CN106352870A - 一种目标的定位方法及装置 - Google Patents

Abstract

本发明提供了一种目标的定位方法及装置。其中，该方法包括：获取目标的里程数据信息和周围环境信息；其中，周围环境信息至少包括激光数据信息和视觉深度数据信息；根据激光数据信息和视觉深度数据信息，建立与目标的第一位置信息相关的第一分值函数；基于目标的里程数据信息对第一分值函数进行梯度优化处理，确定目标的第一位置信息，其通过激光数据信息和视觉深度数据信息的融合，使得确定的目标的第一位置信息的精确度较高，从而进一步提高了目标中的地图的精确度。

Description

一种目标的定位方法及装置

技术领域

本发明涉及目标定位技术领域，具体而言，涉及一种目标的定位方法及装置。

背景技术

随着智能技术和计算机视觉的发展，越来越多的场合需要对目标进行定位，例如在机器人领域，需要对机器人进行定位，从而获取机器人的位置，控制机器人按照预设路径进行移动。移动机器人通常是基于环境地图才能实现定位和导航，所以地图创建是研究移动机器人的一个关键问题。

SLAM(simultaneous localization and mapping，即时定位与地图构建)技术在地图修正和构建中起着决定性的作用，是移动机器人实现自主移动的前提。上述SLAM所对应的机器人地图修正问题可以解释为：从任意位置开始，一个移动机器人应该能够用它所带的传感器探索环境，获得有关环境的指示，解释场景，并修正合适的地图。

现有技术中提供了一种视觉SLAM，该视觉SLAM是利用摄像头实现地图构建和定位的技术，一般通过图像匹配、图优化等实现地图构建和定位。

发明人在研究中发现，现有技术中的视觉SLAM的定位精确度较差，导致创建地图的精确度也较差。

发明内容

有鉴于此，本发明的目的在于提供一种目标的定位方法及装置，结合激光定位和视觉定位的技术，目标定位的精确度较高，能够进一步提高目标中的地图的精确度。

第一方面，本发明实施例提供了一种目标的定位方法，所述方法包括：

获取目标的里程数据信息和周围环境信息；其中，所述周围环境信息至少包括激光数据信息和视觉深度数据信息；

根据所述激光数据信息和所述视觉深度数据信息，建立与所述目标的第一位置信息相关的第一分值函数；

基于所述目标的里程数据信息对所述第一分值函数进行梯度优化处理，确定所述目标的第一位置信息。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，还包括：

根据确定的所述目标的第一位置信息对所述目标中的地图进行更新。

结合第一方面或第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述获取目标的里程数据信息和周围环境信息之前，还包括：

对所述目标的第一位置信息和所述目标中的地图均进行初始化，确定对应的第一参考位置信息和参考地图。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述激光数据信息和所述视觉深度数据信息，建立与所述目标的第一位置信息相关的第一分值函数，包括：

根据所述激光数据信息及其对应的第一权重信息，建立与所述目标的第一位置信息相关的第二分值函数；

根据所述视觉深度数据信息及其对应的第二权重信息，建立与所述目标的第一位置信息相关的第三分值函数；

对所述第二分值函数和所述第三分值函数进行求和运算，得到与所述目标的第一位置信息相关的第一分值函数。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述激光数据信息及其对应的第一权重信息，建立与所述目标的第一位置信息相关的第二分值函数，包括：

根据所述激光数据信息和所述目标的第一位置信息，计算得到第一障碍物的第二位置信息；

从当前二维地图中的所有第二障碍物中选择距离所述第一障碍物最小的第二障碍物；

计算所述第一障碍物的第二位置信息和所述选择得到的第二障碍物的第三位置信息之间的第一距离；

为所述第一距离分配第一权重信息，以得到对应于所述第一距离的第二分值函数。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述根据所述视觉深度数据信息及其对应的第二权重信息，建立与所述目标的第一位置信息相关的第三分值函数，包括：

根据所述视觉深度数据信息和所述目标的第一位置信息，计算得到第三障碍物的第四位置信息；

从当前三维地图中的所有第四障碍物中选择距离所述第三障碍物最小的第三障碍物；

计算所述第三障碍物的第四位置信息和所述选择得到的第四障碍物的第五位置信息之间的第二距离；

为所述第二距离分配第二权重信息，以得到对应于所述第二距离的第三分值函数。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述基于所述目标的里程数据信息对所述第一分值函数进行梯度优化处理，确定所述目标的第一位置信息，包括：

