(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111670051.1 (22)申请日 2021.12.3 0 (71)申请人 北京盈迪曼德科技有限公司 地址 100102 北京市朝阳区阜通 东大街6号 院2号楼8层901 (72)发明人 刘嗣超　徐浩楠　方万元　闫东坤　 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/40(2022.01) G06V 10/74(2022.01) G06K 9/62(2022.01) G06T 7/73(2017.01) G01S 17/89(2020.01) (54)发明名称 机器人重定位方法、 装置及机 器人 (57)摘要 本发明公开了一种机器人重定位方法、 装置 及机器人。 在上述方法中， 接收机器人在当前位 置获取的激光点云数据和图像数据； 根据视觉词 典确定图像数据对应的 图像关键帧信息； 在视觉 地图中获取与图像关键帧信息对应的物理位置 信息， 将图像数据的特征点信息与图像 关键帧信 息对应的特征点信息进行匹配， 结合匹配后视觉 地图中特征点的物理位置信息以及图像数据中 特征点的像素位置信息进行解算； 在解算获取机 器人的第一位姿数据的情况下， 根据第一位姿数 据设定预定区域范围， 在预定区域范围内使用激 光地图以及激光点云数据进行迭代匹配计算， 获 取机器人的第二位姿数据。 采用上述方案， 利用 初始位姿数据可以减少激光匹配的迭代范围， 加 快匹配速度， 快速实现机 器人重定位。 权利要求书2页 说明书8页 附图4页 CN 114519817 A 2022.05.20 CN 114519817 A 1.一种机器人重 定位方法， 其特 征在于， 包括： 接收机器人在当前位置获取的激光 点云数据和图像数据； 根据视觉词典确定所述图像数据对应的图像关键帧信息； 在视觉地图中获取与 所述图像关键帧信 息对应的物理位置信 息， 将所述图像数据的特 征点信息与所述图像关键帧信息对应的特征点信息进 行匹配， 结合匹配后视觉地图中特征 点的物理位置信息以及所述图像数据中特 征点的像素位置信息进行解 算； 在解算获取所述机器人的第 一位姿数据的情况下， 根据 所述第一位姿数据设定预定区 域范围， 在所述预定区域范围内使用激光地图以及所述激光点云数据进行迭代匹配计算， 获取所述机器人的第二 位姿数据。 2.根据权利要求1所述的方法， 其特征在于， 在接收机器人在 当前位置获取的激光点云 数据和图像数据之前， 还 包括： 建立所述视觉词典、 所述视觉地图和所述激光地图， 其中， 所述视觉词典包括： 图像关 键帧的特征向量， 所述视觉地图包括： 图像关键帧的物理位置信息和特征点信息， 所述激光 地图包括： 占用栅格地图。 3.根据权利要求1所述的方法， 其特征在于， 根据视觉词典确定所述图像数据对应的图 像关键帧信息包括： 对所述图像数据提取第 一特征向量， 将所述第 一特征向量与视觉词典中图像关键帧的 第二特征向量进行匹配， 获取匹配度最高的图像关键帧信息 。 4.根据权利要求1所述的方法， 其特征在于， 在所述预定区域范围内使用预先建立的激 光地图以及所述激光 点云数据进行迭代匹配 计算， 获取 所述机器人的第二 位姿数据包括： 在所述预设区域范围内选取多个位置点， 对于每个位置点选取该位置点对应的多个角 度， 对于每个角度， 将该角度对应的激光点云数据投影到所述占用栅格地图中， 根据投影结 果计算该角度对应的占用概 率值； 在所有获取到的占用概率值中选取最大的占用概率值， 将所述最大的占用概率值对应 的机器人位姿数据确定为所述第二 位姿数据。 5.