具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。

下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关6系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

下面结合具体的实施例对本申请进行详细说明。

其中，对于轮式机器人，其搭载的轮式里程计作为轮式机器人的定位设备，只能采集基于轮式里程计的坐标系下的X轴方向、Y轴方向、偏航角(Yaw)等位姿信息。相比轮式里程计，足式里程计可采集基于足式里程计的坐标系下的X轴方向、Y轴方向、Z轴方向、偏航角(Yaw)、翻滚角(Roll)、俯仰角(Pitch)等位姿信息，采集的信息更完整。但足式里程计在应用时因机器人受空气阻力、地面摩擦力等因素影响，所得到的实时定位出现较大误差，定位准确性不足。

基于此，本申请实施例中的一种机器人定位方法应用于机器人，所述机器人包括足式里程计以及单线激光雷达。

其中，足式里程计为足式机器人的定位设备，可以采集足式机器人的位姿信息。

单线激光雷达指激光源发出的线束为单线的激光雷达，单线激光雷达向机器人周围的物体发射探测信号(激光束),然后将反射回来的信号(回波)与发射的探测信号进行比较,作适当处理后,就可获得如方位、高度、速度、姿态、甚至形状等信息。

下面将结合附图1-附图8，对本申请实施例提供的一种机器人定位方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的机器人定位装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。

请参见图1，为本申请实施例提供了一种机器人定位方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：

S101，获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据；

时间戳是使用数字签名技术产生的数据，签名的对象包括了原始文件信息、签名参数、签名时间等信息。因此，不同的时间戳代表不同的时刻。

可通过足式里程计采集不同时间戳的位姿信息，并可通过单线激光雷达采集不同时间戳的点云数据。需要说明的是，两者的时间戳一一对应。

其中，位姿指位置与姿态，位姿信息为描述位姿的参数的具体数值，如图2所示，位姿信息包括了机器人在基于足式里程计的坐标系下的X轴方向、Y轴方向、Z轴方向、俯仰角(Pitch)、偏航角(Yaw)、翻滚角(Roll)的数值。

其中，X轴表示在三维空间中的横坐标，Y轴表示在三维空间中的纵坐标，Z轴表示在三维空间中的竖坐标。

俯仰角为在三维空间中绕X轴旋转的方向，其俯仰角的数值可表示以机器人为中心，机器人或机器人的头部向上下方向偏转的角度；偏航角在三维空间中为绕Y轴旋转的方向，其俯仰角的数值可表示以机器人为中心，机器人或机器人的头部向左右方向偏转的角度；翻滚角为在三维空间中绕Z轴旋转的方向，可表示以机器人为中心，机器人或机器人的头部向左右方向倾斜的角度。

点云数据指当单线激光雷达的一束激光照射到物体表面时，基于反射的激光生成的回波数据，其中包含方位、距离、速度、姿态、甚至形状等信息。

足式里程计采集的位姿信息以及单线激光雷达采集的点云数据都包含了对足式机器人的定位信息。

在足式机器人行走过程中，足式里程计在每一个时间戳采集位姿信息，单线激光雷达在每一个时间戳采集点云数据。获取足式里程计在上一个时间戳采集的位姿信息可以为以足式机器人在行走过程中的当前时间戳为基准，获取在当前时间戳的前一个时间戳采集的位姿信息，同时，基于当前时间戳，获取单线激光雷达在当前时间戳采集的点云数据。足式里程计采集的是在当前时间戳的位姿信息，单线激光雷达采集的是在当前时间戳的点云数据，足式里程计采集的在当前时间戳的位姿信息中的位置与单线激光雷达采集的在当前时间戳的点云数据中的位置是相同或者接近的。

需要说明的是，上一个时间戳与当前时间戳之间的时间间隔为预先设定，如间隔1s。

S102，基于所述在上一个时间戳采集的位姿信息计算在世界坐标系下所述当前时间戳的期望位置；

其中当前时间戳的期望位置为在当前时间戳下，基于上一个时间戳计算得到的机器人在世界坐标系下的理想位置，即预估位置。

具体的，当前时间戳的期望位置由在上一个时间戳采集的位姿信息中的位置对应的数值加上位置偏移量所得。如图3所示，A位置表示上一个时间戳的位姿信息中的位置，B位置表示当前时间戳的期望位置，当前时间戳的期望位置可以由上一个时间戳的位姿信息中的位置以及位置偏移量计算得到。

