[發明專利]一種解決室內機器人任意點啟動時“粒子綁架”問題的方法

有效

• 申請號: 201910509768.4
• 申請日: 2019-06-13
• 公開（公告）號: CN110274597B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 閆飛;于世寬;莊嚴
• 申請（專利權）人: 大連理工大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01S17/08;G06N3/04;G06N3/08
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉;劉秋彤

一種解決室內機器人任意點啟動時“粒子綁架”問題的方法，屬于室內移動機器人重啟動技術領域。本發明針對室內機器人相似環境中任意點重啟動問題，本發明引入深度學習的方案。該方案采集機器人在環境內的激光數據與該激光數據對應的機器人的真實位姿。對采集到的激光數據分別投影成三通道RGB圖片和占用柵格地圖，將投影成的三通道RGB圖片和占用柵格地圖進行進行通道的疊加。以疊加后的多通道圖像作為卷積神經網絡的輸入，以該激光數據對應的機器人位姿信息作為輸出，對卷積神經網絡回歸模型進行回歸訓練。本發明可保證機器人啟動的時候就能將粒子分布到機器人真實位姿附近，從而解決機器人在相似環境中啟動時候出現的粒“粒子綁架”問題。

技術領域

本發明屬于室內移動機器人重啟動技術領域，涉及一種解決室內機器人在相似環境中任意點啟動時出現的“粒子綁架”問題的方法。

背景技術

定位是室內機器人作業的先決條件，是機器人環境交互的核心技術，而可在任意點啟動是室內機器人定位可導航的前提。室內機器人任意點重啟動使用的最常用的方法為傳統的粒子濾波方法，粒子濾波算法通過初始化粒子群、模擬粒子群、計算粒子評分、粒子群重采樣推算室內機器人位置，其位置符合高斯概率分布。傳統室內機器人重啟動的過程是在全局范圍隨機初始化粒子，通過移動機器人進行觀測數據的更新，通過多次粒子重采樣最終推算出室內機器人的位姿。但是傳統方法在室內相似環境(對稱)中會出現“粒子綁架”問題，即由于觀測數據的相似，導致重采樣的過程粒子無法收斂到準確的位置。從而出現重定位失敗。

文獻(Thrun S,Fox D,Burgard W,et al.Robust Monte Carlo localizationfor mobile robots[J].Artificial Intelligence,2001,128(1):99-141.)提出一種修改粒子濾波算法，使用雙粒子濾波進行粒子重采樣。使粒子的權重分配更加精準，從而提高收斂速率與精度。然而此方法對傳感器的精度要求過高，并且此方法只能優化粒子的收斂速率，無法從根本上解決“粒子綁架”問題。

文獻(ZHANG Heng,FAN XiaoPing,QU ZhiHua,等.Mobile Robot Adaptive MonteCarlo Localization Based on Multiple Hypothesis Tracking 2007,33(9):941-946.)提出一種自適應動態粒子聚類算法，對常規粒子濾波算法進行優化。該方法不再對全局范圍內的粒子權重進行歸一化處理，局部范圍粒子的收斂速率快于全局范圍粒子的收斂速率。然而粒子簇群數沒有限制，若先驗地圖包含自由區域面積過大，初始化分布粒子數量較為龐大，則系統需要維持的粒子濾波器數目也較為龐大。此方法仍然無法從根本上解決“粒子綁架”問題。

綜上所述，找到一種在機器人啟動時就能準確定位到機器人真實位姿的方法，對解決室內機器人任意點啟動出現的“粒子綁架”問題顯得十分重要。

發明內容

針對室內機器人相似環境中任意點重啟動問題，本發明引入深度學習的方案。該方案采集機器人在環境內的激光數據與該激光數據對應的機器人的真實位姿。對采集到的激光數據分別投影成三通道RGB圖片和占用柵格地圖，將投影成的三通道RGB圖片和占用柵格地圖進行進行通道的疊加。以疊加后的多通道圖像作為卷積神經網絡的輸入，以該激光數據對應的機器人位姿信息作為輸出，對卷積神經網絡回歸模型進行回歸訓練。

在機器人任意點啟動時，采集機器人二維激光傳感器的信息并投影成圖片和占用柵格地圖。對圖片和占用柵格地圖進行通道疊加，以保證輸入的格式符合訓練模型的輸入格式。利用模型預測出機器人的位姿，以預測得到的位姿信息中的位置信息作為中心點，得到設定閾值為半徑的圓O，以預測得到的位姿信息中的角度信息作為中心方向θ，設定角度誤差閾值θ_r，在圓O內，在方向角[θ-θ_r,θ+θ_r]范圍內分布粒子。以此解決室內機器人重啟動時出現的“粒子綁架”問題。

本發明的技術方案：