本發(fā)明實施例涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法及裝置。

背景技術(shù)：

機器人自主導(dǎo)航技術(shù)是智能機器人領(lǐng)域的熱門技術(shù)，通過自主導(dǎo)航技術(shù)，機器人可以智能的在環(huán)境中移動，從而完成導(dǎo)引、搬運、交互等任務(wù)。所以自主導(dǎo)航技術(shù)是機器人走向智能化的基礎(chǔ)，無法自主移動的機器人不能稱之為智能機器人。

現(xiàn)有的機器人自主導(dǎo)航技術(shù)可大致分為兩大類：一類是有源的自主導(dǎo)航技術(shù)，一類是無源的自主導(dǎo)航技術(shù)。有源的自主導(dǎo)航技術(shù)即機器人需要依賴外部設(shè)備實現(xiàn)的自主導(dǎo)航，例如需要在環(huán)境中部署基站、使用GPS設(shè)備等，因此靈活性差。此外由于GPS本身的限制，其無法應(yīng)用于室內(nèi)環(huán)境下的定位，并且GPS的精度往往也無法滿足機器人自主行走的要求。無源的自主導(dǎo)航技術(shù)指機器人無需依賴外部設(shè)備，只使用自身傳感器實現(xiàn)自主導(dǎo)航。這一類技術(shù)靈活性好，可應(yīng)用在室內(nèi)或室外環(huán)境下，無需專業(yè)人員、專業(yè)設(shè)備部署。

但是，現(xiàn)有的無源自主導(dǎo)航技術(shù)通常使用單一傳感器，無法提供較為全面的數(shù)據(jù)，即便使用多種傳感器，也通常是將各傳感器采集的數(shù)據(jù)不合理地融合，導(dǎo)致自主導(dǎo)航效果較差。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法及裝置，用于解決現(xiàn)有的機器人自主導(dǎo)航效果較差的技術(shù)問題。

本發(fā)明實施例提供一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法，包括：根據(jù)激光雷達傳感器采集到的數(shù)據(jù)和編碼器數(shù)據(jù)，利用即時定位與地圖構(gòu)建技術(shù)，構(gòu)建總體環(huán)境地圖；實時根據(jù)所述激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)、所述總體環(huán)境地圖、以及編碼器數(shù)據(jù)，通過視覺定位算法獲得所述機器人在所述總體環(huán)境地圖中的當(dāng)前位置；實時根據(jù)所述總體環(huán)境地圖和所述機器人的當(dāng)前位置，通過路徑規(guī)劃算法獲得所述機器人從所述當(dāng)前位置到目標(biāo)位置的規(guī)劃路線；根據(jù)所述當(dāng)前位置和所述規(guī)劃路線，利用所述激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)、以及編碼器數(shù)據(jù)，通過局部路徑規(guī)劃算法控制所述機器人避開障礙物移動。

本發(fā)明實施例提供一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置，包括：地圖構(gòu)建模塊，用于根據(jù)激光雷達傳感器采集到的數(shù)據(jù)和編碼器數(shù)據(jù)，利用即時定位與地圖構(gòu)建技術(shù)，構(gòu)建總體環(huán)境地圖；實時定位模塊，用于實時根據(jù)所述激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)、所述總體環(huán)境地圖、以及編碼器數(shù)據(jù)，通過視覺定位算法獲得所述機器人在所述總體環(huán)境地圖中的當(dāng)前位置；路線規(guī)劃模塊，用于實時根據(jù)所述總體環(huán)境地圖和所述機器人的當(dāng)前位置，通過路徑規(guī)劃算法獲得所述機器人從所述當(dāng)前位置到目標(biāo)位置的規(guī)劃路線；控制模塊，用于根據(jù)所述當(dāng)前位置和所述規(guī)劃路線，利用所述激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)、以及編碼器數(shù)據(jù)，通過局部路徑規(guī)劃算法控制所述機器人避開障礙物移動。

本發(fā)明提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法及裝置，利用激光雷達傳感器采集到的數(shù)據(jù)和編碼器數(shù)據(jù)，構(gòu)建總體環(huán)境地圖，并根據(jù)編碼器數(shù)據(jù)、激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)對機器人進行實時定位，根據(jù)機器人的當(dāng)前位置規(guī)劃路線，并結(jié)合激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)，控制機器人避開障礙物移動，從而實現(xiàn)機器人自主導(dǎo)航，本方案基于不同傳感器的特點，利用不同的傳感器數(shù)據(jù)進行融合并用于相應(yīng)的處理，在合理利用傳感器實現(xiàn)機器人導(dǎo)航的基礎(chǔ)上，靈活應(yīng)用于多種場景，并且兼顧成本，能夠?qū)崿F(xiàn)較好的自主導(dǎo)航效果。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹。

圖1為本發(fā)明實施例一提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖；

圖2為本發(fā)明實施例二提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖；

圖3A為本發(fā)明實施例三提供的一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖；

圖3B為本發(fā)明實施例三提供的另一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖；

圖4為本發(fā)明實施例四提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖；

圖5為本發(fā)明實施例五提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖；

圖6為本發(fā)明實施例六提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖；

圖7A為本發(fā)明實施例七提供的一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖；

圖7B為本發(fā)明實施例七提供的另一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖；

圖8為本發(fā)明實施例八提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

為了清楚起見，首先說明本發(fā)明使用的特定詞或短語的定義。

激光雷達：提供機器人距離周圍環(huán)境障礙物的距離信息，通常為周圍環(huán)境的一個二維切面?？捎糜诘貓D構(gòu)建、定位、實時避障等。精度較高，穩(wěn)定性高，噪聲低，成本高?？梢暰嚯x遠(yuǎn)，近距離處盲區(qū)小。

