CN105973246A - 一种地磁地图的绘制方法、装置及机器人 - Google Patents

Abstract

本发明公开了一种地磁地图的绘制方法、装置及机器人，其中，该方法包括：在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据；通过自然邻点差值法将地磁数据与基准地磁地图融合，以对地磁地图进行重构；通过Hausdorff度量方式对重构后的地磁地图中的多个网格状区域对应的点集进行匹配，以找到每个点集中最小的Hausdorff值点；将所有最小的Hausdorff值点对应的位置与重构后的地磁地图融合，以完成地磁地图的绘制。本发明在预置的基准地磁地图中运动，再通两次精细的地图重构过程，将原有基准地磁地图更加精细，精度较高，解决了现有技术中的问题。

Description

一种地磁地图的绘制方法、装置及机器人

技术领域

本发明涉及地图绘制领域，特别是涉及一种地磁地图的绘制方法、装置及机器人。

背景技术

现有技术中，在地磁与地图匹配的过程中，通常都是将地磁与地图匹配成功后，就生成了地磁地图，然后就使用该地磁地图来实现不同的目的，然而，现有技术中地磁地图其匹配过程粗糙，精度较低，使用时会存在较大误差，使用体验较差。

发明内容

本发明提供一种地磁地图的绘制方法、装置及机器人，用以解决现有技术中地磁地图其匹配过程粗糙，精度较低，使用时会存在较大误差，使用体验较差的问题。

为解决上述技术问题，一方面，本发明提供一种地磁地图的绘制方法，包括：在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据；通过自然邻点差值法将所述地磁数据与所述基准地磁地图融合，以对所述地磁地图进行重构；通过Hausdorff度量方式对重构后的地磁地图中的所述多个网格状区域对应的点集进行匹配，以找到每个点集中最小的Hausdorff值点；将所有最小的Hausdorff值点对应的位置与所述重构后的地磁地图融合，以完成地磁地图的绘制。

进一步，在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据之前，还包括：基于待测区域的平面地图，进行二维平面坐标制定，以得到具有多个网格的网格状地图；获取地磁图数据，并将所述地磁图数据与所述地图进行对应，以得到所述预置的基准地磁地图。

进一步，基于待测区域的平面地图，进行二维平面坐标制定，以得到具有多个网格的网格状地图，包括：根据预定的RSSI算法对所述待测区域的平面地图进行位置区域划定；将划定位置区域的平面地图进行二维平面坐标制定，以得到具有多个网格的网格状地图。

进一步，通过自然邻点差值法将所述地磁数据与所述基准地磁地图融合，以对所述地磁地图进行重构，包括：通过Hausdorff度量方式将所述地磁数据与所述基准地磁地图进行匹配；通过自然邻点差值法将匹配的地磁数据与所述基准地磁地图进行融合，以对所述地磁地图进行重构。

另一方面，本发明提供一种地磁地图的绘制装置，包括：获取模块，用于在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据；重构模块，用于通过自然邻点差值法将所述地磁数据与所述基准地磁地图融合，以对所述地磁地图进行重构；匹配模块，用于通过Hausdorff度量方式对重构后的地磁地图中的所述多个网格状区域对应的点集进行匹配，以找到每个点集中最小的Hausdorff值点；绘制模块，用于将所有最小的Hausdorff值点对应的位置与所述重构后的地磁地图融合，以完成地磁地图的绘制。

进一步，还包括：第一生成模块，用于基于待测区域的平面地图，进行二维平面坐标制定，以得到具有多个网格的网格状地图；第二生成模块，用于获取地磁图数据，并将所述地磁图数据与所述地图进行对应，以得到所述预置的基准地磁地图。

进一步，所述第一生成模块包括：确定单元，用于根据预定的RSSI算法对所述待测区域的平面地图进行位置区域划定；生成单元，用于将划定位置区域的平面地图进行二维平面坐标制定，以得到具有多个网格的网格状地图。

进一步，所述重构模块包括：匹配单元，用于通过Hausdorff度量方式将所述地磁数据与所述基准地磁地图进行匹配；重构单元，用于通过自然邻点差值法将匹配的地磁数据与所述基准地磁地图进行融合，以对所述地磁地图进行重构。