设置所述目标的里程数据信息为所述目标的第一位置信息的初始值；

按照优化方向对所述目标的第一位置信息进行迭代更新；其中，所述优化方向是根据所述第一分值函数随所述第一位置信息的变化情况得到的；

直至迭代至预设要求时，确定所述目标的第一位置信息；其中，所述预设要求包括：所述第一位置信息的变化情况小于预设第一阈值和/或所述迭代的次数大于预设第二阈值。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中所述根据确定的所述目标的第一位置信息对所述目标中的地图进行更新，包括：

根据所述激光数据信息和确定的所述目标的第一位置信息，计算得到第一障碍物的第二位置信息；根据所述第二位置信息更新当前二维地图中第二障碍物的第三位置信息；对确定的所述目标的第一位置信息至第二障碍物的第三位置信息所连接的直线上的二维地图进行更新；

根据所述视觉深度数据信息和确定的所述目标的第一位置信息，计算得到第三障碍物的第四位置信息；根据所述第四位置信息更新当前三维地图中第四障碍物的第五位置信息；对确定的所述目标的第一位置信息至第四障碍物的第五位置信息所连接的直线上的三维地图进行更新。

结合第一方面的第七种可能的实施方式，本发明实施例提供了第一方面的第八种可能的实施方式，其中，所述根据确定的所述目标的第一位置信息对所述目标中的地图进行更新之前，还包括：

将确定的所述目标的第一位置信息代入第一分值函数，得到对应的第一分值；

根据所述第一分值、所述激光数据信息的数目和所述视觉深度数据信息的数目，计算确定的所述目标的第一位置信息的置信度；

所述根据所述第二位置信息更新当前二维地图中第二障碍物的第三位置信息，包括：

基于所述第二位置信息和所述置信度更新当前二维地图中第二障碍物的第三位置信息；

所述根据所述第四位置信息更新当前三维地图中第四障碍物的第五位置信息，包括：

基于所述第四位置信息和所述置信度更新当前三维地图中第四障碍物的第五位置信息。

第二方面，本发明实施例还提供了一种目标的定位装置，所述装置包括：

获取模块，用于获取目标的里程数据信息和周围环境信息；其中，所述周围环境信息至少包括激光数据信息和视觉深度数据信息；

建立模块，用于根据所述激光数据信息和所述视觉深度数据信息，建立与所述目标的第一位置信息相关的第一分值函数；

确定模块，用于基于所述目标的里程数据信息对所述第一分值函数进行梯度优化处理，确定所述目标的第一位置信息。

本发明实施例提供的目标的定位方法及装置，能够根据建立的第一分值函数的梯度优化处理结果，确定目标的第一位置信息，与现有技术中的视觉SLAM的定位精确度较差，导致创建地图的精确度也较差相比，其首先获取目标的里程数据信息和周围环境信息，其中，该周围环境信息至少包括激光数据信息和视觉深度数据信息；然后根据上述激光数据信息和视觉深度数据信息，建立与目标的第一位置信息相关的第一分值函数；最后将获取的目标的里程数据信息作为梯度优化的初始值对第一分值函数进行梯度优化处理，从而确定出目标的第一位置信息，其通过激光数据信息和视觉深度数据信息的融合，使得确定的目标的第一位置信息的精确度较高，从而进一步提高了目标中的地图的精确度。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的一种目标的定位方法的流程图；

图2示出了本发明实施例所提供的另一种目标的定位方法的流程图；

图3示出了本发明实施例所提供的另一种目标的定位方法的流程图；

图4示出了本发明实施例所提供的另一种目标的定位方法的流程图；

图5示出了本发明实施例所提供的另一种目标的定位方法的流程图；

图6示出了本发明实施例所提供的另一种目标的定位方法的流程图；

图7示出了本发明实施例所提供的另一种目标的定位方法的流程图；

图8示出了本发明实施例所提供的另一种目标的定位方法的流程图；

图9示出了本发明实施例所提供的一种目标的定位装置的结构示意图。

主要元件符号说明：

11、获取模块；22、建立模块；33、确定模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

考虑到现有技术中的视觉SLAM的定位精确度较差，从而导致创建地图的精确度也较差。基于此，本发明实施例提供了一种目标的定位方法及装置，其结合激光定位和视觉定位的技术，目标定位的精确度较高，能够进一步提高目标中的地图的精确度。

在对本发明实施例所提供的目标的定位方法及装置进行具体阐述之前，首先对上述目标进行简单说明。本发明实施例中的目标可以是机器人、还可以是其他具有自定位功能的智能设备。考虑到机器人的广泛应用性以及其自身的优良特性，本发明实施例优选的将机器人作为目标。

