本技术涉及自动化机械的智能融合定位,尤其涉及一种用于室外作业或室内作业的自动化机械的智能融合定位领域,具体涉及一种存在光学干扰环境下的定位方法、装置、设备、介质。
背景技术:
1、自动化机械经常需要在多种环境下进行室内或室外的自主作业,通过配备光学传感器和惯性传感器后,可借助光学定位和惯性动态反馈,计算自身的实时位姿。
2、但是,基于激光点云的定位易受作业环境影响,例如,气候或其他因素常会对自动化机械的环境感知产生光学干扰,使激光匹配定位的误差增大。并且,惯性动态可用于短时间的位姿计算,无法单独提供长时间的准确位姿。
3、因此,需要一种新的在存在光学干扰环境下的实现稳定定位的技术方案。
技术实现思路
1、有鉴于此,本说明书实施例提供一种存在光学干扰环境下的定位方法、装置、设备、介质,以解决现有技术中的定位方法在存在光学干扰时定位不准确的技术问题。
2、本说明书实施例提供以下技术方案:
3、本说明书实施例提供一种存在光学干扰环境下的定位方法,适用于自动化机械,包括:
4、建立目标区域的离线环境地图和干扰识别模型,干扰识别模型用于对目标区域中由于光学干扰产生的干扰数据进行过滤;
5、在进行定位时,使用全球导航卫星系统提供的全局位姿数据和imu传感器的惯性动态数据初始化系统滤波器,得到系统滤波器内的初始系统位姿数据和初始系统动态数据,同时将全球导航卫星系统的时间戳设置为第一时间戳;
6、对于实时获取的激光数据帧使用干扰识别模型进行干扰数据过滤,得到激光有效数据帧;
7、基于全局位姿数据,将激光有效数据帧与离线环境地图进行匹配,得到第一时间戳时刻下的激光位姿数据和激光动态数据;
8、根据测量滤波器的测量位姿数据、测量动态数据和第二时间戳,与激光位姿数据、激光动态数据和第一时间戳,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据和第三时间戳,测量滤波器预先设置在自动化机械上,第三时间戳等于第一时间戳或者第二时间戳;
9、根据更新系统位姿数据、系统动态数据和第三时间戳,得到自动化机械的自身位姿数据和自身动态数据;
10、根据自身位姿数据和自身动态数据和第三时间戳,得到当前时刻的预测系统位姿数据。
11、在一种优选的技术方案中,建立目标区域的离线环境地图和干扰识别模型,包括:
12、通过获取的目标区域的激光点云数据和惯性数据,建立目标区域的离线环境地图,惯性数据是通过自动化机械上配备的惯性传感器采集的;
13、通过采集的目标区域内发生光学干扰时的场景数据训练学习模型,得到干扰识别模型,场景数据包括干扰数据和非干扰数据。
14、在一种优选的技术方案中,根据测量滤波器的测量位姿数据、测量动态数据和第二时间戳,与激光位姿数据、激光动态数据和第一时间戳,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据和第三时间戳,包括:
15、根据测量滤波器的测量位姿数据、测量动态数据和第二时间戳,确定第一时间戳时刻下的是激光位姿数据和激光动态数据是否有效;
16、若有效,则将第一时间戳、激光位姿数据和激光动态数据输入到系统滤波器内,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据,并将第一时间戳设置为第三时间戳;
17、若无效,则将测量滤波器的测量位姿数据和测量动态数据输入到系统滤波器内,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据,并将第二时间戳设置为第三时间戳。
18、在一种优选的技术方案中,根据测量滤波器的测量位姿数据、测量动态数据和第二时间戳,确定第一时间戳时刻下的是激光位姿数据和激光动态数据是否有效,包括:
19、根据第一时间戳与第二时间戳的时间间隔,以及测量位姿数据和测量动态数据,得到预测测量位姿数据和预测测量动态数据;