根据权利要求4所述的方法， 其特征在于， 在所述预设区域范围内选取多个位置点， 对于每个位置点选取该位置点对应的多个角度， 对于每个角度， 将该角度对应的激光点云 数据投影到占用栅格地图中， 根据投影结果计算该角度对应的占用概 率值包括： S1： 将所述第 一位姿数据中的位置点作为初始点， 选取该初始点对应的多个角度， 对于 每个角度， 将该角度对应的激光点云数据投影到占用栅格地图中， 根据投影结果计算该角 度对应的占用概 率值； S2:按照预定步长和方向， 确定多个下一级位置点， 选取所述下一级位置点中每个位置 点对应的多个角度， 将各个角度对应的激光点云数据投影到占用栅格地图中， 根据投影结 果计算各个角度对应的占用概 率值， 循环执 行所述S2， 直至遍历完所述预设区域范围。 6.根据权利要求5所述的方法， 其特 征在于， 所述S2进一 步包括： 从所述初始点出发， 按照所述预定步长向初始点周边多个预定方向扩展； 确定所述初始点对应的占用概率值中最大占用概率值对应的角度方向， 以该角度 方向 为中心确定第一角度范围； 对于扩展后的下一级位置点中每个位置点， 在所述第一角度范围内确定多个角度， 获权　利　要　求　书 1/2 页 2 CN 114519817 A 2取各个角度对应的占用概率值， 将该位置点对应的占用概率值中最大占用概率值与所述初 始点对应的占用概率值中最大占用概率值进行对比， 在对比结果为小于时， 将该位置点舍 弃， 在对比结果为大于或者等于时， 将该位置点作为可扩展点， 将可扩展点对应的所有占用 概率值中最大占用概 率值设置为当前最优解； 从所述可扩展点出发， 按照所述预定步长向初始点周边多个方向扩展， 确定能够扩展 的下一级新位置点， 确定所述当前最优解对应的角度方向， 以该角度方向为中心确定第二 角度范围， 对于所述下一级新位置点中每个位置点， 在所述第二角度范围内确定多个角度， 获取各个角度对应的占用概率值， 将该位置点对应的占用概率值中最大占用概率值与所述 当前最优解进行对比， 在对比结果为小于时， 将该位置点舍弃， 在对比结果为大于或等于 时， 将该位置点设置为所述可扩展点， 并将所述可扩展点对应的占用概率值中最大 的占用 概率值设置为所述当前最优解， 循环执 行此步骤， 直至遍历完所述预设区域范围。 7.根据权利要求4至6中任一项所述的方法， 其特征在于， 通过以下方式计算每个位置 点上每个角度对应的占用概 率值P： P＝(P(x1,y1)+...+P(xi,yi)+...+P(xn,yn))/n 其中， (xi,yi)表示第i个点云数据点在栅格中的坐标， P(xi,yi)表示第i个点云数据点的 栅格占用概 率， n为扫描点云数据点的个数。 8.根据权利要求1所述的方法， 其特征在于， 获取所述机器人的第二位姿数据之后， 还 包括： 确定所述第一 位姿数据对应的视 觉三维点以及与所述视 觉三维点对应的像素坐标； 确定所述第二 位姿数据对应的激光数据以及激光 地图； 根据所述视觉三维点、 所述像素坐标、 所述激光数据、 所述激光地图、 以及视觉传感器 位姿数据， 构建视 觉和激光耦合的非线性图； 对所述非线性图进行优化， 得到接近最或然值的第三位姿数据， 作为所述机器人的最 终位姿数据。 9.一种机器人重 定位装置， 其特 征在于， 包括： 接收模块， 用于 接收机器人在当前位置获取的激光 点云数据和图像数据； 确定模块， 用于根据视 觉词典确定所述图像数据对应的图像关键帧信息； 第一解算模块， 用于在视觉地图中获取与所述图像关键帧信息对应的物理位置信息， 将所述图像数据的特征点信息与所述图像关键帧信息对应的特征点信息进 行匹配， 结合匹 配后视觉地图中特征点的物理位置信息以及所述图像数据中特征点的像素位置信息进行 解算； 第二解算模块， 用于在所述第 一解算模块解算获取所述机器人的第 一位姿数据的情况 下， 根据所述第一位姿数据设定预定区域范围， 在所述预定区域范围内使用激光地图以及 所述激光 点云数据进行迭代匹配 计算， 获取 所述机器人的第二 位姿数据。 10.一种机器人， 包括： 存 储器及处 理器， 其特 征在于， 所述存储器， 用于存 储计算机执 行指令； 所述处理器， 用于执行所述存储器存储的计算机执行指令， 使得所述机器人执行如权 利要求1至7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114519817 A 3