深度攝像頭：提供機器人距離周圍環(huán)境障礙物的距離信息，通常為周圍環(huán)境的三維點云?？捎糜诘貓D構(gòu)建、定位、實時避障等。精度較低，穩(wěn)定性低，噪聲高，成本相對較低。可視距離近，近距離盲區(qū)大。

超聲波傳感器：提供機器人距離周圍環(huán)境障礙物的距離信息，通常為一維單點。可用于實時避障。數(shù)據(jù)精度低，穩(wěn)定性低，噪聲高，成本很低?？梢暰嚯x較遠(yuǎn)，近距離處盲區(qū)大。

紅外傳感器：提供機器人距離周圍環(huán)境障礙物的距離信息，通常為一維單點?？捎糜趯崟r避障。數(shù)據(jù)精度相對高，穩(wěn)定性相對高，噪聲相對高，成本很低?？梢暰嚯x近，近距離處無盲區(qū)。

加速度計：可提供機器人的瞬時線加速度值?？捎糜诙ㄎ?、實時避障。

陀螺儀：可提供機器人的瞬時角速度?？捎糜诙ㄎ?、實時避障。

磁強計：可提供機器人的絕對朝向估計。可用于定位、實時避障。

編碼器：可提供機器人行走的里程、速度等估計。用于定位、實時避障。

圖1為本發(fā)明實施例一提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖，如圖1所示，本實施例以該方法應(yīng)用于機器人導(dǎo)航裝置中來舉例說明，該機器人導(dǎo)航裝置可集成在機器人自主導(dǎo)航系統(tǒng)中，該方法包括：

101、根據(jù)激光雷達傳感器采集到的數(shù)據(jù)和編碼器數(shù)據(jù)，利用即時定位與地圖構(gòu)建技術(shù)，構(gòu)建總體環(huán)境地圖。

具體地，即時定位與地圖構(gòu)建方法(Simultaneous Localization And Mapping，簡稱SLAM)包括但不限于：掃描匹配、圖優(yōu)化等方法。

以實際場景舉例來說：當(dāng)將機器人置于一個新環(huán)境時，需要使用即時定位與地圖構(gòu)建方法，繪制當(dāng)前環(huán)境的地圖。具體的，控制機器人在該環(huán)境中移動，激光雷達傳感器不斷收集數(shù)據(jù)，并利用SLAM算法，實時計算并繪制出相應(yīng)的總體環(huán)境地圖，該總體環(huán)境地圖為二維柵格地圖，該二維柵格地圖后續(xù)主要用于全局的路徑規(guī)劃及機器人自主定位。其中，激光雷達傳感器采集的數(shù)據(jù)用于SLAM算法的數(shù)據(jù)匹配，編碼器數(shù)據(jù)用于為SLAM算法的每次迭代提供初始估計，從而加速地圖構(gòu)建過程。

上述建立的總體環(huán)境地圖可以被重復(fù)使用，因此地圖構(gòu)建過程往往只需要進行一次。只有當(dāng)環(huán)境有很大程度的改變，或機器人被置于新環(huán)境時，才需要重新構(gòu)建總體環(huán)境地圖。

由于全局的路徑規(guī)劃只是作為機器人實際行走過程的大方向參考，因此只需確定大致的路徑即可。相應(yīng)的，進行全局路徑規(guī)劃只要求總體環(huán)境地圖包括環(huán)境的主要信息即可，以室內(nèi)環(huán)境為例，可以包括：墻、室內(nèi)家具、室外電線桿等，而激光雷達傳感器提供的環(huán)境二維切面數(shù)據(jù)足夠提供以上主要信息。另外，機器人進行自主定位時，需要實時的傳感器數(shù)據(jù)與地圖做匹配，而該匹配過程主要基于大的線特征，例如：墻、大型障礙物等，而激光雷達的二維切面信息也足以提供這些信息。盡管自主定位對于精度的要求較高，激光雷達傳感器采集的數(shù)據(jù)往往精度高，噪聲小，因此基于激光雷達數(shù)據(jù)構(gòu)建的地圖可以優(yōu)化自主定位的效果?？梢?，采用激光雷達傳感器采集的數(shù)據(jù)構(gòu)建總體環(huán)境地圖，能夠在構(gòu)建環(huán)境地圖和實現(xiàn)自主定位的基礎(chǔ)上，節(jié)省地圖構(gòu)建所需的時間，減小數(shù)據(jù)處理量，提高導(dǎo)航效率。實際應(yīng)用中，可以將激光雷達傳感器安裝在機器人的底盤上。

102、實時根據(jù)所述激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)、所述總體環(huán)境地圖、以及編碼器數(shù)據(jù)，通過視覺定位算法獲得所述機器人在所述總體環(huán)境地圖中的當(dāng)前位置。

以實際場景舉例來說：基于前述步驟構(gòu)建的總體環(huán)境地圖，利用激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)進行實時定位，獲得機器人的當(dāng)前位置，該當(dāng)前位置為機器人當(dāng)前在總體環(huán)境地圖下的位置信息。

103、實時根據(jù)所述總體環(huán)境地圖和所述機器人的當(dāng)前位置，通過路徑規(guī)劃算法獲得所述機器人從所述當(dāng)前位置到目標(biāo)位置的規(guī)劃路線。

其中，路徑規(guī)劃算法包括但不限于：A star算法、迪杰斯特拉算法等。

以實際場景舉例來說：對機器人進行定位，即獲取機器人的當(dāng)前位置后，即可根據(jù)機器人的當(dāng)前位置和前述步驟構(gòu)建的總體環(huán)境地圖，進行從當(dāng)前位置至目標(biāo)位置的路線規(guī)劃，獲得規(guī)劃路線。

