输入）； :服从高斯白噪声分布过程输入噪声。
[0019] 根据运动模型及移动机器人在上一时刻t-ι的位姿状态，对t时刻的移动机器人的 粒子集进行预测，其中，粒子是指t时刻移动机器人可能到达的位置。
[0020] 移动机器人利用运动模型及上一时刻t-Ι的位姿可以对当前时刻t的位姿状态进 行预测，粒子集的预测过程如下：
式中各个参数的