其中，位置偏移量为理想状态下两个时间戳之间机器人的固定位移数值，可由在机器人行走过程中任意选中的一个时间戳与此选中的时间戳的上个时间戳的位姿信息通过计算得到。例如，在本申请实施例中，可以由足式里程计在上一个时间戳采集的位姿信息与足式里程计在当前时间戳采集的位姿信息计算得到。

S103，将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系，得到变换矩阵；

采用迭代最近点(Iterative Closest Point，ICP)算法将在当前时间戳采集的点云数据以及当前时间戳的期望位置映射到世界坐标系。

其中ICP算法是基于数据配准法，利用最近点搜索法，实现点集与点集配准的方法。

通过将在当前时间戳采集的点云数据以及当前时间戳的期望位置都映射到世界坐标系，使得在当前时间戳采集的点云数据以及当前时间戳的期望位置在世界坐标系中一一对应，达到信息融合的目的。

将在当前时间戳采集的点云数据以及当前时间戳的期望位置都映射到世界坐标系后，在世界坐标系搜索点云数据中各点云的最近临近点。

最近临近点为当前时间戳的期望位置映射到世界坐标系的坐标点中，与点云数据中的位置所对应的坐标点距离最接近的坐标点。

搜索到点云数据中各点云的最近临近点后，计算点云数据中各点云与最近临近点之间的变换矩阵。

S104，基于所述变换矩阵以及所述期望位置计算在所述世界坐标系下所述当前时间戳的实际位置。

当前时间戳的期望位置是对机器人在当前时间戳下的位置进行预估的结果，并不是机器人的实际位置，又由于足式里程计采集的任意一个时间戳的位姿信息相比起单线激光雷达采集的任意一个时间戳的点云数据的误差都要大，即单线激光雷达采集的点云数据相比起足式里程计采集的位姿信息对定位的准确率更高，接近机器人的实际位置，而足式里程计采集的上一个时间戳的位姿信息加上固定的位置偏移量得到的当前时间戳的期望位置与机器人的实际位置相比误差较大，因此基于单线激光雷达采集的点云数据对当前时间戳的期望位置进行修正，变换矩阵所表述的就是单线激光雷达采集当前时间戳的点云数据中的位置与当前时间戳的期望位置之间的位置差距，因此对当前时间戳的期望位置将当前时间戳的期望位置乘以变换矩阵，将计算的结果用于对当前时间戳的期望位置进行修正，得到在世界坐标系下当前时间戳的实际位置。

在本申请实施例中，获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据，基于所述在上一个时间戳采集的位姿信息计算在世界坐标系下所述当前时间戳的期望位置，将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系下，得到变换矩阵，基于所述变换矩阵以及所述期望位置计算在所述世界坐标下所述当前时间戳的实际位置。采用此方法修正在世界坐标系下当前时间戳的期望位置，得到修正后的当前时间戳的期望位置，即可得到当前时间戳的实际位置，完成对机器人的实时定位，提高机器人定位的准确率。

请参见图4，为本申请实施例提供的一种机器人定位方法的流程示意图。如图4所示，该机器人定位方法可以包括以下步骤：

S201，获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据；

获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据的过程同S101。

因足式里程计以及单线激光雷达都为可实现机器人进行定位的装置，在同一个时间戳时，足式里程计采集的位姿信息中的位置与单线激光雷达采集的点云数据中的位置表达了相近的定位，都可作为判断机器人当前定位的数据。

S202，获取所述足式里程计在所述当前时间戳采集的位姿信息；

基于所述在上一个时间戳采集的位姿信息以及所述在当前时间戳采集的位姿信息，得到所述足式里程计在所述上一个时间戳与所述当前时间戳之间的位置偏移量；

当前时间戳可以为第一个时间戳，也可以为机器人在行走过程中任意选取的其他时间戳，获取足式里程计在当前时间戳采集的位姿信息中的当前时间戳与单线激光雷达采集的当前时间戳的点云数据中的当前时间戳为同一个时间戳。

位置偏移量可以基于相邻的两个时间戳的位姿信息获得。例如，当在上一个时间戳采集的位姿信息为T1，在当前时间戳采集的位姿信息为T2，则上一个时间戳与当前时间戳之间的位置偏移量上一个时间戳与当前时间戳之间的位置偏移量的计算公式如下：