另一方面，本发明提供一种机器人，包括：上述的地磁地图的绘制装置。

本发明在预置的基准地磁地图中运动，再通两次精细的地图重构过程，将原有基准地磁地图更加精细，精度较高，解决了现有技术中地磁地图其匹配过程粗糙，精度较低，使用时会存在较大误差，使用体验较差的问题。

附图说明

图1是本发明实施例中地磁地图的绘制方法的流程图；

图2是本发明实施例中地磁地图的绘制装置的结构示意图；

图3是本发明实施例中地磁地图的绘制装置的优选结构示意图；

图4是本发明实施例中地磁地图的绘制装置第一生成模块的结构示意图；

图5是本发明实施例中地磁地图的绘制装置重构模块的结构示意图。

具体实施方式

为了解决现有技术中地磁地图其匹配过程粗糙，精度较低，使用时会存在较大误差，使用体验较差的问题，本发明提供了一种地磁地图的绘制方法、装置及机器人，以下结合附图以及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。

本发明实施例一种地磁地图的绘制方法，该方法的流程如图1所示，包括步骤S102至S108：

S102，在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据；

S104，通过自然邻点差值法将地磁数据与基准地磁地图融合，以对地磁地图进行重构；

S106，通过Hausdorff度量方式对重构后的地磁地图中的多个网格状区域对应的点集进行匹配，以找到每个点集中最小的Hausdorff值点；

S108，将所有最小的Hausdorff值点对应的位置与重构后的地磁地图融合，以完成地磁地图的绘制。

本发明实施例在预置的基准地磁地图中运动，再通两次精细的地图重构过程，将原有基准地磁地图更加精细，精度较高，解决了现有技术中地磁地图其匹配过程粗糙，精度较低，使用时会存在较大误差，使用体验较差的问题。

在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据之前，还可以先构建预置的基准地磁地图，即基于待测区域的平面地图，进行二维平面坐标制定，以得到具有多个网格的网格状地图；获取地磁图数据，并将地磁图数据与地图进行对应，以得到预置的基准地磁地图。

基于待测区域的平面地图进行二维平面坐标制定时，具体可以根据预定的RSSI算法对待测区域的平面地图进行位置区域划定，再将划定位置区域的平面地图进行二维平面坐标制定，以得到具有多个网格的网格状地图。

通过自然邻点差值法将地磁数据与基准地磁地图融合，以对地磁地图进行重构时，具体可以通过Hausdorff度量方式将地磁数据与基准地磁地图进行匹配，再通过自然邻点差值法将匹配的地磁数据与基准地磁地图进行融合，以对地磁地图进行重构。

本发明实施例还提供了一种地磁地图的绘制装置，该装置的结构示意如图2所示，包括：获取模块10，用于在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据；重构模块20，与获取模块10耦合，用于通过自然邻点差值法将地磁数据与基准地磁地图融合，以对地磁地图进行重构；匹配模块30，与重构模块20耦合，用于通过Hausdorff度量方式对重构后的地磁地图中的多个网格状区域对应的点集进行匹配，以找到每个点集中最小的Hausdorff值点；绘制模块40，与匹配模块30耦合，用于将所有最小的Hausdorff值点对应的位置与重构后的地磁地图融合，以完成地磁地图的绘制。

上述绘制装置还可以如图3所示，在图2的基础上，进一步包括：第一生成模块50，用于基于待测区域的平面地图，进行二维平面坐标制定，以得到具有多个网格的网格状地图；第二生成模块60，与第一生成模块50和获取模块10耦合，用于获取地磁图数据，并将地磁图数据与地图进行对应，以得到预置的基准地磁地图。

图4示出了上述第一生成模块50的结构示意图，其包括：确定单元501，用于根据预定的RSSI算法对待测区域的平面地图进行位置区域划定；生成单元502，与确定单元501耦合，用于将划定位置区域的平面地图进行二维平面坐标制定，以得到具有多个网格的网格状地图。

