专利交易市场

本发明公开了一种基于惯性测量单元和深度学习的移动机器人定位方法，包括将惯性测量单元的原始数据输入训练好的深度学习模型，得到惯性测量单元的误差校准参数和不变卡尔曼滤波器的噪声参数，再利用惯性测量单元的误差校准模型获得校准后的加速度和角速度，再将校准后的加速度和角速度输入不变卡尔曼滤波器，获得移动机器人的定位结果。本发明能够适应不同移动机器人的运动特性，得到更高精度的移动机器人定位结果，并有助于降低移动机器人的定位成本，不易受环境干扰。

本发明公开了一种室内机器人定位方法和系统，激光矩阵发射器接收室内机器人按照设定频率和设定顺序发送的包含激光发射器编号的激光发射指令信号，控制编号对应的激光发射器向天花板发射激光束，获取包含激光束在天花板形成光斑图像的机器人视图，并基于机器人视图实现对室内机器人定位。激光矩阵发射器每发射一次激光束，使用安装在室内机器人上的拍摄设备对其正上方天花板拍照，获取包括一次发射的激光束形成的所有光斑的机器人视图，根据该机器人视图在天花板中的位置推算出室内机器人的位置和方向，实现对其定位，该定位过程图像处理量小、实时性强且不受周围环境干扰，可实现低成本、高精度、高可靠性的室内机器人定位。

本发明公开了一种基于激光雷达扫描匹配算法的移动机器人定位方法，包括1.分别对激光雷达相邻两采样周期的扫描数据进行角点特征提取，得到参考角点特征点集和待配准角点特征点集；2.对参考角点特征点集和待配准角点特征点集进行关联特征点配对得到初步配对点集；3.求解参考角点特征点集和待配准角点特征点集之间的整体匹配参数旋转矩阵和平移矩阵；4.对设置匹配阈值，滤除旋转矩阵和平移矩阵之间的无效关联特征；5.计算机器人在相邻两采样周期内的运动增量以及完成当前时刻机器人位姿估计。本发明通过对室内结构化特征进行分析，以环境中存在的角点特征代替传统ICP算法中的原始激光雷达扫描数据点作为改进型ICP算法的输入数据，提高匹配算法效率。