S203，基于所述在上一个时间戳采集的位姿信息以及所述位置偏移量，计算在世界坐标系下所述当前时间戳的期望位置；

具体的，将在上一个时间戳采集的位姿信息，加上上一个时间戳与当前时间戳之间的位置偏移量，得到世界坐标系下当前时间戳的期望位置。

当前时间戳的期望位置为对当前时间戳机器人的理想状态下的位置进行预估的结果，并不是足式里程计采集的当前时间戳的位姿信息中的位置，也不是机器人在当前时间戳的实际位置。

S204，将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系；在所述世界坐标系搜索所述点云数据中各点云的最近临近点；

将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系，生成栅格地图。其中，栅格地图采用的坐标系即为世界坐标系。

其中栅格地图又称光栅图像，是指在空间和亮度上都已经离散化了的图像。基于在当前时间戳采集的点云数据以及当前时间戳的期望位置映射到世界坐标系得到的栅格地图，其包含在当前时间戳采集的点云数据的位置以及当前时间戳的期望位置在世界坐标系下的具体坐标信息。

栅格地图的具体建图过程为对当前时间戳采集的点云数据以及当前时间戳的期望位置进行回环检测，其中，进行回环检测的方式有多种，例如基于图优化的同步定位与建图(Simultaneous Localization and Mapping，SLAM)算法、词袋模型、相似度计算、深度学习等。当检测到回环，则可通过奇异值分解(Singular Value Decomposition，SVD)算法或非线性优化方法对在世界坐标系下的点云数据以及位姿信息产生的运动轨迹进行优化，得到优化后的运动轨迹，下面以SVD算法进行优化的过程为例进行说明。

给两个点集(例如单线激光雷达采集的点云数据以及当前时间戳的期望位置)：

X＝{X1，X2，X3，X4,X5....-Xnx}

P＝{P1，P2，P3，P4，P5....-Pnx}

找一个欧式变换R，t，使得：

Xi＝Rpi+t求解R，t，使得误差函数最小：

计算两组点的质心位置：

计算每个点的去质心坐标：

X′＝{Xi-ux}＝{Xi′}

X′＝{Xi-ux}＝{Xi′}

推导目标函数：

其中2(Xi-ux-R(pi-up))^T(ux-Rup-t)积分求和为0，故上述的公式可以简化为：

故优化目标函数变为：

观察此优化目标函数，其中||(Xi-Ux-R(pi-up))||²只和旋转矩阵R有关，而||(Ux-Rup-t)||²和R与t相关，只要求的R，就可以令第二项为0，求得平移矩阵t，所以实际的优化目标函数如下：

可以简化为：

令经过SVD分解，其中为奇异值组成对角矩阵，对角线元素从大到小排列，而U和V为对角矩阵，当W满秩时，旋转矩阵R为：

R＝UV^T

则平移矩阵t为：

t＝ux-Rup

基于优化后的运动轨迹生成栅格地图。

基于生成的栅格地图，搜索点云数据中各点云的最近临近点。

单线激光雷达采集的点云数据与基于足式里程计采集的位姿信息相比，单线激光雷达采集的点云数据的准确率更高，将当前时间戳采集的点云数据映射到世界坐标系时，跟当前时间戳的期望位置有一定位置偏差，并不会坐落在世界坐标系的同一个坐标点，因此搜索单线激光雷达采集的点云数据中各点云的最近临近点，以便后续基于单线激光雷达采集的点云数据中各点云对世界坐标系下当前时间戳的期望位置进行修正。

具体的，生成的栅格地图为将在当前时间戳采集的点云数据映射到世界坐标系，基于点云数据中各点云中的位置，得到在世界坐标系下，点云数据中各点云对应的坐标点，并将当前时间戳的期望位置映射到世界坐标系，基于当前时间戳的期望位置，得到当前时间戳的期望位置在世界坐标系下对应的坐标点，在世界坐标系下，搜索与各点云对应的坐标点最接近的当前时间戳的期望位置在世界坐标系下对应的坐标点，此当前时间戳的期望位置在世界坐标系下对应的坐标点即为最近临近点。计算点云数据中各点云对应的坐标点以及点云数据中各点云的最近临近点之间的变换矩阵。

S205，计算所述点云数据中各点云与所述最近临近点之间的变换矩阵；

计算点云数据中各点云与最近临近点之间的变换矩阵可以采用近K搜索(NearestK Search)算法计算点云数据中各点云与最近临近点之间的变换矩阵。其中，Nearest KSearch为开源库PCL中的算法。

变换矩阵表示的是点云数据中各点云与各点云的最近临近点之间的位置差距，因此基于变换矩阵可以了解到点云数据中各点云与各点云的最近临近点的坐标偏移程度、基于足式里程计采集的位姿信息的误差。