图5示出了上述重构模块20的结构示意图，其包括：匹配单元201，用于通过Hausdorff度量方式将地磁数据与基准地磁地图进行匹配；重构单元202，与匹配单元201耦合，用于通过自然邻点差值法将匹配的地磁数据与基准地磁地图进行融合，以对地磁地图进行重构。

本发明实施例还提供了一种机器人，其包括上述的地磁地图的绘制装置。本领域技术人员根据上述记载，知晓如何将上述装置设置在机器人中，此处不再赘述。

优选实施例

本发明实施例提出了一种利用室内地磁场的空间波动来实现即时定位以进行地磁地图绘制的方法。为了能增加定位精度和减少计算量，依据地磁场传感器能够测量地磁3个正交方向上的分量和不同的权重计算方式，改进了粒子滤波算法，并结合分形法对地磁地图进行更新。在定位阶段，利用改进的粒子滤波来估计携带有传感器的机器人的位置，算法的收敛速度每次可以加快0.5s和定位误差约减少3.5m；在构造地图阶段，利用分形空间插值法来实现的空间波动地磁地图的更新较其他插值算法更灵活，且经过插值后的地图更有助于提高机器人的定位精度。

本发明实施例涉及室内定位这样一个新的应用领域，利用网络技术和智能终端的传感器作为辅助，使得最终实现精准的室内位置信息获取成为了可能。

目前主流的室内定位技术都是基于无线信号定位技术通过不同的数学估计模型最终实现位置预估。由于基于无线信号的定位技术完全依赖定位场景中的无线信号特征，然而在传输过程中无线信号易受到环境的干扰，加上定位算法最终需要通过概率估计模型进行估算，导致使用无线信号定位算法进行位置估计的最终结果精度和误差较大，而且结果会发生漂移。若需提高算法精度，则需要加大对定位环境中无线节点硬件的投入，这样势必会导致成本过高，而无法大规模部署使用。陀螺仪、地磁传感器、重力传感器等一系列高端的高技术水平设备，由于智能终端的发展应用和MEMS传感器的进步而得以广泛应用，为了完成辅助定位的功能，上述的传感器可以对某个移动节点状态以及外界特性进行精确的反应。

本发明实施例虑到了无线信号定位的优点和缺点，在定位过程中同时融合使用周围环境信息(如地磁场信息)和使用运动状态信息(如加速度信息)进行协同定位，通过室内机器人(或人)所处位置的地磁场与无线信号特征来计算其位置坐标，利用了无线信号的便捷性，同时利用地磁场特征定位，无需硬件部署的低成本，使用地磁场定位的高精度弥补无线信号定位的高误差。

本发明实施例首先介绍了地磁图技术的重要性，以及在地磁定位算法中的意义；然后介绍了地磁图重构的插值方法，为了能够提高算法的定位精度，使用了空间插值的方法。综合各个插值算法的特点，在本实施例中根据算法的特点选用自然邻点插值法，然后，分析了所得结果。本实施例还介绍了Hausdorff度量，介绍了怎样在地磁匹配算法中引入Hausdorff相关度。随后，本实施例介绍了整体的融合算法，完整地阐述了如何将RSSI的改进算法和地磁匹配算法进行融合，对其可行性和原理做了概述，并就具体实现步骤和操作方法进行了详细的说明。

在整个算法的实现过程中，分步优化的思路贯穿始终，从使用RSSI定位算法确定粗区域到使用地磁进行精细区域的定位。在地磁匹配步骤中，基于Hausdorff距离度量进行搜索匹配时，由粗到精的逐步优化，缩小定位预估位置范围，提高精度的同时兼顾了算法的效率和稳定性。

以地磁场特征为定位基础和基于RSSI的定位方法是本实施例的重点内容。本实施例采用了针对载体运动状态辅助的RSSI定位方法。同时，由于RSSI定位方法的粗精度，最高为3m，无法满足实际中室内定位的需求。在这样的需求下，我们使用了地磁场的特征值作为定位基准数据，利用了在建筑物内各处的地磁场异常场的强度的特异性，并采用了Hausdorff距离作为相关度的指标，由粗到精的匹配确切区域，从而能够高效地实现局精度的室内定位。

