本发明涉及定位，尤其涉及一种机器人重定位方法、装置、设备和存储介质。
背景技术：
1、随着科学技术的发展以及人们生活水平的提高，机器人已经逐渐进入人们的生活，为人类提供各种人性化服务，机器人的工作环境比较复杂，因此在复杂环境中的自主与智能定位是机器人为人类提供高质量服务的前提。但是，现有机器人常发生定位失败现象，现有方法主要采用基于路标或者多传感器融合的方法进行已知环境下的机器人重定位工作。
2、基于路标的重定位方法主要是在环境中以二维码或预先已知的环境独特信息进行重定位，但此种方法需要对环境进行预处理，如粘贴二维码等，或需要糅合环境中的先验知识，例如环境中路由器等的位置信息，对算法需要进行定制化改造，限制着算法的普适性，通用性不高。基于多传感器融合的重定位方法通常采用视觉信息融合激光雷达信息，视觉信息提供环境的语义信息，但面对极度相似的场景，语义信息的帮助也微乎其微，导致定位不够准确，且多种传感器的信息处理需要占用大量的计算资源。
技术实现思路
1、本发明实施例的目的是提供一种机器人重定位方法、装置、设备和存储介质，通过定位成功的机器人作为移动路标，实现机器人的信息互补，协助定位失败的机器人完成重定位工作，通用性高、定位准确，以及无需采集多种传感器的数据信息，不会占用大量的计算资源。
2、为实现上述目的，本发明实施例提供了一种机器人重定位方法，包括：
3、当检测到在测量环境中的若干个机器人中存在定位失败的异常机器人时，控制异常机器人与正常机器人进行信号测距；
4、获取至少一个目标正常机器人的测距范围；其中，所述目标正常机器人为检测到所述异常机器人的正常机器人；
5、根据至少一个所述测距范围生成所述异常机器人的定位区域；
6、将所述定位区域与预设的匹配库进行定位数据匹配，得到所述异常机器人的位置坐标。
7、作为上述方案的改进，所述将所述定位区域与预设的匹配库进行定位数据匹配，得到所述异常机器人的位置坐标，包括：
8、按照预设的匹配库在所述定位区域获取对应的预测定位点；
9、将所述异常机器人采集的实时雷达数据与每一所述预测定位点采集的理想雷达数据进行相似度比对，得到相似度值；
10、获取相似度值最高的预测定位点的位置坐标为所述异常机器人的位置坐标。
11、作为上述方案的改进，所述根据至少一个所述测距范围生成所述异常机器人的定位区域，包括：
12、当至少两个目标正常机器人检测到同一异常机器人时，获取至少两个目标正常机器人的测距范围的交点坐标，并根据至少两个交点坐标生成所述异常机器人的定位区域。
13、作为上述方案的改进，所述根据至少两个交点坐标生成定位区域，包括：
14、根据至少两个交点坐标生成最小外接圆，以所述最小外接圆为所述异常机器人的定位区域。
15、作为上述方案的改进，所述根据至少一个所述测距范围生成所述异常机器人的定位区域，包括：
16、当只有一个目标正常机器人检测到异常机器人时，以所述目标正常机器人的测距范围为所述异常机器人的定位区域。
17、作为上述方案的改进，所述匹配库的生成方法包括：
18、构建测量环境的地图，并将所述地图输入到仿真软件中，以使所述仿真软件控制模拟机器人按照预设的定位精度生成若干个预测定位点的理想雷达数据；
19、根据若干个预测定位点的理想雷达数据构建匹配库。
20、作为上述方案的改进，在检测到在待定位环境中的若干个机器人中存在定位失败的异常机器人前，所述方法还包括：
21、接收在测量环境中的若干个机器人发送的定位数据；其中，所述定位数据包括定位位置信息和定位失败信息；
22、检测到所述定位数据中存在定位失败信息时，判定在测量环境中的若干个机器人中存在定位失败的异常机器人。
23、为实现上述目的，本发明实施例还提供了一种机器人重定位装置，包括：
24、信号测距模块，用于当检测到在测量环境中的若干个机器人中存在定位失败的异常机器人时，控制异常机器人与正常机器人进行信号测距；
25、测距范围获取模块，用于获取至少一个目标正常机器人的测距范围；其中，所述目标正常机器人为检测到所述异常机器人的正常机器人；
26、粗略定位模块，用于根据至少一个所述测距范围生成所述异常机器人的定位区域；
27、精确定位模块，用于将所述定位区域与预设的匹配库进行定位数据匹配，得到所述异常机器人的位置坐标。
28、为实现上述目的，本发明实施例还提供了一种机器人重定位设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的机器人重定位方法。
29、为实现上述目的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一实施例所述的机器人重定位方法。
30、相比于现有技术，本发明公开的机器人重定位方法、装置、设备和存储介质，若某台机器人自身定位丢失时，启动异常机器人与正常机器人的信号测距，其余定位成功的正常机器人可根据测距数据实现定位失败的异常机器人的重定位工作。在重定位过程中，首先获取检测到异常机器人的至少一个正常机器人的测距范围，然后基于这一测距范围生成定位区域，能够得知异常机器人处于这一定位区域中，完成粗略定位过程；然后再将定位区域与匹配库进行定位数据匹配，得到异常机器人的位置坐标，完成精确定位过程。能够实现机器人的信息互补，协助定位失败机器人完成重定位工作，通用性高、定位准确，以及无需采集多种传感器的数据信息，不会占用大量的计算资源。
1.一种机器人重定位方法，其特征在于，包括：
2.如权利要求1所述的机器人重定位方法，其特征在于，所述将所述定位区域与预设的匹配库进行定位数据匹配，得到所述异常机器人的位置坐标，包括：
3.如权利要求1所述的机器人重定位方法，其特征在于，所述根据至少一个所述测距范围生成所述异常机器人的定位区域，包括：
4.如权利要求3所述的机器人重定位方法，其特征在于，所述根据至少两个交点坐标生成所述异常机器人的定位区域，包括：
5.如权利要求1所述的机器人重定位方法，其特征在于，所述根据至少一个所述测距范围生成所述异常机器人的定位区域，包括：
6.如权利要求1所述的机器人重定位方法，其特征在于，所述匹配库的生成方法包括：
7.如权利要求1所述的机器人重定位方法，其特征在于，在检测到在待定位环境中的若干个机器人中存在定位失败的异常机器人前，所述方法还包括：
8.一种机器人重定位装置，其特征在于，包括：
9.一种机器人重定位设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，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中任意一项所述的机器人重定位方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的机器人重定位方法。