20、将预测测量位姿数据和预测测量动态数据分别与激光位姿数据和激光动态数据进行比较,得到比较结果;
21、根据比较结果和预设阈值,确定是否有效。
22、在一种优选的技术方案中,若有效,则将第一时间戳、激光位姿数据和激光动态数据输入到系统滤波器内,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据,并将第一时间戳设置为第三时间戳,包括:
23、将第一时间戳、激光位姿数据和激光动态数据,分别赋值给第三时间戳、测量位姿数据和测量动态数据;
24、将第三时间戳、激光位姿数据和激光动态数据输入到系统滤波器内,得到系统滤波器在第三时间戳时刻的更新系统位姿数据、更新系统动态数据和不确定度;
25、以第三时间戳、激光位姿数据和激光动态数据为基础,累加惯性动态数据对时间的积分,直到获取到下一帧激光数据帧时,作为激光有效数据帧,与离线环境地图进行匹配。
26、在一种优选的技术方案中,若无效,则将测量滤波器的测量位姿数据和测量动态数据输入到系统滤波器内,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据,并将第二时间戳设置为第三时间戳,包括:
27、将第二时间戳、预测测量位姿数据和预测测量动态数据输入到系统滤波器内,得到系统滤波器在第二时间戳时刻的更新系统位姿数据、更新系统动态数据,其中,第二时间戳表示第三时间戳;
28、以第三时间戳、更新系统位姿数据和更新系统动态数据为基础,累加惯性动态数据对时间的积分,直到获取到下一帧激光数据帧时,作为有效数据帧,与离线环境地图进行匹配。
29、在一种优选的技术方案中,根据更新系统位姿数据、系统动态数据和第三时间戳,得到自动化机械的自身位姿数据和自身动态数据,包括:
30、基于更新系统位姿数据、系统动态数据和第三时间戳,获取从第三时间戳开始,到imu传感器的惯性动态数据的最新数据帧的第四时间戳期间的所有的惯性动态数据,进行积分并累加到更新系统位姿数据和系统动态数据上,得到第四时间戳下的自身位姿数据和自身动态数据。
31、本说明书实施例还提供一种存在光学干扰环境下的定位装置,适用于自动化机械,包括:
32、建立模块:建立目标区域的离线环境地图和干扰识别模型,干扰识别模型用于对目标区域中由于光学干扰产生的干扰数据进行过滤;
33、定位模块:在进行定位时,使用全球导航卫星系统提供的全局位姿数据和imu传感器的惯性动态数据初始化系统滤波器,得到系统滤波器内的初始系统位姿数据和初始系统动态数据,同时将全球导航卫星系统的时间戳设置为第一时间戳;
34、过滤模块:对于实时获取的激光数据帧使用干扰识别模型进行干扰数据过滤,得到激光有效数据帧;
35、匹配模块:基于全局位姿数据,将激光有效数据帧与离线环境地图进行匹配,得到第一时间戳时刻下的激光位姿数据和激光动态数据;
36、更新模块:根据测量滤波器的测量位姿数据、测量动态数据和第二时间戳,与激光位姿数据、激光动态数据和第一时间戳,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据和第三时间戳,测量滤波器预先设置在自动化机械上,第三时间戳等于第一时间戳或者第二时间戳;
37、处理模块:根据更新系统位姿数据、系统动态数据和第三时间戳,得到自动化机械的自身位姿数据和自身动态数据;
38、预测模块:根据自身位姿数据和自身动态数据和第三时间戳,得到当前时刻的预测系统位姿数据。
39、在一种优选的实施方式中,建立模块,包括:
40、获取子模块:通过获取的目标区域的激光点云数据和惯性数据,建立目标区域的离线环境地图,惯性数据是通过自动化机械上配备的惯性传感器采集的;
41、采集子模块:通过采集的目标区域内发生光学干扰时的场景数据训练学习模型,得到干扰识别模型,场景数据包括干扰数据和非干扰数据。