本实施例应用了基于运动状态的RSSI定位算法，充分利用载体探测传感器，捕获RSSI数据以及运动状态数据，并利用该算法快速定位一个粗区域，便于进一步的进行地磁场特征值匹配定位。对于地磁场定位，本实施例使用Hausdorff距离的相关度匹配方法，分步对粗区域进行进一步的精确定位。在分布定位过程中，同时使用了RSSI定位算法使用的运动状态数据，有倾向性的优先校验预测运动方向上的磁场数值，进一步提高匹配效率。在第二阶段的精确匹配搜索过程中，使用了地磁场图重构技术，使用自然邻点插值方式，对粗的地磁场图进行合理的精密化，提高定位的准确性。

对于本实施例所述的定位算法，涉及两类数据，一类是随着运动节点位移而非线性变化的RSSI值和运动过程中实时的瞬时运动加速度，另一类是静态测量值。考虑到RSSI的非线性变化，由于无线信号受环境的影响较大，容易产生噪声，所以选用中值滤波模型进行滤波处理。通过中值滤波模型对某一位置及其附近位置采样多个RSSI数值，通过滤波，得到接近真实状态的数值作为计算结果，将RSSI的数值跳变造成的影响降低到最低限度，使得采集样本资料的精确度得以提升。中值滤波可以对噪声进行抑制，以排序统计理论为依据，将数字系列内的一点数值通过此点以区域内诸多点值的中值来替代，使得周边数值与实际数值相接近，使得独立噪声节点得以消除。根据中值滤波模型采集多组RSSI值，使用滤波算法后将结果值通过线性回归估计，计算出接近真实的参数。

由于滤波需求较高的样本容量，但是在实时的运动过程中无法捕获如此大量的样本，即使捕获到足够的样本，同时也会大大增加处理数据的开销。考虑到实时运动的低速和稳定性，在处理运动数据时，选择采用平均值滤波模型。

在定位算法中，因为需要使用均值，所以在第一次捕获数据之后，将多个连续时间段的取值进行二次分组，在产生的新数据组内进行均值处理，最终定位时使用均值化的结果作为定位的依据和样本。在实验环境中，对运动节点状态，接收到的RSSI值以及源信标节点属性的捕获，并通过上述的平均值滤波模型处理得到最终结果，包括距离最近的信标节点的距离d，位移元组以及运动节点的位移方向角度a。最后将运动节点所处区域进行估算。

基于上文的RSSI测距模型和运动预测模型，从运动目标携带无线信号接收器和运动传感器在环境中运动开始，期间信号接收器和传感器捕获和传输数据，最终通过运算得到相关最终的定位结果，这整个过程按如下所述的步骤进行：

(1)可携带传感设备周期性地从周围环境中读取有关节点的无线信号，每一次获取都只记录信号最强的无线信标节点信号，此信号具体需要记录的内容包括时间戳，信标节点硬件地址与信号强度。

(2)传感设备在信号捕获的每一个周期中同时捕获运动目标的实时运动状态，每一次获取都通过加速传感器捕获运动平面内两个垂直方向的瞬时加速度，把获取的内容用下面的元组形式表示出来(时间戳，ax，ay)。

(3)将捕获的无线信号数据和传感设备数据二次分组，对每一个新分组内的样本，使用均值滤波，得到每个时刻的滤波后的RSSI数据。

(4)通过运动定位模型所述的方式，计算出二次分组时间段内的运动节点位移(Sx，Sy)，以及在该时间段内的实际位移长度和运动位移角度。

(5)以RSSI模型为依据，将它和相邻无线信号信标节点的距离d计算出来。

(6)根据信标节点的硬件地址，找到对应信标的位置坐标(x，y),综合(4)(5)中计算出的S和a，可以根据融合的定位模型计算出运动节点的当前位置(x1，y1)和(x2，y2)。

(7)根据所述定位模型，最终通过实时位移角度α，取得最为接近实际预测情况的节点位置。

对于地磁定位技术，地磁场在地球所有的磁场中还包括地磁三分量、地磁总场以及磁偏角等方面的数据信息，这些参数信息数据都能量化地表现出每一个空间点处的地磁场特征，为基于地磁信息匹配的定位导航算法提供了可能。

