移动机器人的定位方法、设备及存储介质与流程

本技术涉及机器人定位，特别是涉及一种移动机器人的定位方法、设备及存储介质。

背景技术：

1、移动机器人室内导航包括激光导航、视觉导航等主动式导航，以及无线网络通信技术（wireless fidelity，wifi）、超宽带（ultra wide band，uwb）、蓝牙等基站组网类型的被动式导航。

2、其中，激光导航发展稍早，所以应用较为广泛。然而，单线激光的信息量较少，对环境依赖性较大，通常在复杂环境中需要配合反光板、反光贴等进行导航定位；多线激光数据量大，需要对大量点云数据进行处理，对机器人平台的性能要求较高；以及相比于视觉传感器，激光传感器的价格较为昂贵；wifi、uwb及蓝牙等导航方法兴起一时，成本较低，可延展性很强，但室内应用场景中，这些导航定位方法均易受杂物遮挡、信号干扰等影响，而且在高精度要求的场景中表现较差；视觉导航近来发展较快，应用也趋于广泛，典型的案例如二维码导航，在智能化仓储、物流中得到广泛应用，但在货架区、主路运行区不允许黏贴二维码。

3、因此，如何提高移动机器人的定位能力是本领域人员亟待解决的技术问题。

技术实现思路

1、为了解决上述技术问题，本技术至少提供一种移动机器人的定位方法、设备及存储介质。

2、本技术第一方面提供了一种移动机器人的定位方法，方法包括：获取当前采集得到的逆透视映射图像，对逆透视映射图像进行语义点云提取得到点云集合，并对点云集合进行聚类得到多个点云簇；提取每个点云簇对应的几何特征，得到每个点云簇分别对应的几何特征值；检测几何特征值是否满足预设几何条件，将几何特征值满足预设几何条件的点云簇筛选为可用语义点云；基于可用语义点云对移动机器人进行重定位，若重定位失败，则采用其他重定位策略进行重定位，其他重定位策略基于其他类型传感器采集的环境感知数据进行重定位。

3、在一实施方式中，提取每个点云簇对应的几何特征，得到每个点云簇分别对应的几何特征值，包括：对每个点云簇执行主成分分析处理，得到每个点云簇的主方向特征值和次方向特征值；检测几何特征值是否满足预设几何条件，将几何特征值满足预设几何条件的点云簇筛选为可用语义点云，包括：检测主方向特征值和次方向特征值的大小是否均大于预设特征值阈值，若是，则将几何特征值对应的点云簇筛选为可用语义点云；和/或，检测主方向特征值与次方向特征值之间的比值是否大于预设比值阈值，若是，则将几何特征值对应的点云簇筛选为可用语义点云；和/或，检测主方向特征值与次方向特征值之间的差值是否大于预设差值阈值，若是，则将几何特征值对应的点云簇筛选为可用语义点云。

4、在一实施方式中，重定位策略按照优先级从高到低的次序依次排序包括二维码重定位策略、视觉语义重定位策略、激光重定位策略；方法还包括：执行二维码重定位策略，二维码重定位策略基于下视相机采集到的二维码图像进行重定位；若二维码重定位策略进行重定位失败，则基于环视相机采集到的逆透视映射图像执行视觉语义重定位策略；若重定位失败，则采用其他重定位策略进行重定位，其他重定位策略基于其他类型传感器采集的环境感知数据进行重定位，包括：若逆透视映射图像未筛选到可用语义点云、或基于可用语义点云未计算得到有效位姿，则视觉语义重定位策略进行重定位失败，基于激光雷达采集到的激光点云执行激光重定位策略。

5、在一实施方式中，对移动机器人进行重定位后，方法还包括：获取多个导航定位策略，不同导航定位策略基于不同传感器采集的环境感知数据进行导航定位；同时执行多个导航定位策略，融合多个导航定位策略的定位结果，得到移动机器人的实时位姿。