104、根據(jù)所述當(dāng)前位置和所述規(guī)劃路線，利用所述激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)、以及編碼器數(shù)據(jù)，通過局部路徑規(guī)劃算法控制所述機器人避開障礙物移動。

其中，局部規(guī)劃算法包括但不限于：動態(tài)窗口模擬、D Star算法等。

以實際場景舉例來說：基于實時得到的規(guī)劃路線和機器人的當(dāng)前位置，通過激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)，通過局部路徑規(guī)劃算法進行決策，可控制機器人移動行走，并在移動行走過程中實時避開周圍的靜態(tài)或動態(tài)障礙物。

具體的，由于局部路徑規(guī)劃要保證機器人行走的安全及流暢，因此需要使用激光雷達、深度攝像頭、超聲波傳感器、紅外傳感器采集的數(shù)據(jù)和編碼器數(shù)據(jù)進行融合。

實際應(yīng)用中，由于激光雷達傳感器無法檢測到高于或低于自身激光雷達切面的障礙物，因此可以在激光雷達傳感器更低處安裝紅外傳感器和超聲波傳感器，以檢測近地面障礙物。由于超聲波有近距離盲區(qū)但可視距離遠(yuǎn)，而紅外可視距離近但無近距離盲區(qū)，因此將兩者配合使用，達到可視距離遠(yuǎn)無盲區(qū)的效果。此外，使用深度攝像頭獲取近處環(huán)境的三維點云數(shù)據(jù)，可以直接得到機器人前方遮擋的所有物體信息。

本實施例提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法，利用激光雷達傳感器采集到的數(shù)據(jù)和編碼器數(shù)據(jù)，構(gòu)建總體環(huán)境地圖，并根據(jù)編碼器數(shù)據(jù)、激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)對機器人進行實時定位，根據(jù)機器人的當(dāng)前位置規(guī)劃路線，并結(jié)合激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)，控制機器人避開障礙物移動，從而實現(xiàn)機器人自主導(dǎo)航，本方案基于不同傳感器的特點，利用不同的傳感器數(shù)據(jù)進行融合并用于相應(yīng)的處理，在合理利用傳感器實現(xiàn)機器人導(dǎo)航的基礎(chǔ)上，靈活應(yīng)用于多種場景，并且兼顧成本，能夠?qū)崿F(xiàn)較好的自主導(dǎo)航效果。

圖2為本發(fā)明實施例二提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖，如圖2所示，本實施例仍以該方法應(yīng)用于機器人導(dǎo)航裝置中來舉例說明，在實施例一的基礎(chǔ)上，102包括：

201、根據(jù)磁強計傳感器采集的數(shù)據(jù)，對所述機器人的姿態(tài)進行初始化；

202、實時根據(jù)當(dāng)前時刻與上一時刻所述加速度計傳感器和所述陀螺儀傳感器采集的數(shù)據(jù)、以及所述編碼器數(shù)據(jù)，計算當(dāng)前時刻相對于上一時刻所述機器人的位置和姿態(tài)變化估計；

203、確定所述總體環(huán)境地圖中與所述位置和姿態(tài)變化估計對應(yīng)的地圖點，獲得所述地圖點的地圖數(shù)據(jù)；

204、通過將所述激光雷達傳感器當(dāng)前采集的數(shù)據(jù)與所述地圖點的地圖數(shù)據(jù)分別進行匹配，獲得所述機器人的當(dāng)前位置，所述機器人的當(dāng)前位置為匹配度最高的地圖點的位置。

以實際場景舉例來說：在初始化時，首先讀取磁強計傳感器采集的數(shù)據(jù)，獲得機器人絕對朝向的初始估計，使用這個初始估計進行方向初始化。在機器人移動過程中，不斷讀取編碼器數(shù)據(jù)、以及所述加速度計傳感器和所述陀螺儀傳感器采集的數(shù)據(jù)，計算當(dāng)前時刻相對于上一時刻的位置和姿態(tài)變化估計。其中，對編碼器數(shù)據(jù)進行積分處理即可獲得位置和姿態(tài)變化估計，對加速度計傳感器采集的數(shù)據(jù)進行積分可以獲得位置變化估計，對陀螺儀傳感器采集的數(shù)據(jù)進行積分可以獲得姿態(tài)變化估計，之后通過對上述三者加權(quán)平均，即可得到當(dāng)前時刻相對于上一時刻的位置和姿態(tài)變化估計。之后，根據(jù)位置和姿態(tài)變化估計，用相應(yīng)地圖點的地圖數(shù)據(jù)和激光雷達傳感器當(dāng)前采集的數(shù)據(jù)做匹配，匹配度最高的地圖點即為機器人的當(dāng)前位置。

具體地，可以采用蒙特卡洛粒子濾波方法進行機器人自主定位。相應(yīng)的，根據(jù)磁強計傳感器采集的數(shù)據(jù)，對粒子的姿態(tài)進行初始化，在機器人移動過程中，實時根據(jù)當(dāng)前時刻與上一時刻所述加速度計傳感器和所述陀螺儀傳感器采集的數(shù)據(jù)、以及所述編碼器數(shù)據(jù)，計算當(dāng)前時刻相對于上一時刻的粒子位置和姿態(tài)變化估計，根據(jù)位置和姿態(tài)變化估計確定一些地圖點，將這些地圖點的地圖數(shù)據(jù)與激光雷達傳感器當(dāng)前采集的數(shù)據(jù)做匹配，匹配度最高的地圖點即為機器人的當(dāng)前位置。

在上述匹配過程中，激光雷達傳感器的精度高、噪聲低，且觀測距離遠(yuǎn)，可以獲取遠(yuǎn)處的線特征，而匹配的主要依據(jù)便是線特征。因此，只基于激光雷達傳感器采集的數(shù)據(jù)進行匹配即可，可以有效節(jié)省匹配所需時間，提高機器人定位的效率，從而更快實現(xiàn)導(dǎo)航。