S206，将所述期望位置乘以所述变换矩阵，得到所述世界坐标系下所述当前时间戳的实际位置。

将当前时间戳的期望位置乘以变换矩阵，将计算的结果用于对当前时间戳的期望位置进行修正，得到世界坐标系下当前时间戳的实际位置，完成对机器人的实时定位。

具体的，在下一个时间戳，则获取足式里程计在当前时间戳采集的位姿信息，并获取单线激光雷达在下一个时间戳采集的点云数据，基于当前时间戳采集的位姿信息以及位置偏移量，计算在世界坐标系下下一个时间戳的期望位置，对在世界坐标系下下一个时间戳的期望位置进行修正，得到世界坐标系下下一个时间戳的实际位置，在每个时间戳都采用此方法对足式机器人在世界坐标系下所在的时间戳的期望位置进行修正，完成对机器人在行走过程中的实时定位。

在本申请实施例中，获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据，获取所述足式里程计在所述当前时间戳采集的位姿信息，基于所述在上一个时间戳采集的位姿信息以及所述位置偏移量，计算在世界坐标系下所述当前时间戳的期望位置，将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系，在所述世界坐标系搜索所述点云数据中各点云的最近临近点，计算所述点云数据中各点云与所述最近临近点之间的变换矩阵，将所述期望位置乘以所述变换矩阵，得到所述世界坐标系下所述当前时间戳的实际位置。采用此方法修正在世界坐标系下当前时间戳的期望位置，得到修正后的当前时间戳的期望位置，即可得到当前时间戳的实际位置，完成对机器人的实时定位，提高机器人定位的准确率。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

请参见图5，其示出了本申请一个示例性实施例提供的机器人定位装置的结构示意图。该机器人定位装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括数据获取模块11、期望位置计算模块12以及变换矩阵计算模块13、实际位置计算模块14。

数据获取模块11，用于获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据；

期望位置计算模块12，用于基于所述在上一个时间戳采集的位姿信息计算在世界坐标系下所述当前时间戳的期望位置；

变换矩阵计算模块13，用于将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系下，得到变换矩阵；

实际位置计算模块14，用于基于所述变换矩阵以及所述期望位置计算在所述世界坐标系下所述当前时间戳的实际位置。

可选的，如图6所示，所述期望位置计算模块12，包括：

当前位姿获取单元121，用于获取所述足式里程计在所述当前时间戳采集的位姿信息；

偏移量计算单元122，用于基于所述在上一个时间戳采集的位姿信息以及所述在当前时间戳采集的位姿信息，得到所述足式里程计在所述上一个时间戳与所述当前时间戳之间的位置偏移量；

期望位置计算单元123，用于基于所述在上一个时间戳采集的位姿信息以及所述位置偏移量，计算在世界坐标系下所述当前时间戳的期望位置。

可选的，所述偏移量计算单元，具体用于：

其中，所述T1为所述在上一个时间戳采集的位姿信息；

所述T2为所述在当前时间戳采集的位姿信息；

所述Tx为所述上一个时间戳与所述当前时间戳之间的位置偏移量。

可选的，如图7所示，所述变换矩阵计算模块13，包括:

数据映射单元131，用于将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系；

最近临近点搜索单元132，用于在所述世界坐标系上搜索所述点云数据中各点云的最近临近点；

变换矩阵计算单元133，用于计算所述点云数据中各点云与所述最近临近点之间的变换矩阵。

可选的，所述变换矩阵计算单元，具体用于采用近K搜索算法计算所述点云数据中各点云与所述最近临近点之间的变换矩阵。

可选的，所述实际位置计算模块，具体用于将所述期望位置乘以所述变换矩阵，得到所述世界坐标系下所述当前时间戳的实际位置。

在本申请实施例中，在本申请实施例中，获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据，获取所述足式里程计在所述当前时间戳采集的位姿信息，基于所述在上一个时间戳采集的位姿信息以及所述位置偏移量，计算在世界坐标系下所述当前时间戳的期望位置，将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系，在所述世界坐标系搜索所述点云数据中各点云的最近临近点，计算所述点云数据中各点云与所述最近临近点之间的变换矩阵，将所述期望位置乘以所述变换矩阵，得到所述世界坐标系下所述当前时间戳的实际位置。采用此方法修正在世界坐标系下当前时间戳的期望位置，得到修正后的当前时间戳的期望位置，即可得到当前时间戳的实际位置，完成对机器人的实时定位，提高机器人定位的准确率。