参见图1所示的本发明实施例提供的目标的定位方法的流程图，所述方法具体包括如下步骤：

S101、获取目标的里程数据信息和周围环境信息；其中，周围环境信息至少包括激光数据信息和视觉深度数据信息；

具体的，本发明实施例提供的目标的定位方法通过里程传感器采集目标的里程数据信息，此外，本发明实施例还通过激光雷达和深度传感器采集对应的激光数据信息和视觉深度数据信息，其中，为了降低使用成本，本发明实施例中优选的通过2D激光雷达采集激光数据信息，该激光数据信息是二维数据，而深度传感器则为三维数据。

通过上述S101获取到周围环境信息后，根据如下S102来建立第一分值函数。

S102、根据激光数据信息和视觉深度数据信息，建立与目标的第一位置信息相关的第一分值函数；

具体的，本发明实施例所提供的目标的定位方法融合了激光数据信息和视觉深度数据信息，因此，上述第一分值函数不仅包括激光数据信息所对应的第二分值函数，还包括视觉深度数据信息所对应的第三分值函数，且上述第二分值函数和第三分值函数均是目标的第一位置信息的映射函数。

S103、基于目标的里程数据信息对第一分值函数进行梯度优化处理，确定目标的第一位置信息。

具体的，根据梯度优化算法对与目标的第一位置信息相关的第一分值函数进行梯度优化，以得到优化后的目标的第一位置信息，即确定该目标的第一位置信息。

本发明实施例提供的目标的定位方法，与现有技术中的视觉SLAM的定位精确度较差，导致创建地图的精确度也较差相比，其首先获取目标的里程数据信息和周围环境信息，其中，该周围环境信息至少包括激光数据信息和视觉深度数据信息；然后根据上述激光数据信息和视觉深度数据信息，建立与目标的第一位置信息相关的第一分值函数；最后将获取的目标的里程数据信息作为梯度优化的初始值对第一分值函数进行梯度优化处理，从而确定出目标的第一位置信息，其通过激光数据信息和视觉深度数据信息的融合，使得确定的目标的第一位置信息的精确度较高，从而进一步提高了目标中的地图的精确度。

本发明实施例所提供的目标的定位方法还能够根据S103确定的目标的第一位置信息对目标中的地图进行更新，然后再通过更新后的地图和下一个获取的周围环境信息进行目标的下一次定位，从而能够根据上述周围环境信息和当前的实时地图实现目标的自定位，且定位的精确度较高。

其中，上述更新即包括对激光数据信息对应的二维激光地图的更新，还包括对视觉深度数据信息对应的三维深度地图的更新。

另外，本发明实施例所提供的目标的定位方法在获取目标的相关数据信息之前，会首先进行目标的第一位置信息和目标中的地图的初始化，从而确定对应的第一参考位置信息和参考地图。

为了更好的建立第一分值函数，上述S102的建立过程，具体通过如下步骤实现，参见图2所示的流程图，所述方法还包括：

S201、根据激光数据信息及其对应的第一权重信息，建立与目标的第一位置信息相关的第二分值函数；

S202、根据视觉深度数据信息及其对应的第二权重信息，建立与目标的第一位置信息相关的第三分值函数；

S203、对第二分值函数和第三分值函数进行求和运算，得到与目标的第一位置信息相关的第一分值函数。

具体的，考虑到本发明所提供的目标的定位方法是基于梯度优化算法对目标的第一位置信息进行迭代，以得到优化后的第一位置信息。因此，在进行迭代优化之前，必须首先需要建立好有关该目标的第一位置信息的第一分值函数，即该第一分值函数将随着因变量——目标的第一位置信息进行变化。

其中，本发明实施例所提供的目标的定位方法的第一分值函数由两部分组成，一部分为根据激光数据信息及其对应的第一权重信息，建立的与目标的第一位置信息相关的第二分值函数，另一部分为根据视觉深度数据信息及其对应的第二权重信息，建立与目标的第一位置信息相关的第三分值函数，第一分值函数则为上述第二分值函数和第三分值函数之间的求和结果。

考虑到在建立第一分值函数时，需要分别对激光数据信息和视觉深度数据信息进行分析处理，以建立对应的第二分值函数和第三分值函数。参见图3，上述建立第二分值函数的具体过程包括：