并且，結(jié)合使用編碼器數(shù)據(jù)、加速度計傳感器、陀螺儀傳感器計算當(dāng)前粒子的位置和姿態(tài)變化估計，實現(xiàn)多源融合，可以提高機器人定位的準(zhǔn)確度，從而更準(zhǔn)確可靠地實現(xiàn)機器人導(dǎo)航。

本實施例提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法，在實現(xiàn)機器人自主定位的過程中，結(jié)合使用編碼器數(shù)據(jù)、加速度計傳感器、陀螺儀傳感器計算當(dāng)前的位置和姿態(tài)變化估計，僅基于激光雷達傳感器采集的數(shù)據(jù)進行匹配，不但可以有效節(jié)省匹配所需時間，還能提高機器人定位的準(zhǔn)確度，從而更快速準(zhǔn)確可靠地實現(xiàn)機器人導(dǎo)航。

圖3A為本發(fā)明實施例三提供的一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖，如圖3A所示，本實施例仍以該方法應(yīng)用于機器人導(dǎo)航裝置中來舉例說明，在實施例一或?qū)嵤├幕A(chǔ)上，104包括：

301、實時根據(jù)所述超聲波傳感器數(shù)據(jù)或所述紅外傳感器采集的數(shù)據(jù)，判斷所述機器人是否處于移動受阻狀態(tài)；

302、若所述機器人未處于移動受阻狀態(tài)，則根據(jù)所述深度攝像頭和所述激光雷達傳感器當(dāng)前采集的數(shù)據(jù)，構(gòu)建局部環(huán)境地圖，并根據(jù)所述局部環(huán)境地圖、所述機器人的當(dāng)前位置和規(guī)劃路線，通過局部路徑規(guī)劃算法控制所述機器人避開障礙物移動。

以實際場景舉例來說：局部規(guī)劃策略總體分為兩個情形，一個情形是正常狀態(tài)下的規(guī)劃策略，另一個情形是特殊狀態(tài)處理。具體的，針對第一種情形，實時根據(jù)超聲波傳感器數(shù)據(jù)或紅外傳感器采集的數(shù)據(jù)，判斷所述機器人是否處于移動受阻狀態(tài)，若未處于移動受阻狀態(tài)，即機器人正常行走過程中，使用常規(guī)的規(guī)劃策略進行規(guī)劃，即根據(jù)深度攝像頭和所激光雷達傳感器當(dāng)前采集的數(shù)據(jù)構(gòu)建的局部環(huán)境地圖，結(jié)合前面獲取的機器人的當(dāng)前位置和規(guī)劃路線，通過局部路徑規(guī)劃算法控制機器人避開障礙物移動。具體地，可以采用動態(tài)窗口模擬算法進行機器人移動控制。

本實施例中，動態(tài)窗口模擬算法會依據(jù)各傳感器采集數(shù)據(jù)，實時構(gòu)建機器人周圍小范圍內(nèi)的局部環(huán)境地圖，再基于該局部環(huán)境地圖模擬計算，進行決策。具體的，局部環(huán)境地圖的構(gòu)建采用二維面數(shù)據(jù)和三維點云數(shù)據(jù)，即激光雷達傳感器和深度攝像頭采集的數(shù)據(jù)。采用這兩種傳感器的原因是局部環(huán)境地圖需要實時更新，如果將類似超聲波傳感器和紅外傳感器采集的一維點數(shù)據(jù)構(gòu)建到局部環(huán)境地圖，可能會導(dǎo)致無法清理掉障礙物的問題，即當(dāng)某一時刻下，超聲波傳感器或紅外傳感器觀測到有一個障礙物，而下一時刻觀測的并不是這個障礙物點所在的位置，也就無法確定上一時刻的障礙物是否還依然存在，逐漸地局部環(huán)境地圖會逐漸累積障礙物，導(dǎo)致決策下的機器人無路可走，最終導(dǎo)致導(dǎo)航失敗。而二維面數(shù)據(jù)和三維點云數(shù)據(jù)就不存在這個問題，因為激光雷達傳感器和深度攝像頭觀測的不是一個點，而是一個范圍，因此可以在大部分范圍內(nèi)保證地圖的實時性，提高導(dǎo)航的可靠性。

針對另一種情形，即實時根據(jù)超聲波傳感器數(shù)據(jù)或紅外傳感器采集的數(shù)據(jù)，判斷所述機器人處于移動受阻狀態(tài)時，即機器人遇到特殊情況，例如：距離障礙物過近、由于定位誤差導(dǎo)致的與障礙物重合、被障礙物包圍等情況，則進入特殊狀態(tài)處理，具體的，可以根據(jù)超聲波傳感器數(shù)據(jù)或紅外傳感器當(dāng)前采集的數(shù)據(jù)及預(yù)設(shè)的方向選擇策略，控制所述機器人避開障礙物移動。相應(yīng)的，如圖3B所示，圖3B為本發(fā)明實施例三提供的另一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖，如圖3B所示，本實施例仍以該方法應(yīng)用于基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置中來舉例說明，在圖3A所示實施方式的基礎(chǔ)上，在301之后，還可以包括：

303、若所述機器人處于移動受阻狀態(tài)，則根據(jù)所述超聲波傳感器數(shù)據(jù)或所述紅外傳感器當(dāng)前采集的數(shù)據(jù)及預(yù)設(shè)的方向選擇策略，控制所述機器人避開障礙物移動。

