一种室内定位方法及装置的制造方法
【技术领域】
[0001]本发明实施例涉及导航技术，尤其涉及一种室内定位方法及装置。
【背景技术】
[0002]随着电子技术和计算机技术的快速发展及机器人定位精度的不断提高，智能移动机器人的应用越来越广泛。
[0003]目前，一种实现室内导航的方式是预先在室内布置无线传感器网络节点，以形成无线传感器网络。根据无线传感器网络节点的数据构建全局拓扑移动地图。该方法需要预先铺设相当数量的无线传感器，必然会增加投入的研发成本。并且，根据这种方式获得的地图必然会因缺少未设置传感器位置的信息而不完整，进而，无法为室内导航提供精确的导航地图。另一种实现室内导航的方式是通过同步定位与地图构建(SLAM)技术描绘室内环境，根据传感器采集的数据对机器人的位姿进行粗略计算，再结合SLAM算法进行精细定位，实现机器人定位和导航。但是，由于采用SLAM算法将采集的环境数据与室内整体环境数据进行匹配需要进行大量的迭代运算，算法的时间复杂度较高，进而不利于机器人实时定位。同时，SLAM算法自身在数据匹配过程中存在累计误差，使定位精度和导航的准确性均降低。
【发明内容】
[0004]本发明提供一种室内定位方法及装置，以实现精准定位的目的，降低SLAM算法在匹配上的时间复杂度及累计误差。
[0005]第一方面，本发明实施例提供了一种室内定位方法，包括:
[0006]确定估计位姿，根据已获得的室内地图库与所述估计位姿确定局部地图库；
[0007]将采集到的当前帧激光雷达数据与上一帧激光雷达数据进行匹配确定第一位姿；
[0008]在所述局部地图库中获得与所述第一位姿的偏移量最小的位姿，将所述当前帧激光雷达数据与所述偏移量最小的位姿对应的激光雷达数据进行匹配确定第二位姿；
[0009]将所述第一位姿与所述第二位姿中匹配误差较小的一个位姿确定为精确位姿。
[0010]第二方面，本发明实施例还提供了一种室内定位装置，该装置包括:
[0011]定位地图确定单元，用于确定估计位姿，根据已获得的室内地图库与所述估计位姿确定局部地图库；
[0012]第一位姿确定单元，用于将采集到的当前帧激光雷达数据与上一帧激光雷达数据进行匹配确定第一位姿；
[0013]第二位姿确定单元，用于在所述局部地图库中获得与所述第一位姿的偏移量最小的位姿，将所述当前帧激光雷达数据与所述偏移量最小的位姿对应的激光雷达数据进行匹配确定第二位姿；
[0014]精确位姿确定单元，用于将所述第一位姿与所述第二位姿中匹配误差较小的一个位姿确定为精确位姿。
[0015]本发明通过确定估计位姿，根据已获得的室内地图库与所述估计位姿确定局部地图库;将采集到的当前帧激光雷达数据与上一帧激光雷达数据进行匹配确定第一位姿;在所述局部地图库中获得与所述第一位姿的偏移量最小的位姿，将所述当前帧激光雷达数据与所述偏移量最小的位姿对应的激光雷达数据进行匹配确定第二位姿;将所述第一位姿与所述第二位姿中匹配误差较小的一个位姿确定为精确位姿。本发明解决因SLAM算法的计算量大导致算法的时间复杂度较高的问题，以及，通过将第一位姿与第二位姿进行比较，去掉匹配误差较大的数据，限制了SLAM算法自身的累计误差，实现了快速精准定位的目的。
【附图说明】
[0016]图1是本发明实施例一中的一种室内定位方法的流程图；
[0017]图2是本发明实施例二中的一种室内定位方法中数据处理示意图；
[0018]图3是本发明实施例三中的一种室内定位装置的结构示意图。
【具体实施方式】
[0019]下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0020]实施例一
[0021]图1为本发明实施例一提供的室内定位方法的流程图，本实施例可适用于快速精确定位机器人位置的情况，该方法可以由室内定位装置来执行，具体包括如下步骤:
[0022]步骤110、确定估计位姿，根据已获得的室内地图库与所述估计位姿确定局部地图库。
[0023]其中，为了确定机器人在平面中的位置，建立二维平面坐标系。以机器人在室内环境中运动的运动起点作为坐标原点，以机器人开始运动时的正前方作为X轴的正方向，即将与X轴重合的机器人位置的方向角记为0°，顺时针方向为负，逆时针方向为正，夹角范围是-180°至180°。通过设置于机器人上的测速编码器及加速度计确定机器人的当前位置(Xo，Yo)，通过陀螺仪及电子罗盘确定机器人的当前位置和室内地图库原点(坐标原点)的连线与父轴正方向的夹角00，进而，可以估计机器人的当前位姿为％，￥()，0())。采用如陀螺仪及电子罗盘等同类传感器采集数据，进行数据融合可以减少测量误差。
[0024]在确定估计位姿之前，需要获取室内地图库。具体可以为控制机器人于室内的运动起点开始环绕室内运动一周，与此同时，通过机器人上设置的激光雷达按照预设的周期值周期性的发射激光雷达数据，再通过机器人上设置的接收器接收反射回的激光雷达数据。机器人可以根据发射的激光雷达数据和反射回的激光雷达数据确定室内轮廓，根据所述室内轮廓绘制室内地图库。
[0025]机器人根据上述估计的初始位姿与室内地图库进行匹配，确定所述初始位姿及其附近的坐标点组成的局部地图库。具体可以是获取室内地图库中与所述估计位姿的距离偏移量不超过设定阈值的位姿，确定距离偏移量不超过设定阈值的各个位姿对应的激光雷达数据。例如，估计初始位姿是(1111，2111，30°)，选择与初始位姿包括的位置分量的距离偏移量为(±0.5m，±0.5m)的坐标点的激光雷达的数据组成局部估计地图库。
[0026]为了进一步精准确定局部地图库，将当前采集的激光雷达数据与上述局部估计地图库中各个位姿对应的激光雷达数据进行匹配，根据各个位姿对应的激光雷达数据中与所述当前采集的激光雷达数据相匹配的激光雷达数据确定局部地图库。例如，机器人将当前接收到的激光雷达数据依次与所述局部估计地图库中各个坐标点对应的激光雷达数据进行匹配。在匹配误差满足设定规则时，确定当前接收到的激光雷达数据与局部估计地图库中该坐标点对应的激光雷达数据匹配成功。相应地，将匹配成功的该坐标点确定为匹配坐标点，根据所有匹配坐标点确定局部地图库，从而减少了同步定位与地图构建(SLAM)算法进行匹配运算的数据量，加快了匹配速度。
[0027]步骤120、将采集到的当前帧激光雷达数据与上一帧激光雷达数据进行匹配确定第一位姿。
[0028]机器人将采集到的当前帧激光雷达数据与相邻的上一帧激光雷达数据进行匹配确定第一距离偏移量及第一角度偏移量。根据所述第一距离偏移量和第一角度偏移量调整所述上一帧雷达数据对应的位姿确定第一位姿(XhY1J1)13在机器人图像采样精度足够高的前提下，机器