S301、根据激光数据信息和目标的第一位置信息，计算得到第一障碍物的第二位置信息；

S302、从当前二维地图中的所有第二障碍物中选择距离第一障碍物最小的第二障碍物；

S303、计算第一障碍物的第二位置信息和选择得到的第二障碍物的第三位置信息之间的第一距离；

S304、为第一距离分配第一权重信息，以得到对应于第一距离的第二分值函数。

具体的，首先根据激光数据信息和目标的第一位置信息，计算得到第一障碍物的第二位置信息，然后从当前的二维地图中的所有第二障碍物中选择距离第一障碍物最小的第二障碍物，其中，上述第一障碍物是指根据目标的激光数据信息计算得到的可能的障碍物，而上述第二障碍物是二维地图中的相关障碍物，最后计算第一障碍物的第二位置信息和选择得到的第二障碍物的第三位置信息之间的第一距离，并为该第一距离分配第一权重信息，以得到对应于第一距离的第二分值函数。

参见图4，上述建立第三分值函数的具体过程如下：

S401、根据视觉深度数据信息和目标的第一位置信息，计算得到第三障碍物的第四位置信息；

S402、从当前三维地图中的所有第四障碍物中选择距离第三障碍物最小的第三障碍物；

S403、计算第三障碍物的第四位置信息和选择得到的第四障碍物的第五位置信息之间的第二距离；

S404、为第二距离分配第二权重信息，以得到对应于第二距离的第三分值函数。

具体的，首先根据视觉深度数据信息和目标的第一位置信息，计算得到第三障碍物的第四位置信息，然后从当前的三维地图中的所有第四障碍物中选择距离第三障碍物最小的第四障碍物，其中，上述第三障碍物是指根据目标的视觉深度数据信息计算得到的可能的障碍物，而上述第四障碍物是三维地图中的相关障碍物，最后计算第三障碍物的第四位置信息和选择得到的第四障碍物的第五位置信息之间的第二距离，并为该第二距离分配第二权重信息，以得到对应于第二距离的第三分值函数。

接下来给出一个建立第一分值函数的具体实施例：

假设记：机器人在t时刻的位姿p_t＝(x_t,y_t,yaw_t)；t时刻的激光数据信息l_t＝(l_t1，l_t2，…，l_tn)；t时刻的视觉深度数据信息r_t＝(r_t1，r_t2，…，r_tm)；t时刻的里程数据信息u_t；t时刻的二维激光地图mapl_t,由二维数组el_t(x,y)和二维数组vl_t(x,y)组成，表示(x，y)处的激光地图信息；t时刻的三维深度地图mapr_t，由三维数组er_t(x,y,z)和三维数组vr_t(x,y,z)组成，表示(x，y,z)处的三维深度地图信息。

另记，目标的第一位置信息为p，第一分值函数为f₁(p),且f₁(p)＝f₂(p)+f₃(p)，其中，f₂(p)为第二分值函数，f₃(p)为第三分值函数。

则，f₁(p)＝f₂(p)+f₃(p)＝(1-w)·sl(p,l,mapl)+w·sr(p,r,mapr) (1)

其中，w为权重参数，一般可在(0,1)范围内取值，其中，σ_l为参数，一般可在(0,1)范围内取值；其中，dl_i＝dist(pl_i,po_i)为任一个激光束方向上的pl_i与po_i之间的欧氏距离，此时，第一距离为该欧氏距离平方的累加和，其中，pl_i为根据p和激光数据信息l_i得到的激光束端点位置(即第一障碍物的第二位置信息)，po_i＝(xo_i,yo_i)为mapl中离pl_i最近的满足vl(xo_i,yo_i)>0且el(xo_i,yo_i)/vl(xo_i,yo_i)>obsThl的点(即选择得到的第二障碍物的第三位置信息)，obsThl为阈值参数，一般可在(0,1)范围内取值，且vl(xo_i,yo_i)>0且el(xo_i,yo_i)/vl(xo_i,yo_i)>obsThl为满足预设障碍物判断次数的第二障碍物。

另外，σ_l为参数，一般可在(0,1)范围内取值；dr_i＝dist(pr_i,po_i)为为任一个深度方向上的pr_i与po_i之间的欧氏距离，此时，第二距离为该欧氏距离平方的累加和，其中，pr_i为根据p和视觉深度数据信息r_i得到的端点位置(即第三障碍物的第四位置信息)，po_i＝(xo_i,yo_i,zo_i)为mapr中离pr_i最近的满足vr(xo_i,yo_i,zo_i)>0且er(xo_i,yo_i,zo_i)/vr(xo_i,yo_i,zo_i)>obsThr的点(即选择得到的第四障碍物的第五位置信息)，obsThr为阈值参数，一般可在(0,1)范围内取值，且vr(xo_i,yo_i,zo_i)>0且er(xo_i,yo_i,zo_i)/vr(xo_i,yo_i,zo_i)>obsThr为满足预设障碍物判断次数的第四障碍物。