其中，超聲波傳感器和紅外傳感器用于特殊情況處理，例如，當(dāng)超聲波傳感器或紅外傳感器觀測到距離障礙物過近、機器人被包圍或由于定位誤差機器人認(rèn)為自身與障礙物重合等情況時，則進行特殊狀態(tài)處理。此時不再依據(jù)局部環(huán)境地圖進行決策，而是直接選擇向遠(yuǎn)離障礙物的方向進行逃離，具體的方向選擇策略可使用包括但不限于最近點反方向、人工勢場合成等方式進行選擇。

本實施例提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法，在對機器人的移動控制策略中，基于超聲波傳感器數(shù)據(jù)或紅外傳感器采集的數(shù)據(jù)判定當(dāng)前狀態(tài)，若正常，則根據(jù)深度攝像頭和激光雷達傳感器當(dāng)前采集的數(shù)據(jù)構(gòu)建局部環(huán)境地圖，并基于該局部環(huán)境地圖，結(jié)合機器人當(dāng)前位置和規(guī)劃路線，控制機器人避開障礙物移動，否則，采用預(yù)設(shè)的方向選擇策略進行逃離，從而確保機器人導(dǎo)航的可靠性。

進一步的，圖4為本發(fā)明實施例四提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法的流程示意圖，如圖4所示，本實施例仍以該方法應(yīng)用于機器人導(dǎo)航裝置中來舉例說明，在實施例三的基礎(chǔ)上，302中所述根據(jù)所述深度攝像頭和所述激光雷達傳感器當(dāng)前采集的數(shù)據(jù)，構(gòu)建局部環(huán)境地圖，包括：

401、對所述深度攝像頭當(dāng)前采集的數(shù)據(jù)進行去噪，并將去噪后的數(shù)據(jù)向二維平面進行投影，獲得二維投影數(shù)據(jù)；

402、若二維投影數(shù)據(jù)相應(yīng)位置不存在所述激光雷達傳感器采集的數(shù)據(jù)，則將相應(yīng)位置的局部環(huán)境地圖數(shù)據(jù)以對應(yīng)的二維投影數(shù)據(jù)進行填充；

403、若所述二維投影數(shù)據(jù)相應(yīng)位置存在所述激光雷達傳感器采集的數(shù)據(jù)，則將所述二維投影數(shù)據(jù)和所述激光雷達傳感器采集的數(shù)據(jù)進行加權(quán)平均，以獲得相應(yīng)位置的局部環(huán)境地圖數(shù)據(jù)。

以實際場景舉例來說：局部規(guī)劃策略總體分為兩個情形，一個情形是正常狀態(tài)下的規(guī)劃策略，另一個情形是特殊狀態(tài)處理。具體的，針對第一種情形，實時根據(jù)超聲波傳感器數(shù)據(jù)或紅外傳感器采集的數(shù)據(jù)，判斷所述機器人是否處于移動受阻狀態(tài)，若未處于移動受阻狀態(tài)，即機器人正常行走過程中，使用常規(guī)的規(guī)劃策略進行規(guī)劃，即根據(jù)深度攝像頭和所激光雷達傳感器當(dāng)前采集的數(shù)據(jù)構(gòu)建的局部環(huán)境地圖，結(jié)合前面獲取的機器人的當(dāng)前位置和規(guī)劃路線，通過局部路徑規(guī)劃算法控制機器人避開障礙物移動。

本實施例中，以采用動態(tài)窗口模擬算法控制機器人移動為例，動態(tài)窗口模擬算法是基于二維柵格地圖，因此需要先對三維點云數(shù)據(jù)進行去噪，然后將三維點云數(shù)據(jù)向二維平面進行投影獲得二維投影數(shù)據(jù)，此時將三維點云數(shù)據(jù)分列投影，如果某一列有障礙物點，則此列的投影結(jié)果為障礙物，否則投影為空閑。將二維投影數(shù)據(jù)與激光雷達傳感器采集的二維平面數(shù)據(jù)進行融合，具體策略為，使用二維投影數(shù)據(jù)對激光雷達傳感器采集的二維數(shù)據(jù)進行更新，即對于激光雷達傳感器未觀測到的位置直接使用獲得的二維投影數(shù)據(jù)進行填充，對于激光雷達傳感器觀測到的位置，采用二維投影數(shù)據(jù)和激光雷達傳感器采集到的數(shù)據(jù)進行加權(quán)平均。此方法適用于多個深度攝像頭和多個激光雷達傳感器。

本實施例提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航方法，將深度攝像頭采集的三維點云數(shù)據(jù)進行去噪投影，基于獲得的二維投影數(shù)據(jù)和激光雷達傳感器采集到的二維平面數(shù)據(jù)進行融合，構(gòu)建局部環(huán)境地圖，實現(xiàn)對機器人的移動控制，本實施例通過將二維平面數(shù)據(jù)，三維點云數(shù)據(jù)進行融合處理，可以達到較好的局部規(guī)劃效果，提高導(dǎo)航準(zhǔn)確性。

本領(lǐng)域普通技術(shù)人員可以理解：實現(xiàn)上述各方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成。前述的程序可以存儲于一可讀取存儲介質(zhì)中。該程序在執(zhí)行時，執(zhí)行包括上述各方法實施例的步驟；而前述的存儲介質(zhì)包括：ROM、RAM、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

圖5為本發(fā)明實施例五提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖，如圖5所示，該機器人導(dǎo)航裝置可集成在機器人自主導(dǎo)航系統(tǒng)中，該裝置包括：

地圖構(gòu)建模塊51，用于根據(jù)激光雷達傳感器采集到的數(shù)據(jù)和編碼器數(shù)據(jù)，利用即時定位與地圖構(gòu)建技術(shù)，構(gòu)建總體環(huán)境地圖；

實時定位模塊52，用于實時根據(jù)所述激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)、所述總體環(huán)境地圖、以及編碼器數(shù)據(jù)，通過視覺定位算法獲得所述機器人在所述總體環(huán)境地圖中的當(dāng)前位置；