地磁导航指的是：根据地磁图所具备的特征，及时匹配当地测量磁信息，并进行准确定位，然后基于此，估计出载体的大概位置。地磁场作为一种矢量场，其具有方向性、高强度等特征。任意矢量场都能够与其周围的近地空间环境形成一个矢量场空间，并且该空间具有唯一性特征，与其他点及其周边的矢量场都不同，且与环境位置高度关联。由于磁场会受到来自金属等材料的影响，所以现代建筑中常用的钢筋结构势必会对建筑内局部的地磁场产生干扰。也正因为这一种地磁场的异常扰乱，室内的每一点(包括不同楼层)及其周围的环境是独一无二的。从原理上说，在非均勾的磁场环境中移动，在不同的移动路径上，会产生截然不同的磁场观测结果。基于这样的特性分析地磁场理论，则可以设计并建立出用于室内定位和导航的地磁场模型，并找到最适合定位的特征值。因此，理论上通过精确测量空间中某点的具体地磁场数据信息，并以此作为特征依据进行定位是可行的。

实现时，B表示磁场矢量，r表示位置，t表示时间，同时地磁场总矢量由二个主要矢量构成，它们的来源分别为：Bm地核主磁场、Br地壳异磁场以及由磁层电流、高层大气相对运动复合产生的Bd干扰磁场。

在室内的情况下，利用室内环境所造成的异常地磁场环境，提供定位磁场特征依据。先使用带有磁场传感器的测量设备遍历待定位的区域，记录位置和磁场强度特征对应关系，并绘制磁场定位基准图，然后在实际定位过程中，通过节点的移动将即时搜集的一维磁场信息记录下来，通过对应信息处理手段，比较分析现场所测磁场资料于先前搜集并设计的地磁场基准图，依据一定的度量计算实时数据序列和地磁图中序列的相似度，在地磁图中匹配到相似度最高的数据序列对应的实际区域,最终实现目标定位。

整个地磁定位技术的核心实际是实现实时测量数据和基准数字地图的匹配。使用单一地磁作为定位依据流程为如下几个步骤:

(1)在需定位区域建立坐标系，事先使用传感器和测量设备绘制出数字地磁基准图，室内节点坐标用横坐标表示，地磁场异常强图用纵坐标表示。

(2)地磁场数据由地磁传感器每时每刻进行监测，在运动阶段的目标，一组地磁特征值序列由传感器测量所得，实时数据序列就被组成。

(3)利用匹配算法展开计算，把先前所准备好的数据库中的基准图与现在所监测获得的地磁特征序列展开对比，将实际数据的最好位置利用匹配行为获得。

自然邻点算法实现和插值步骤(先使用non-Sibsonian插值，再使用自然邻点算法)：

non-Sibsonian(三角剖分)插值计算步骤：首先将样本点Delaunay三角网构建好，并且构建1阶Voronoi图，记录其拓扑关系，找到有利于插值计算的所有自然邻点相关的待插点；再根据相关公式计算出non-Sibsonian插值权重，把每个自然邻点的权重和最小允许权重的关系进行比较分析，假如最小允许权重大于权重，那么代表的是这自然邻点对插值点的影响不太，可以忽略这个邻点，计算插值结果。

使用上述插值算法后的地磁场强度分布图能够表现出整个区域的地磁场特征和特异性。再通过使用自然邻点算法进行插值计算，将稀疏的试验区域的地磁数据图精细化，增加了数据的密度，也进一步凸显了数据变化的特征。由于放大了数据的细微的变化特征，同时该特征符合自然情况下的地磁场强度分布规律，这使得任意位置的地磁场特征更加明确，不仅有利于对地磁定位进行数据的匹配，更是有利于整体的算法。由地磁定位匹配原理可以推导出，越是精密的地磁图，其局部区域的地磁场特征就越是明显，其匹配效率的算法也就可以得到提高，匹配的精度越是能被提高。使用自然邻点插值法后，大幅增加了地磁图中数据的数量，同时保留了原先地磁图的特征，提高了地磁图的质量,增强了地磁匹配算法的效果。