需要说明的是，上述实施例提供的机器人定位装置在执行机器人定位方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的机器人定位装置与机器人定位方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1-图4所示实施例的方法步骤，具体执行过程可以参见图1-图4所示实施例的具体说明，在此不进行赘述。

本申请还提供了一种机器人，该机器人存储有至少一条指令，所述至少一条指令由所述处理器加载并执行如上述图1-图4所示实施例的方法步骤，具体执行过程可以参见图1-图4所示实施例的具体说明，在此不进行赘述。

请参见图8，为本申请实施例提供了一种机器人的结构示意图。如图8所示，所述机器人1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。

其中，通信总线1002用于实现这些组件之间的连接通信。

其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。

其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。

其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(DigitalSignalProcessing，DSP)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)、可编程逻辑阵列(ProgrammableLogicArray，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(CentralProcessingUnit，CPU)、图像处理器(GraphicsProcessingUnit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。

其中，存储器1005可以包括随机存储器(RandomAccessMemory，RAM)，也可以包括只读存储器(Read-OnlyMemory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitorycomputer-readablestoragemedium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及机器人定位应用程序。

在图8所示的移动终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的生成机器人定位应用程序，并具体执行以下操作：

获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据；

基于所述在上一个时间戳采集的位姿信息计算在世界坐标系下所述当前时间戳的期望位置；

将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系，得到变换矩阵；

基于所述变换矩阵以及所述期望位置计算在所述世界坐标系下所述当前时间戳的实际位置。

在一个实施例中，所述处理器1001在执行基于所述在上一个时间戳采集的位姿信息计算在世界坐标系下所述当前时间戳的期望位置时，具体执行以下操作：

获取所述足式里程计在所述当前时间戳采集的位姿信息；

基于所述在上一个时间戳采集的位姿信息以及所述在当前时间戳采集的位姿信息，得到所述足式里程计在所述上一个时间戳与所述当前时间戳之间的位置偏移量；

基于所述在上一个时间戳采集的位姿信息以及所述位置偏移量，计算在世界坐标系下所述当前时间戳的期望位置。

在一个实施例中，所述处理器1001在执行基于所述在上一个时间戳采集的位姿信息以及所述在当前时间戳采集的位姿信息，得到所述足式里程计在所述上一个时间戳与所述当前时间戳之间的位置偏移量时，具体执行以下操作：

位置偏移量

其中，所述T1为所述在上一个时间戳采集的位姿信息；

所述T2为所述在当前时间戳采集的位姿信息；

所述Tx为所述上一个时间戳与所述当前时间戳之间的位置偏移量。

在一个实施例中，所述处理器1001所述将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系，得到变换矩阵时，具体执行以下操作：

将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系；

在所述世界坐标系搜索所述点云数据中各点云的最近临近点；

计算所述点云数据中各点云与所述最近临近点之间的变换矩阵。

在一个实施例中，所述处理器1001在执行计算所述点云数据中各点云与所述最近临近点之间的变换矩阵时，具体执行以下操作：

采用近K搜索算法计算所述点云数据中各点云与所述最近临近点之间的变换矩阵。

在一个实施例中，所述处理器1001在执行基于所述变换矩阵以及所述期望位置计算在所述世界坐标系下所述当前时间戳的实际位置时，具体执行以下操作：

将所述期望位置乘以所述变换矩阵，得到所述世界坐标系下所述当前时间戳的实际位置。

在本申请实施例中，在本申请实施例中，获取所述足式里程计在上一个时间戳采集的位姿信息，并获取所述单线激光雷达在当前时间戳采集的点云数据，获取所述足式里程计在所述当前时间戳采集的位姿信息，基于所述在上一个时间戳采集的位姿信息以及所述位置偏移量，计算在世界坐标系下所述当前时间戳的期望位置，将所述在当前时间戳采集的点云数据以及所述当前时间戳的期望位置映射到所述世界坐标系，在所述世界坐标系搜索所述点云数据中各点云的最近临近点，计算所述点云数据中各点云与所述最近临近点之间的变换矩阵，将所述期望位置乘以所述变换矩阵，得到所述世界坐标系下所述当前时间戳的实际位置。采用此方法修正在世界坐标系下当前时间戳的期望位置，得到修正后的当前时间戳的期望位置，即可得到当前时间戳的实际位置，完成对机器人的实时定位，提高机器人定位的准确率。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。

以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。