对于已经建立的第一分值函数，本发明实施例将基于目标的里程数据信息对第一分值函数进行梯度优化处理以确定目标的第一位置信息，参见图5，上述确定过程具体通过如下步骤进行实现：

S501、设置目标的里程数据信息为目标的第一位置信息的初始值；

S502、按照优化方向对目标的第一位置信息进行迭代更新；其中，优化方向是根据第一分值函数随第一位置信息的变化情况得到的；

S503、直至迭代至预设要求时，确定目标的第一位置信息；其中，预设要求包括：第一位置信息的变化情况小于预设第一阈值和/或迭代的次数大于预设第二阈值。

具体的，首先将目标的里程数据信息作为所述目标的第一位置信息的初始值，然后基于梯度算法对目标的第一位置信息按照优化方向进行迭代更新，其中，优化方向是根据第一分值函数随第一位置信息的变化情况得到的，直至在第一位置信息的变化情况小于预设第一阈值和/或迭代的次数大于预设第二阈值时，停止迭代更新，并确定目标的第一位置信息，即是对式(1)进行优化，以使得第一位置信息的初始值——目标的里程数据信息能够随着变化的优化方向而逐渐趋近于最优的第一位置信息，从而确定得到目标的第一位置信息。

本发明实施例所提供的目标的定位方法在确定了目标的第一位置信息后，还可以根据确定的该第一位置信息对目标中的地图进行更新，参见图6，二维地图的更新过程具体通过如下步骤实现：

S601、根据激光数据信息和确定的目标的第一位置信息，计算得到第一障碍物的第二位置信息；

S602、根据第二位置信息更新当前二维地图中第二障碍物的第三位置信息；

S603、对确定的目标的第一位置信息至第二障碍物的第三位置信息所连接的直线上的二维地图进行更新。

具体的，考虑到二位激光地图是由一系列的激光点组成的，对于每一个激光点，首先根据确定的目标的第一位置信息和获取的激光数据信息，计算得到第一障碍物的第二位置信息，然后根据该第二位置信息对当前二维地图中第二障碍物的第三位置信息进行更新，并对确定的目标的第一位置至第二障碍物的第三位置信息所连接的直线上的二维地图进行更新。

参见图7，三维地图的更新过程具体通过如下步骤实现：

S701、根据视觉深度数据信息和确定的目标的第一位置信息，计算得到第三障碍物的第四位置信息；

S702、根据第四位置信息更新当前三维地图中第四障碍物的第五位置信息；

S703、对确定的目标的第一位置信息至第四障碍物的第五位置信息所连接的直线上的三维地图进行更新。

另外，考虑到三维深度地图是由一系列的深度数据点组成的，对应每一个深度数据点，首先根据确定的目标的第一位置信息和获取的视觉深度数据信息，计算得到第三障碍物的第四位置信息，然后根据该第四位置信息对当前三维地图中第四障碍物的第五位置信息进行更新，并对确定的目标的第一位置至第四障碍物的第五位置信息所连接的直线上的三维地图进行更新。

为了进一步提高地图更新的精确度，本发明实施例在对地图进行更新之前，还对确定的目标的第一位置信息进行置信度的计算，参见图8，计算置信度的具体过程如下：

S801、将确定的目标的第一位置信息代入第一分值函数，得到对应的第一分值；

S802、根据第一分值、激光数据信息的数目和视觉深度数据信息的数目，计算确定的目标的第一位置信息的置信度。

具体的，记确定的目标的第一位置信息为p*，第一分值为f₁(p*)，p*的置信度为uw；

则，uw＝min(s^*/sTh,1)，其中sTh为参数，且可以根据激光数据信息的数目n和视觉深度数据信息的数目m确定，即sTh＝(1-w)·n+w·m，其中w为权重参数，一般可在(0,1)范围内取值。

另外，本发明实施例所提供的目标的定位方法能够基于第二位置信息和置信度更新当前二维地图中第二障碍物的第三位置信息，二维地图的具体更新公式如下：

el(xl_i,yl_i)＝el(xl_i,yl_i)+uw,vl(xl_i,yl_i)＝vl(xl_i,yl_i)+1； (2)

vl(x,y)＝vl(x,y)+1 (3)

