本申请属于机器人，尤其涉及一种机器人的定位方法、机器人的定位装置、机器人以及计算机可读存储介质。
背景技术：
1、自主导航是机器人实现自主移动的关键技术。为了协助机器人准确确定自身的位置，目前常见的方法是在室内的天花板上部署人工标签。
2、然而，在部署人工标签的过程中，如果室内光线条件较差或者区域的人工标签距离较近，那么机器人容易出现标签误识别的情况，导致定位精度下降。此外，人工标签一般通过人工一个个部署至天花板上，部署困难且费时费力。
3、显然，一种可靠高效的机器人室内定位方法亟待提出。
技术实现思路
1、本申请提供了一种机器人的定位方法、机器人的定位装置、机器人及计算机可读存储介质，能够在无需借助人工标签的情况下高效准确地定位机器人的当前位姿。
2、第一方面，本申请提供了一种机器人的定位方法，包括：
3、提取机器人以当前位姿采集的第一视觉图像中的各角点；
4、将过滤后的各角点确定为第一视觉图像的第一特征点集；
5、基于第一特征点集从预先构建的多帧第二视觉图像中确定与第一视觉图像匹配的目标视觉图像，每帧第二视觉图像对应有第二特征点集以及全局位姿信息；
6、基于目标视觉图像确定当前位姿的初始定位位姿；
7、基于初始定位位姿，将第一点云图像与预先构建的激光地图进行匹配，以确定当前位姿的目标定位位姿；其中，第一点云图像为机器人以当前位姿扫描周围环境得到的激光点云的点云图像，激光地图基于多帧第二点云图像构建。
8、第二方面，本申请提供了一种机器人的定位装置，包括：
9、提取模块，用于提取机器人以当前位姿采集的第一视觉图像中的各角点；
10、第一确定模块，用于将过滤后的各角点确定为第一视觉图像的第一特征点集；
11、第二确定模块，用于基于第一特征点集从预先构建的多帧第二视觉图像中确定与第一视觉图像匹配的目标视觉图像，每帧第二视觉图像对应有第二特征点集以及全局位姿信息；
12、第一定位模块，用于基于目标视觉图像确定当前位姿的初始定位位姿；
13、第二定位模块，用于基于初始定位位姿，将第一点云图像与预先构建的激光地图进行匹配，以确定当前位姿的目标定位位姿；其中，第一点云图像为机器人以当前位姿扫描周围环境得到的激光点云的点云图像，激光地图基于多帧第二点云图像构建。
14、第三方面，本申请提供了一种机器人，该机器人包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
15、第四方面，本申请提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
16、第五方面，本申请提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
17、本申请与现有技术相比存在的有益效果是：本申请将机器人的视觉定位和激光定位相结合，即先基于视觉定位实现初步定位，然后结合初步定位结果和激光定位实现精确定位。该方法可使机器人无需标签部署的情况下通过两步定位实现精确定位；此外，在两步定位过程中，通过初步定位结果来减少激光定位过程的计算量，还可提高定位效率。也就是说，本申请的定位方法能够高效且准确地确定机器人在当前位置的定位位姿。
18、具体地，为了实现视觉定位，机器人可采集当前位姿采集第一视觉图像。在视觉定位的过程中，为了提高视觉定位的准确性，可提取第一视觉图像中的各角点作为特征点。考虑到角点提取过程中，可能因光线不均匀等原因提取到假角点，进而导致难以通过第一视觉图像的真实特征来实现视觉定位，降低视觉定位的准确性。故此，为了提高视觉定位，可对各角点进行过滤，并将过滤后的各角点确定为第一视觉图像的各特征点，各特征点可组成第一特征点集。在得到第一特征点集后，即可从预先构建的多帧第二视觉图像中确定出与第一视觉图像匹配的目标视觉图像。其中，每帧第二视觉图像除了对应有第二特征点集外，还对应有全局位姿信息。由此，可根据目标视觉图像对应的全局位姿信息来确定当前位姿的初始定位位姿，以实现基于视觉图像的初步定位。
19、在得到视觉定位结果后，为了提高定位的准确性，可进行激光定位。为了实现激光定位，机器人在以当前位姿采集第一视觉图像的同时，可扫描周围环境得到激光点云，并基于激光点云得到第一点云图像。在激光定位过程中，是将第一点云图像与预先构建的激光地图的各第二点云图像进行匹配，从而基于对应的第二点云图像确定出当前位姿的目标定位位姿。至此，结合视觉和激光实现了两步定位，可高效且准确地得到当前位姿的目标定位位姿。
20、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
1.一种机器人的定位方法，其特征在于，包括：
2.如权利要求1所述的定位方法，其特征在于，所述将过滤后的各所述角点确定为所述第一视觉图像的第一特征点集，包括：
3.如权利要求1所述的定位方法，其特征在于，当所述当前位姿为所述机器人的开机初始位姿时，所述基于所述第一特征点集从预先构建的多帧第二视觉图像中确定与所述第一视觉图像匹配的目标视觉图像，包括：
4.如权利要求3所述的定位方法，其特征在于，所述基于各所述特征点对集对应的所述第一距离和所述第二距离从所述候选特征点集对应的所述第二视觉图像中确定所述目标视觉图像，包括：
5.如权利要求3所述的定位方法，其特征在于，所述确定各所述第二特征点集中与所述第一特征点集相似度达到阈值的候选特征点集，包括：
6.如权利要求1至5任一项所述的定位方法，其特征在于，当所述当前位姿为所述机器人处于移动过程中的位姿时，在所述基于所述第一特征点集从预先构建的多帧第二视觉图像中确定与所述第一视觉图像匹配的目标视觉图像之前，还包括：
7.如权利要求1至5任一项所述的定位方法，其特征在于，在所述提取所述机器人以当前位姿采集的第一视觉图像中的各角点之前，还包括：
8.一种机器人的定位装置，其特征在于，包括：
9.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的机器人的定位方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的机器人的定位方法。