Hausdorff相关度算法如下：

为了使图形形状间的相似性得到更好的量化，相似性度量便因此产生了。实现时，可以使用空间距离作为空间目标间的相似性度量，同时空间距离可以反映其位置关系，进一步描述空间物体间的相似性。点、线、面、体组成了空间中的任意物体。体的空间距离可以转换成点、线、面之间的距离,因此空间距离可以被划分成六类，即线面距离、点面距离、点点距离、线线距离、面面距离以及点线距离。若要进行进一步的划分，点和点之间的距离是原子度量，因为任何距离经过转换，最终都是两点间的距离测量。Hausdorff距离度量算法使用点集作为一个整体进行相关度匹配，同时又结合每一个点元素的特性进行相关度的计算，每一个点的结果又是多次比较的结果，最终能够一定程度的影响整体结果，这样导致两个点集直接的关系是从具体的元素到整体之间平衡的一种模糊的关系，所以可以推导出，Hausdorff距离拥有很强的容错能力以及抗干扰能力；Hausdorff距离在测量噪声、变换误差和几何失真等方面都存在着一定的抑制作用。

在实际的定位中，基于这一基本的Hausdorff度量，在使用算法上进行了融合和优化。因为在实际E配过程中，由于实际环境复杂，比对数据的计算量大，算法的整体效率比较低，所以需要通过分段，无效数据过滤等方式进行提效和改进。

在实时的定位计算过程中，算法分四个步骤阶段进行位置的确定，先通过改进的RSSI算法进行粗位置区域的划定，结合实验中该定位算法的误差，我们将划定大致位置，然后在粗位置中，调取数据库的地磁图数据，使用Hausdorff度量进行地磁图中点集和实际运动中采集的地磁数据进行匹配。得到匹配结果后，使用自然邻点插值法进行粗匹配区域的地磁图重构，加大数据的密度，便于进一步的精细化定位。在差值处理后的新局部地磁图数据基础上，再次使用Hausdorff度量进行点集的匹配，找到整体最小的Hausdorff值点，该点即为最终匹配位置。由于整个轨迹是在极短时间内的测量轨迹,结合人在室内的步行速度，在宏观上，这是一个较短的距离，相当于一个极小的定位评估区域，可以大致认为定位节点的实际位置就在这个点上。因为整个算法的设计是由粗到精，由简单到复杂，随着算法的深入，每一步骤的数据运算量相对平均，并且在每一步中都进行了优化，整体算法比较稳定而且健壮，不依赖某一个值，同时也规避了极端数据对整体的影响。

算法的具体步骤和实现方法如下：

步骤1，将地磁图绘制好，且在图中标注好每个Win的定位描点；基于实现获得的待测区域平面图，进行二维平面坐标制定，考虑人的一般步行速度和步长，大约是每分钟100步，每步长约0.5m，由于在室内步行速度反而会低于这一平均水平，具体情况因人而异。考虑到算法的实时性和精准性，我们在实际定位中每2-5秒(根据实际情况调整)进行一次定位和位置更新，这一则使得相邻两次的测距的距离期望差值约为1-2.5m，结合实际中由于人的步行往往不是完全的直线，所以这一移动长度下的有效移动距离实际略小于这个数值。在平面地图内，我使用实际距离长度作为坐标的单位长度，即相邻两点为1m的等距间隔。为了提高精度，我们使用测量设备，在每0.25m(平均步长一半)的间隔点上进行地磁强度测量和记录，并最终录入数据库，完成电子地磁图的绘制。

步骤2，采集测量实时的RSSI运动状态数据以及磁感强度(RSSI算法的分组方式)移动中，人手持测量设备(或者也可以携带传感器的机器人运动)，使用加速度传感器、磁场传感器和无线接收传感器连续测量相关数据，并存储以备后续实时定位。考虑到定位算法对实时性的要求，加上人的步行特征，我们约每2s进行一次位置更新，这段时间中，对于RSSI的测量，当用户第一次或者重新加入了一个区域(没有上下文定位结果数据)，则调用RSSI无线传感器，每秒进行3次的RSSI值测量，同时，每秒同步进行3次的运动传感器调用，得到相应时间的瞬时加速度结果。对于磁感强度的测量，由于地磁图为每0.25m间隔位置才有相关参考数值，所以对于定位用的地磁数据每秒测量3次，这符合人体一般的步行频率，同时保证了数据的测量密度，也减少算法在匹配时由于数据量过大的复杂度。