路線規(guī)劃模塊53，用于實時根據(jù)所述總體環(huán)境地圖和所述機器人的當(dāng)前位置，通過路徑規(guī)劃算法獲得所述機器人從所述當(dāng)前位置到目標(biāo)位置的規(guī)劃路線；

控制模塊54，用于根據(jù)所述當(dāng)前位置和所述規(guī)劃路線，利用所述激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)、以及編碼器數(shù)據(jù)，通過局部路徑規(guī)劃算法控制所述機器人避開障礙物移動。

具體地，地圖構(gòu)建模塊51采用的即時定位與地圖構(gòu)建方法包括但不限于：掃描匹配、圖優(yōu)化等方法。以實際場景舉例來說：當(dāng)將機器人置于一個新環(huán)境時，需要使用即時定位與地圖構(gòu)建方法，繪制當(dāng)前環(huán)境的地圖。具體的，控制機器人在該環(huán)境中移動，激光雷達傳感器不斷收集數(shù)據(jù)，地圖構(gòu)建模塊51利用SLAM算法，實時計算并繪制出相應(yīng)的總體環(huán)境地圖?；诘貓D構(gòu)建模塊51構(gòu)建的總體環(huán)境地圖，實時定位模塊52利用激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)進行實時定位，獲得機器人的當(dāng)前位置。實時定位模塊52獲取機器人的當(dāng)前位置后，路線規(guī)劃模塊53根據(jù)實時定位模塊52獲得的機器人的當(dāng)前位置和地圖構(gòu)建模塊51構(gòu)建的總體環(huán)境地圖，進行從當(dāng)前位置至目標(biāo)位置的路線規(guī)劃，獲得規(guī)劃路線?；趯崟r得到的規(guī)劃路線和機器人的當(dāng)前位置，控制模塊54通過激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)，通過局部路徑規(guī)劃算法進行決策，可控制機器人移動行走，并在移動行走過程中實時避開周圍的靜態(tài)或動態(tài)障礙物。

其中，所述總體環(huán)境地圖為二維柵格地圖。激光雷達傳感器采集的數(shù)據(jù)用于SLAM算法的數(shù)據(jù)匹配，編碼器數(shù)據(jù)用于為SLAM算法的每次迭代提供初始估計，從而加速地圖構(gòu)建過程。并且激光雷達傳感器采集的數(shù)據(jù)往往精度高，噪聲小，因此基于激光雷達數(shù)據(jù)構(gòu)建的地圖可以優(yōu)化自主定位的效果。采用激光雷達傳感器采集的數(shù)據(jù)構(gòu)建總體環(huán)境地圖，能夠在構(gòu)建環(huán)境地圖和實現(xiàn)自主定位的基礎(chǔ)上，節(jié)省地圖構(gòu)建所需的時間，減小數(shù)據(jù)處理量，提高導(dǎo)航效率。實際應(yīng)用中，可以將激光雷達傳感器安裝在機器人的底盤上。

上述建立的總體環(huán)境地圖可以被重復(fù)使用，因此地圖構(gòu)建模塊51往往只需要進行一次地圖構(gòu)建過程。只有當(dāng)環(huán)境有很大程度的改變，或機器人被置于新環(huán)境時，地圖構(gòu)建模塊51才需要重新構(gòu)建總體環(huán)境地圖。

其中，路徑規(guī)劃算法包括但不限于：A star算法、迪杰斯特拉算法等，局部規(guī)劃算法包括但不限于：動態(tài)窗口模擬、D Star算法等。

具體的，由于局部路徑規(guī)劃要保證機器人行走的安全及流暢，因此需要使用激光雷達、深度攝像頭、超聲波傳感器、紅外傳感器采集的數(shù)據(jù)和編碼器數(shù)據(jù)進行融合。

其中，本實施例提供的機器人導(dǎo)航裝置可以執(zhí)行實施例一的方法實施例的技術(shù)方案，其實現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

本實施例提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置，利用激光雷達傳感器采集到的數(shù)據(jù)和編碼器數(shù)據(jù)，構(gòu)建總體環(huán)境地圖，并根據(jù)編碼器數(shù)據(jù)、激光雷達傳感器、加速度計傳感器、陀螺儀傳感器和磁強計傳感器采集的數(shù)據(jù)對機器人進行實時定位，根據(jù)機器人的當(dāng)前位置規(guī)劃路線，并結(jié)合激光雷達傳感器、深度攝像頭、超聲波傳感器和紅外傳感器采集的數(shù)據(jù)，控制機器人避開障礙物移動，從而實現(xiàn)機器人自主導(dǎo)航，本方案基于不同傳感器的特點，利用不同的傳感器數(shù)據(jù)進行融合并用于相應(yīng)的處理，在合理利用傳感器實現(xiàn)機器人導(dǎo)航的基礎(chǔ)上，靈活應(yīng)用于多種場景，并且兼顧成本，能夠?qū)崿F(xiàn)較好的自主導(dǎo)航效果。

圖6為本發(fā)明實施例六提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖，如圖6所示，在實施例五的基礎(chǔ)上，實時定位模塊52包括：

初始化單元521，用于根據(jù)所述磁強計傳感器采集的數(shù)據(jù)，對所述機器人的姿態(tài)進行初始化；

估計單元522，用于實時根據(jù)當(dāng)前時刻與上一時刻所述加速度計傳感器和所述陀螺儀傳感器采集的數(shù)據(jù)、以及所述編碼器數(shù)據(jù)，計算當(dāng)前時刻相對于上一時刻所述機器人的位置和姿態(tài)變化估計；