其中，式(2)用于更新当前二维地图中第二障碍物的第三位置信息，式(3)用于更新确定的目标的第一位置至第二障碍物的第三位置信息所连接的直线上的二维地图。

本发明实施例所提供的目标的定位方法能够还能够基于第四位置信息和置信度更新当前三维地图中第四障碍物的第五位置信息，三维地图的具体更新公式如下：

er(xr_i,yr_i,zr_i)＝er(xr_i,yr_i,zr_i)+uw,vr(xr_i,yr_i,zr_i)＝vr(xr_i,yr_i,zr_i)+1； (4)

vr(xr_i,yr_i,zr_i)＝vr(xr_i,yr_i,zr_i)+1 (5)

其中，式(4)用于更新当前三维地图中第四障碍物的第五位置信息，式(5)用于更新确定的目标的第一位置信息至第四障碍物的第五位置信息所连接的直线上的三维地图。

本发明实施例提供的目标的定位方法，与现有技术中的视觉SLAM的定位精确度较差，导致创建地图的精确度也较差相比，其首先获取目标的里程数据信息和周围环境信息，其中，该周围环境信息至少包括激光数据信息和视觉深度数据信息；然后根据上述激光数据信息和视觉深度数据信息，建立与目标的第一位置信息相关的第一分值函数；最后将获取的目标的里程数据信息作为梯度优化的初始值对第一分值函数进行梯度优化处理，从而确定出目标的第一位置信息，其通过激光数据信息和视觉深度数据信息的融合，使得确定的目标的第一位置信息的精确度较高，从而进一步提高了目标中的地图的精确度。

本发明实施例还提供了一种目标的定位装置，所述装置用于执行上述目标的定位方法，参见图9，所述装置包括：

获取模块11，用于获取目标的里程数据信息和周围环境信息；其中，周围环境信息至少包括激光数据信息和视觉深度数据信息；

建立模块22，用于根据激光数据信息和视觉深度数据信息，建立与目标的第一位置信息相关的第一分值函数；

确定模块33，用于基于目标的里程数据信息对第一分值函数进行梯度优化处理，确定目标的第一位置信息。

本发明实施例所提供的目标的定位装置还包括更新模块，该更新模块用于根据确定的目标的第一位置信息对目标中的地图进行更新，然后再通过更新模块更新后的地图和获取模块11获取的下一个周围环境信息进行目标的下一次定位，从而能够根据上述周围环境信息和当前的实时地图实现目标的自定位，且定位的精确度较高。

其中，上述更新即包括对激光数据信息对应的二维激光地图的更新，还包括对视觉深度数据信息对应的三维深度地图的更新。

另外，本发明实施例所提供的目标的定位装置还包括初始化模块，该初始化模块进行目标的第一位置信息和目标中的地图的初始化，从而确定对应的第一参考位置信息和参考地图。

为了更好的建立第一分值函数，上述建立模块22包括：

第一建立单元，用于根据激光数据信息及其对应的第一权重信息，建立与目标的第一位置信息相关的第二分值函数；

第二建立单元，用于根据视觉深度数据信息及其对应的第二权重信息，建立与目标的第一位置信息相关的第三分值函数；

求和单元，用于对第二分值函数和第三分值函数进行求和运算，得到与目标的第一位置信息相关的第一分值函数。

具体的，考虑到本发明所提供的目标的定位装置是基于梯度优化算法对目标的第一位置信息进行迭代，以得到优化后的第一位置信息。因此，在进行迭代优化之前，必须首先通过建立模块22建立好有关该目标的第一位置信息的第一分值函数，且该第一分值函数将随着因变量目标的第一位置信息进行变化。

其中，本发明实施例所提供的目标的定位装置的第一分值函数由两部分组成，一部分为根据激光数据信息及其对应的第一权重信息，建立的与目标的第一位置信息相关的第二分值函数，另一部分为根据视觉深度数据信息及其对应的第二权重信息，建立与目标的第一位置信息相关的第三分值函数，第一分值函数则为第二分值函数和第三分值函数之间的求和结果。

考虑到在建立第一分值函数时，需要分别对激光数据信息和视觉深度数据信息进行分析处理，以建立对应的第二分值函数和第三分值函数。那么，上述建立第二分值函数的第一建立单元包括：