42、在一种优选的实施方式中,更新模块,包括:
43、判断子模块:根据测量滤波器的测量位姿数据、测量动态数据和第二时间戳,确定第一时间戳时刻下的是激光位姿数据和激光动态数据是否有效;
44、有效子模块:若有效,则将第一时间戳、激光位姿数据和激光动态数据输入到系统滤波器内,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据,并将第一时间戳设置为第三时间戳;
45、无效子模块:若无效,则将测量滤波器的测量位姿数据和测量动态数据输入到系统滤波器内,更新系统滤波器,得到更新系统位姿数据和更新系统动态数据,并将第二时间戳设置为第三时间戳。
46、在一种优选的实施方式中,判断子模块,包括:
47、预测单元:根据第一时间戳与第二时间戳的时间间隔,以及测量位姿数据和测量动态数据,得到预测测量位姿数据和预测测量动态数据;
48、比较单元:将预测测量位姿数据和预测测量动态数据分别与激光位姿数据和激光动态数据进行比较,得到比较结果;
49、确定单元:根据比较结果和预设阈值,确定是否有效。
50、在一种优选的实施方式中,有效子模块,包括:
51、赋值单元:将第一时间戳、激光位姿数据和激光动态数据,分别赋值给第三时间戳、测量位姿数据和测量动态数据;
52、第一更新单元:将第三时间戳、激光位姿数据和激光动态数据输入到系统滤波器内,得到系统滤波器在第三时间戳时刻的更新系统位姿数据、更新系统动态数据和不确定度;
53、第一累加单元:以第三时间戳、激光位姿数据和激光动态数据为基础,累加惯性动态数据对时间的积分,直到获取到下一帧激光数据帧时,作为激光有效数据帧,与离线环境地图进行匹配。
54、在一种优选的实施方式中,无效子模块,包括:
55、第二更新单元:将第二时间戳、预测测量位姿数据和预测测量动态数据输入到系统滤波器内,得到系统滤波器在第二时间戳时刻的更新系统位姿数据、更新系统动态数据,其中,第二时间戳表示第三时间戳;
56、第二累加单元:以第三时间戳、更新系统位姿数据和更新系统动态数据为基础,累加惯性动态数据对时间的积分,直到获取到下一帧激光数据帧时,作为有效数据帧,与离线环境地图进行匹配。
57、在一种优选的实施方式中,处理模块,包括:
58、处理子模块:基于更新系统位姿数据、系统动态数据和第三时间戳,获取从第三时间戳开始,到imu传感器的惯性动态数据的最新数据帧的第四时间戳期间的所有的惯性动态数据,进行积分并累加到更新系统位姿数据和系统动态数据上,得到第四时间戳下的自身位姿数据和自身动态数据。
59、本说明书实施例还提供一种电子设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的存在光学干扰环境下的定位方法。
60、本说明书实施例还提供一种计算机存储介质,计算机存储介质存储有计算机可执行指令,计算机可执行指令被处理器执行时执行上述的存在光学干扰环境下的定位方法。
61、与现有技术相比,本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括:
62、1.使用存在光学干扰时的干扰场景的离线数据进行训练,可以对干扰场景进行检测,对干扰数据进行滤除,从数据源头降低干扰数据对定位的干扰。
63、2.对匹配的结果进行有效性检查,识别出错误的匹配结果,可以避免错误传递到系统状态中。
64、3.在匹配错误时,仍然为下一帧的匹配提供初始值(基于系统位姿数据和系统动态数据的imu积分结果),且该初始值具有相当的准确性,使后续的匹配可以基于合理的初始位置运行,以极大提高获得匹配正确的可能性。
65、4.系统滤波器根据光学传感器的数据(光学测量或光学预测)更新系统位姿数据,之后到当前时刻的状态预测,即结合了imu的积分预测又结合了滤波器内的系统动态数据,确保了高频输出的可能性。