6、在一实施方式中，导航定位策略包括视觉定位策略、里程计定位策略和激光定位策略，视觉定位策略基于相机采集到的视觉图像进行导航定位，里程计定位策略基于里程计信息进行导航定位，激光定位策略基于激光雷达采集到的点云数据进行导航定位；融合多个导航定位策略的定位结果，得到移动机器人的实时位姿，包括：检测视觉定位策略是否得到准确度满足预设准确度条件的定位结果；若视觉定位策略得到准确度满足预设准确度条件的定位结果，则忽略激光定位策略的定位结果，将视觉定位策略和里程计定位策略的定位结果进行融合，得到移动机器人的实时位姿；若连续预设时长内，视觉定位策略均未得到准确度满足预设准确度条件的定位结果，则将视觉定位策略、里程计定位策略和激光定位策略的定位结果进行融合，得到移动机器人的实时位姿。

7、在一实施方式中，将视觉定位策略、里程计定位策略和激光定位策略的定位结果进行融合，得到移动机器人的实时位姿，包括：检测视觉定位策略的定位结果的准确度是否低于最低准确度阈值；若视觉定位策略的定位结果的准确度低于最低准确度阈值，则将里程计定位策略和激光定位策略的定位结果进行融合，得到移动机器人的实时位姿；否则，将视觉定位策略、里程计定位策略和激光定位策略的定位结果进行融合，得到移动机器人的实时位姿。

8、在一实施方式中，视觉定位策略包括二维码定位策略和/或视觉语义定位策略，二维码定位策略基于下视相机采集到的二维码图像进行导航定位，视觉语义重定位策略基于环视相机采集到的逆透视映射图像进行导航定位；将视觉定位策略和里程计定位策略的定位结果进行融合，得到移动机器人的实时位姿，包括：响应于下视相机采集到二维码图像，检测二维码图像的采集时间戳是否晚于上一时刻融合得到的实时位姿；若是，则将二维码图像对应的定位结果与里程计定位策略的定位结果进行融合，得到移动机器人的实时位姿；若否，则忽略二维码图像对应的定位结果；和/或，响应于环视相机采集到逆透视映射图像，获取上一时刻融合得到的实时位姿、上一时刻到当前时刻内的里程计信息、预先构建的语义地图；基于上一时刻融合得到的实时位姿和里程计信息计算得到当前预测位姿；提取逆透视映射图像包含的语义点云，基于当前预测位姿将语义点云和语义地图进行匹配，得到语义匹配位姿；将语义匹配位姿与当前预测位姿进行融合，得到移动机器人的实时位姿。

9、在一实施方式中，基于当前预测位姿将语义点云和语义地图进行匹配，得到语义匹配位姿，包括：获取语义地图栅格化后得到的语义概率栅格地图，基于当前预测位姿将语义点云投影到语义概率栅格地图中，得到投影点；获取语义概率栅格地图中投影点对应的概率值，若概率值大于预设概率阈值，则将投影点作为有效语义点；将有效语义点和语义地图中的点云进行匹配，得到初始匹配位姿；基于初始匹配位姿将语义点云投影到语义概率栅格地图中，基于语义概率栅格地图中语义点云对应的每个投影点的概率值，计算得到初始匹配位姿对应的准确度；若准确度大于预设准确度阈值，则将初始匹配位姿作为语义匹配位姿。

10、本技术第二方面提供了一种移动机器人的定位装置，装置包括：语义提取模块，用于获取当前采集得到的逆透视映射图像，对逆透视映射图像进行语义点云提取得到点云集合，并对点云集合进行聚类得到多个点云簇；特征提取模块，用于提取每个点云簇对应的几何特征，得到每个点云簇分别对应的几何特征值；点云筛选模块，用于检测几何特征值是否满足预设几何条件，将几何特征值满足预设几何条件的点云簇筛选为可用语义点云；重定位模块，用于基于可用语义点云对移动机器人进行重定位，若重定位失败，则采用其他重定位策略进行重定位，其他重定位策略基于其他类型传感器采集的环境感知数据进行重定位。

11、本技术第三方面提供了一种电子设备，包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述移动机器人的定位方法。

12、本技术第四方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述移动机器人的定位方法。

13、上述方案，先通过视觉语义信息进行重定位，在进行视觉语义重定位时，对当前检测到的视觉点云聚类并进行几何特征提取，利用提取的几何特征值判断点云簇是否能用于重定位，只要观测到可靠的视觉语义特征则用于定位计算，否则，采用其他类型传感器采集的环境感知数据进行重定位，不仅在变化环境中丰富了重定位手段，还显著提升重定位成功率，保证了移动机器人在复杂环境下的长期稳定运行，提高移动机器人的定位能力。

14、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本技术。