獲取單元523，用于確定所述總體環(huán)境地圖中與所述位置和姿態(tài)變化估計對應(yīng)的地圖點，獲得所述地圖點的地圖數(shù)據(jù)；

匹配單元524，用于通過將所述激光雷達傳感器當(dāng)前采集的數(shù)據(jù)與所述地圖點的地圖數(shù)據(jù)分別進行匹配，獲得所述機器人的當(dāng)前位置，所述機器人的當(dāng)前位置為匹配度最高的地圖點的位置。

以實際場景舉例來說：在初始化時，初始化單元521讀取磁強計傳感器采集的數(shù)據(jù)，獲得機器人絕對朝向的初始估計，使用這個初始估計進行方向初始化。在機器人移動過程中，估計單元522不斷讀取編碼器數(shù)據(jù)、以及所述加速度計傳感器和所述陀螺儀傳感器采集的數(shù)據(jù)，計算當(dāng)前時刻相對于上一時刻機器人的位置和姿態(tài)變化估計。其中，對編碼器數(shù)據(jù)進行積分處理即可獲得位置和姿態(tài)變化估計，對加速度計傳感器采集的數(shù)據(jù)進行積分可以獲得位置變化估計，對陀螺儀傳感器采集的數(shù)據(jù)進行積分可以獲得姿態(tài)變化估計，之后通過對上述三者加權(quán)平均，即可得到當(dāng)前時刻相對于上一時刻的位置和姿態(tài)變化估計。之后，獲取單元523根據(jù)位置和姿態(tài)變化估計確定相應(yīng)的地圖點，匹配單元524用相應(yīng)地圖點的地圖數(shù)據(jù)和激光雷達傳感器當(dāng)前采集的數(shù)據(jù)做匹配，匹配度最高的地圖點即為機器人的當(dāng)前位置。

具體地，可以采用蒙特卡洛粒子濾波方法進行機器人自主定位。相應(yīng)的，初始化單元521根據(jù)磁強計傳感器采集的數(shù)據(jù)，對粒子的姿態(tài)進行初始化，在機器人移動過程中，估計單元522實時根據(jù)當(dāng)前時刻與上一時刻所述加速度計傳感器和所述陀螺儀傳感器采集的數(shù)據(jù)、以及所述編碼器數(shù)據(jù)，計算當(dāng)前時刻相對于上一時刻的粒子位置和姿態(tài)變化估計，獲取單元523根據(jù)位置和姿態(tài)變化估計確定一些地圖點，匹配單元524將這些地圖點的地圖數(shù)據(jù)與激光雷達傳感器當(dāng)前采集的數(shù)據(jù)做匹配，匹配度最高的地圖點即為機器人的當(dāng)前位置。

在上述匹配過程中，激光雷達傳感器的精度高、噪聲低，且觀測距離遠(yuǎn)，可以獲取遠(yuǎn)處的線特征，而匹配的主要依據(jù)便是線特征。因此，只基于激光雷達傳感器采集的數(shù)據(jù)進行匹配即可，可以有效節(jié)省匹配所需時間，提高機器人定位的效率，從而更快實現(xiàn)導(dǎo)航。

并且，結(jié)合使用編碼器數(shù)據(jù)、加速度計傳感器、陀螺儀傳感器計算當(dāng)前位置和姿態(tài)變化估計，實現(xiàn)多源融合，可以提高機器人定位的準(zhǔn)確度，從而更準(zhǔn)確可靠地實現(xiàn)機器人導(dǎo)航。

其中，本實施例提供的機器人導(dǎo)航裝置可以執(zhí)行實施例二的方法實施例的技術(shù)方案，其實現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

本實施例提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置，在實現(xiàn)機器人自主定位的過程中，結(jié)合使用編碼器數(shù)據(jù)、加速度計傳感器、陀螺儀傳感器計算當(dāng)前位置和姿態(tài)變化估計，僅基于激光雷達傳感器采集的數(shù)據(jù)進行匹配，不但可以有效節(jié)省匹配所需時間，還能提高機器人定位的準(zhǔn)確度，從而更快速準(zhǔn)確可靠地實現(xiàn)機器人導(dǎo)航。

圖7A為本發(fā)明實施例七提供的一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖，如圖7A所示，在實施例五或?qū)嵤├幕A(chǔ)上，控制模塊54包括：

檢測單元541，用于實時根據(jù)所述超聲波傳感器數(shù)據(jù)或所述紅外傳感器采集的數(shù)據(jù)，判斷所述機器人是否處于移動受阻狀態(tài)；

第一控制單元542，用于若檢測單元541檢測到所述機器人未處于移動受阻狀態(tài)，則根據(jù)所述深度攝像頭和所述激光雷達傳感器當(dāng)前采集的數(shù)據(jù)，構(gòu)建局部環(huán)境地圖，并根據(jù)所述局部環(huán)境地圖、所述機器人的當(dāng)前位置和規(guī)劃路線，通過局部路徑規(guī)劃算法控制所述機器人避開障礙物移動。

以實際場景舉例：局部規(guī)劃策略總體分為兩個情形，一個情形是正常狀態(tài)下的規(guī)劃策略，另一個情形是特殊狀態(tài)處理。具體的，針對第一種情形，檢測單元541實時根據(jù)超聲波傳感器數(shù)據(jù)或紅外傳感器采集的數(shù)據(jù)，判斷所述機器人是否處于移動受阻狀態(tài)，若未處于移動受阻狀態(tài)，即機器人正常行走過程中，則第一控制單元542使用常規(guī)的規(guī)劃策略進行規(guī)劃，即根據(jù)深度攝像頭和所激光雷達傳感器當(dāng)前采集的數(shù)據(jù)構(gòu)建的局部環(huán)境地圖，結(jié)合前面獲取的機器人的當(dāng)前位置和規(guī)劃路線，通過局部路徑規(guī)劃算法控制機器人避開障礙物移動。具體地，可以采用動態(tài)窗口模擬算法進行機器人移動控制。