第一计算子单元，用于根据激光数据信息和目标的第一位置信息，计算得到第一障碍物的第二位置信息；

第一选择子单元，用于从当前二维地图中的所有第二障碍物中选择距离第一障碍物最小的第二障碍物；

第二计算子单元，用于计算第一障碍物的第二位置信息和选择得到的第二障碍物的第三位置信息之间的第一距离；

第一分配子单元，用于为第一距离分配第一权重信息，以得到对应于第一距离的第二分值函数。

上述建立第三分值函数的第二建立单元包括：

第三计算子单元，用于根据视觉深度数据信息和目标的第一位置信息，计算得到第三障碍物的第四位置信息；

第二选择子单元，用于从当前三维地图中的所有第四障碍物中选择距离第三障碍物最小的第三障碍物；

第四计算子单元，用于计算第三障碍物的第四位置信息和选择得到的第四障碍物的第五位置信息之间的第二距离；

第二分配子单元，用于为第二距离分配第二权重信息，以得到对应于第二距离的第三分值函数。

本发明实施例所提供的目标的定位装置中的确定模块33包括：

设置单元，用于设置目标的里程数据信息为目标的第一位置信息的初始值；；

迭代单元，按照优化方向对目标的第一位置信息进行迭代更新；其中，优化方向是根据第一分值函数随第一位置信息的变化情况得到的；

确定单元，用于直至迭代至预设要求时，确定目标的第一位置信息；其中，预设要求包括：第一位置信息的变化情况小于预设第一阈值和/或迭代的次数大于预设第二阈值。

本发明实施例所提供的目标的定位装置中的更新模块包括：第一更新单元和第二更新单元；其中，所述第一更新单元包括：

第一计算子单元还用于，根据激光数据信息和确定的目标的第一位置信息，计算得到第一障碍物的第二位置信息；

第一更新子单元，用于根据第二位置信息更新当前二维地图中第二障碍物的第三位置信息；

第二更新子单元，用于对确定的目标的第一位置信息至第二障碍物的第三位置信息所连接的直线上的二维地图进行更新；

另外，所述第二更新单元包括：

第三计算子单元还用于，用于根据视觉深度数据信息和确定的目标的第一位置信息，计算得到第三障碍物的第四位置信息；

第三更新子单元，用于根据第四位置信息更新当前三维地图中第四障碍物的第五位置信息；

第四更新子单元，用于对确定的目标的第一位置信息至第四障碍物的第五位置信息所连接的直线上的三维地图进行更新。

为了进一步提高地图更新的精确度，本发明实施例所提供的目标的定位装置还包括置信度计算模块，该置信度计算模块包括：

代入计算单元，用于将确定的目标的第一位置信息代入第一分值函数，得到对应的第一分值；

置信度计算单元，用于根据第一分值、激光数据信息的数目和视觉深度数据信息的数目，计算确定的目标的第一位置信息的置信度；

另外，本发明实施例所提供的目标的定位装置中的第一更新单元能够基于第二位置信息和置信度更新当前二维地图中第二障碍物的第三位置信息，第二更新单元则能够基于第四位置信息和置信度更新当前三维地图中第四障碍物的第五位置信息，从而进一步提高地图更新的精确度。

本发明实施例提供的目标的定位装置，与现有技术中的视觉SLAM的定位精确度较差，导致创建地图的精确度也较差相比，其首先获取目标的里程数据信息和周围环境信息，其中，该周围环境信息至少包括激光数据信息和视觉深度数据信息；然后根据上述激光数据信息和视觉深度数据信息，建立与目标的第一位置信息相关的第一分值函数；最后将获取的目标的里程数据信息作为梯度优化的初始值对第一分值函数进行梯度优化处理，从而确定出目标的第一位置信息，其通过激光数据信息和视觉深度数据信息的融合，使得确定的目标的第一位置信息的精确度较高，从而进一步提高了目标中的地图的精确度。

本发明实施例所提供的进行目标的定位的方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

本发明实施例所提供的目标的定位的装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种目标的定位方法，其特征在于，包括：

获取目标的里程数据信息和周围环境信息；其中，所述周围环境信息至少包括激光数据信息和视觉深度数据信息；

根据所述激光数据信息和所述视觉深度数据信息，建立与所述目标的第一位置信息相关的第一分值函数；

基于所述目标的里程数据信息对所述第一分值函数进行梯度优化处理，确定所述目标的第一位置信息。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据确定的所述目标的第一位置信息对所述目标中的地图进行更新。