步骤3，基于RSSI改进算法，对数据进行处理，确定大致区域，精度为半径为3rn左右的圆形区域和预测的运动方向。

尽管为示例目的，已经公开了本发明的优选实施例，本领域的技术人员将意识到各种改进、增加和取代也是可能的，因此，本发明的范围应当不限于上述实施例。

Claims (9)

1.一种地磁地图的绘制方法，其特征在于，包括：

在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据；

通过自然邻点差值法将所述地磁数据与所述基准地磁地图融合，以对所述地磁地图进行重构；

通过Hausdorff度量方式对重构后的地磁地图中的所述多个网格状区域对应的点集进行匹配，以找到每个点集中最小的Hausdorff值点；

将所有最小的Hausdorff值点对应的位置与所述重构后的地磁地图融合，以完成地磁地图的绘制。

2.如权利要求1所述的地磁地图的绘制方法，其特征在于，在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据之前，还包括：

基于待测区域的平面地图，进行二维平面坐标制定，以得到具有多个网格的网格状地图；

获取地磁图数据，并将所述地磁图数据与所述地图进行对应，以得到所述预置的基准地磁地图。

3.如权利要求2所述的地磁地图的绘制方法，其特征在于，基于待测区域的平面地图，进行二维平面坐标制定，以得到具有多个网格的网格状地图，包括：

根据预定的RSSI算法对所述待测区域的平面地图进行位置区域划定；

将划定位置区域的平面地图进行二维平面坐标制定，以得到具有多个网格的网格状地图。

4.如权利要求1至3中任一项所述的地磁地图的绘制方法，其特征在于，通过自然邻点差值法将所述地磁数据与所述基准地磁地图融合，以对所述地磁地图进行重构，包括：

通过Hausdorff度量方式将所述地磁数据与所述基准地磁地图进行匹配；

通过自然邻点差值法将匹配的地磁数据与所述基准地磁地图进行融合，以对所述地磁地图进行重构。

5.一种地磁地图的绘制装置，其特征在于，包括：

获取模块，用于在预置的基准地磁地图中运动，通过传感器获取运动中检测到的地磁数据；

重构模块，用于通过自然邻点差值法将所述地磁数据与所述基准地磁地图融合，以对所述地磁地图进行重构；

匹配模块，用于通过Hausdorff度量方式对重构后的地磁地图中的所述多个网格状区域对应的点集进行匹配，以找到每个点集中最小的Hausdorff值点；

绘制模块，用于将所有最小的Hausdorff值点对应的位置与所述重构后的地磁地图融合，以完成地磁地图的绘制。

6.如权利要求5所述的地磁地图的绘制装置，其特征在于，还包括：

第一生成模块，用于基于待测区域的平面地图，进行二维平面坐标制定，以得到具有多个网格的网格状地图；

第二生成模块，用于获取地磁图数据，并将所述地磁图数据与所述地图进行对应，以得到所述预置的基准地磁地图。

7.如权利要求6所述的地磁地图的绘制装置，其特征在于，所述第一生成模块包括：

确定单元，用于根据预定的RSSI算法对所述待测区域的平面地图进行位置区域划定；

生成单元，用于将划定位置区域的平面地图进行二维平面坐标制定，以得到具有多个网格的网格状地图。

8.如权利要求5至7中任一项所述的地磁地图的绘制装置，其特征在于，所述重构模块包括：

匹配单元，用于通过Hausdorff度量方式将所述地磁数据与所述基准地磁地图进行匹配；

重构单元，用于通过自然邻点差值法将匹配的地磁数据与所述基准地磁地图进行融合，以对所述地磁地图进行重构。

9.一种机器人，其特征在于，包括：权利要求5至8中任一项所述的地磁地图的绘制装置。