針對另一種情形，即實時根據(jù)超聲波傳感器數(shù)據(jù)或紅外傳感器采集的數(shù)據(jù)，檢測單元541判斷所述機器人處于移動受阻狀態(tài)時，即機器人遇到特殊情況，例如：距離障礙物過近、由于定位誤差導(dǎo)致的與障礙物重合、被障礙物包圍等情況，則進入特殊狀態(tài)處理，具體的，可以根據(jù)超聲波傳感器數(shù)據(jù)或紅外傳感器當(dāng)前采集的數(shù)據(jù)及預(yù)設(shè)的方向選擇策略，控制所述機器人避開障礙物移動。相應(yīng)的，如圖7B所示，圖7B為本發(fā)明實施例七提供的另一種基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖，如圖7B所示，在圖7A所示實施方式的基礎(chǔ)上，控制模塊54還包括：

第二控制單元543，用于若檢測單元541檢測到所述機器人處于移動受阻狀態(tài)，則根據(jù)所述超聲波傳感器數(shù)據(jù)或所述紅外傳感器當(dāng)前采集的數(shù)據(jù)及預(yù)設(shè)的方向選擇策略，控制所述機器人避開障礙物移動。

其中，超聲波傳感器和紅外傳感器用于特殊情況處理，例如，當(dāng)檢測單元541通過超聲波傳感器或紅外傳感器觀測到距離障礙物過近、機器人被包圍或由于定位誤差機器人認(rèn)為自身與障礙物重合等情況時，則第二控制單元543進行特殊狀態(tài)處理。此時不再依據(jù)局部環(huán)境地圖進行決策，而是直接選擇向遠(yuǎn)離障礙物的方向進行逃離，具體的方向選擇策略可使用包括但不限于最近點反方向、人工勢場合成等方式進行選擇。

其中，本實施例提供的機器人導(dǎo)航裝置可以執(zhí)行實施例三的方法實施例的技術(shù)方案，其實現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

本實施例提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置，在對機器人的移動控制策略中，基于超聲波傳感器數(shù)據(jù)或紅外傳感器采集的數(shù)據(jù)判定當(dāng)前狀態(tài)，若正常，則根據(jù)深度攝像頭和激光雷達傳感器當(dāng)前采集的數(shù)據(jù)構(gòu)建局部環(huán)境地圖，并基于該局部環(huán)境地圖，結(jié)合機器人當(dāng)前位置和規(guī)劃路線，控制機器人避開障礙物移動，否則，采用預(yù)設(shè)的方向選擇策略進行逃離，從而確保機器人導(dǎo)航的可靠性。

圖8為本發(fā)明實施例八提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置的結(jié)構(gòu)示意圖，如圖8所示，在實施例七的基礎(chǔ)上，第一控制單元542包括：

投影子單元81，用于對所述深度攝像頭當(dāng)前采集的數(shù)據(jù)進行去噪，并將去噪后的數(shù)據(jù)向二維平面進行投影，獲得二維投影數(shù)據(jù)；

處理子單元82，用于若二維投影數(shù)據(jù)相應(yīng)位置不存在所述激光雷達傳感器采集的數(shù)據(jù)，則將相應(yīng)位置的局部環(huán)境地圖數(shù)據(jù)以對應(yīng)的二維投影數(shù)據(jù)進行填充；

處理子單元82，還用于若所述二維投影數(shù)據(jù)相應(yīng)位置存在所述激光雷達傳感器采集的數(shù)據(jù)，則將所述二維投影數(shù)據(jù)和所述激光雷達傳感器采集的數(shù)據(jù)進行加權(quán)平均，以獲得相應(yīng)位置的局部環(huán)境地圖數(shù)據(jù)。

本實施例中，以采用動態(tài)窗口模擬算法控制機器人移動為例，動態(tài)窗口模擬算法是基于二維柵格地圖，因此需要投影子單元81先對三維點云數(shù)據(jù)進行去噪，然后將三維點云數(shù)據(jù)向二維平面進行投影獲得二維投影數(shù)據(jù)，此時將三維點云數(shù)據(jù)分列投影，如果某一列有障礙物點，則此列的投影結(jié)果為障礙物，否則投影為空閑。處理子單元82將二維投影數(shù)據(jù)與激光雷達傳感器采集的二維平面數(shù)據(jù)進行融合，具體策略為，使用二維投影數(shù)據(jù)對激光雷達傳感器采集的二維數(shù)據(jù)進行更新，即對于激光雷達傳感器未觀測到的位置直接使用獲得的二維投影數(shù)據(jù)進行填充，對于激光雷達傳感器觀測到的位置，采用二維投影數(shù)據(jù)和激光雷達傳感器采集到的數(shù)據(jù)進行加權(quán)平均。此方法適用于多個深度攝像頭和多個激光雷達傳感器。

其中，本實施例提供的機器人導(dǎo)航裝置可以執(zhí)行實施例四的方法實施例的技術(shù)方案，其實現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

本實施例提供的基于多傳感器數(shù)據(jù)融合的機器人導(dǎo)航裝置，將深度攝像頭采集的三維點云數(shù)據(jù)進行去噪投影，基于獲得的二維投影數(shù)據(jù)和激光雷達傳感器采集到的二維平面數(shù)據(jù)進行融合，構(gòu)建局部環(huán)境地圖，實現(xiàn)對機器人的移動控制，本實施例通過將二維平面數(shù)據(jù)，三維點云數(shù)據(jù)進行融合處理，可以達到較好的局部規(guī)劃效果，提高導(dǎo)航準(zhǔn)確性。

最后應(yīng)說明的是：以上各實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實施例對本發(fā)明進行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分或者全部技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的范圍。