3.根据权利要求1或2所述的方法，其特征在于，所述获取目标的里程数据信息和周围环境信息之前，还包括：

对所述目标的第一位置信息和所述目标中的地图均进行初始化，确定对应的第一参考位置信息和参考地图。

4.根据权利要求1所述的方法，其特征在于，所述根据所述激光数据信息和所述视觉深度数据信息，建立与所述目标的第一位置信息相关的第一分值函数，包括：

根据所述激光数据信息及其对应的第一权重信息，建立与所述目标的第一位置信息相关的第二分值函数；

根据所述视觉深度数据信息及其对应的第二权重信息，建立与所述目标的第一位置信息相关的第三分值函数；

对所述第二分值函数和所述第三分值函数进行求和运算，得到与所述目标的第一位置信息相关的第一分值函数。

5.根据权利要求4所述的方法，其特征在于，所述根据所述激光数据信息及其对应的第一权重信息，建立与所述目标的第一位置信息相关的第二分值函数，包括：

根据所述激光数据信息和所述目标的第一位置信息，计算得到第一障碍物的第二位置信息；

从当前二维地图中的所有第二障碍物中选择距离所述第一障碍物最小的第二障碍物；

计算所述第一障碍物的第二位置信息和所述选择得到的第二障碍物的第三位置信息之间的第一距离；

为所述第一距离分配第一权重信息，以得到对应于所述第一距离的第二分值函数。

6.根据权利要求4所述的方法，其特征在于，所述根据所述视觉深度数据信息及其对应的第二权重信息，建立与所述目标的第一位置信息相关的第三分值函数，包括：

根据所述视觉深度数据信息和所述目标的第一位置信息，计算得到第三障碍物的第四位置信息；

从当前三维地图中的所有第四障碍物中选择距离所述第三障碍物最小的第三障碍物；

计算所述第三障碍物的第四位置信息和所述选择得到的第四障碍物的第五位置信息之间的第二距离；

为所述第二距离分配第二权重信息，以得到对应于所述第二距离的第三分值函数。

7.根据权利要求1所述的方法，其特征在于，所述基于所述目标的里程数据信息对所述第一分值函数进行梯度优化处理，确定所述目标的第一位置信息，包括：

设置所述目标的里程数据信息为所述目标的第一位置信息的初始值；

按照优化方向对所述目标的第一位置信息进行迭代更新；其中，所述优化方向是根据所述第一分值函数随所述第一位置信息的变化情况得到的；

直至迭代至预设要求时，确定所述目标的第一位置信息；其中，所述预设要求包括：所述第一位置信息的变化情况小于预设第一阈值和/或所述迭代的次数大于预设第二阈值。

8.根据权利要求2所述的方法，其特征在于，所述根据确定的所述目标的第一位置信息对所述目标中的地图进行更新，包括：

根据所述激光数据信息和确定的所述目标的第一位置信息，计算得到第一障碍物的第二位置信息；根据所述第二位置信息更新当前二维地图中第二障碍物的第三位置信息；对确定的所述目标的第一位置信息至第二障碍物的第三位置信息所连接的直线上的二维地图进行更新；

根据所述视觉深度数据信息和确定的所述目标的第一位置信息，计算得到第三障碍物的第四位置信息；根据所述第四位置信息更新当前三维地图中第四障碍物的第五位置信息；对确定的所述目标的第一位置信息至第四障碍物的第五位置信息所连接的直线上的三维地图进行更新。

9.根据权利要求8所述的方法，其特征在于，所述根据确定的所述目标的第一位置信息对所述目标中的地图进行更新之前，还包括：

将确定的所述目标的第一位置信息代入第一分值函数，得到对应的第一分值；

根据所述第一分值、所述激光数据信息的数目和所述视觉深度数据信息的数目，计算确定的所述目标的第一位置信息的置信度；

所述根据所述第二位置信息更新当前二维地图中第二障碍物的第三位置信息，包括：

基于所述第二位置信息和所述置信度更新当前二维地图中第二障碍物的第三位置信息；

所述根据所述第四位置信息更新当前三维地图中第四障碍物的第五位置信息，包括：

基于所述第四位置信息和所述置信度更新当前三维地图中第四障碍物的第五位置信息。

10.一种目标的定位装置，其特征在于，包括：

获取模块，用于获取目标的里程数据信息和周围环境信息；其中，所述周围环境信息至少包括激光数据信息和视觉深度数据信息；

建立模块，用于根据所述激光数据信息和所述视觉深度数据信息，建立与所述目标的第一位置信息相关的第一分值函数；

确定模块，用于基于所述目标的里程数据信息对所述第一分值函数进行梯度优化处理，确定所述目标的第一位置信息。