CN111568305B - 处理扫地机器人重定位的方法、装置及电子设备 - Google Patents
处理扫地机器人重定位的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111568305B CN111568305B CN201910121893.8A CN201910121893A CN111568305B CN 111568305 B CN111568305 B CN 111568305B CN 201910121893 A CN201910121893 A CN 201910121893A CN 111568305 B CN111568305 B CN 111568305B
- Authority
- CN
- China
- Prior art keywords
- sweeping robot
- local
- obtaining
- edge
- global
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/24—Floor-sweeping machines, motor-driven
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种处理扫地机器人重定位的方法、装置及电子设备。该处理扫地机器人重定位的方法包括:从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数;构建M个参考点各自对应的第一局部环境地图,并获得扫地机器人在M个参考点各自对应的第一局部环境地图中的第一局部位姿;获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿;获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系;获得第一约束关系与第二约束关系之间的第一残差值;根据第一残差值,获得扫地机器人的重定位结果,该重定位结果精度较高。
Description
技术领域
本发明涉及智能家居技术领域,具体而言,涉及一种处理扫地机器人重定位的方法、装置及电子设备。
背景技术
随着科技的发展,以及人们对生活质量要求的不断增高,智能家居逐渐出现在人们的日常生活中,其中,尤其具有代表性的扫地机器人越来越受人们的喜爱。扫地机器人在开机进行清扫工作之前,都需要进行重定位,以确定自身的位置状态。但现有技术中,扫地机器人的重定位方法普遍存在定位精度不高的弊端,因此,如何提高扫地机器人的重定位精度,成为目前智能家居技术领域亟待解决的技术问题。
发明内容
有鉴于此,本发明实施例的目的在于提供一种处理扫地机器人重定位的方法、装置及电子设备,以有效改善上述问题。
本发明实施例提供的处理扫地机器人重定位的方法,包括:
从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数;
构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿;
获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿;
获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系;
获得所述第一约束关系与所述第二约束关系之间的第一残差值;
根据所述第一残差值,获得扫地机器人的重定位结果。
进一步地,所述构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿,包括:
针对每个参考点,控制扫地机器人在所述参考点旋转一周,以采集所述参考点的周围环境信息;
对所述周围环境信息进行处理,获得与所述参考点对应的第一局部环境地图;
根据所述第一局部环境地图,获得扫地机器人在所述第一局部环境地图中的第一局部位姿。
进一步地,所述获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿,包括:
针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图;
根据扫地机器人在所述第一局部环境地图中的第一局部位姿,获得扫地机器人在所述第二局部环境中的第二局部位姿,作为扫地机器人在所述预设全局环境地图中与所述第一局部位姿对应的第一全局位姿。
进一步地,所述针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图,包括:
针对每个参考点,从预设全局环境地图中获得与所述参考点对应的第一局部环境地图相似度最大的局部地图,作为待确认地图;
判断所述待确认地图与所述第一局部环境地图的相似度是否大于预设相似度阈值;
若所述待确认地图与所述第一局部环境地图的相似度大于所述预设相似度阈值,则将所述待确认地图作为扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图。
进一步地,所述获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系,包括:
将所述M个第一局部位姿作为M个第一顶点,创建第一几何图形,将所述第一几何图形作为第一约束关系;
将所述M个第一全局位姿作为M个第二顶点,创建第二几何图形,将所述第二几何图形作为第二约束关系。
进一步地,所述第一残差值包括第一边长残差值,所述第一约束关系中包括M条第一边,所述第二约束关系中包括M条第二边;
所述获得所述第一约束关系与所述第二约束关系之间的第一残差值,包括:
针对每条第一边,从所述第二约束关系中获得与所述第一边对应的第二边;
获得所述第一边与对应的第二边的长度差值,作为第一边长残差值。
进一步地,所述根据所述第一残差值,获得扫地机器人的重定位结果,包括:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
进一步地,所述第一残差值还包括第一角度残差值,所述第一约束关系中包括M个第一夹角,所述第二约束关系中包括M个第二夹角;
所述获得所述第一约束关系与所述第二约束关系之间的第一残差值,还包括:
针对每个第一夹角,从所述第二约束关系中获得与所述第一夹角对应的第二夹角;
获得所述第一夹角与对应的第二夹角的角度差值,作为第一角度残差值。
进一步地,所述根据所述第一残差值,获得扫地机器人的重定位结果,包括:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
针对每个第一夹角,判断所述第一夹角与对应的第二夹角的第一角度残差值是否小于预设角度残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,且每个第一夹角与对应的第二夹角的第一角度残差阈值均小于所述预设角度残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
进一步地,所述确定扫地机器人的重定位失败之后,所述方法还包括:
控制扫地机器人继续行径,并在后续行径轨迹中选取增量参考点;
构建所述增量参考点对应的第三局部环境地图,并获得扫地机器人在所述第三局部环境地图中的第三局部位姿;
获得扫地机器人在预设全局环境地图中与所述第三局部位姿对应的第二全局位姿;
针对每N个第一局部位姿,获得所述N个第一局部位姿与所述第三局部位姿之间的相对位置关系,作为第三约束关系,以及针对每N个第一全局位姿,获得所述N个第一全局位姿与所述第二全局位姿之间的相对位置关系,作为第四约束关系,其中,N=M-1;
针对每个第三约束关系,获得所述第三约束关系与对应的第四约束关系之间的第二残差值;
根据所述第二残差值,再次获得扫地机器人的重定位结果。
本发明实施例提供的处理扫地机器人重定位的装置,包括:
参考点选取模块,用于从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数;
第一局部位姿获取模块,用于构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿;
第一全局位姿获取模块,用于获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿;
第一约束关系获取模块,用于获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系;
第一残差值获取模块,用于获得所述第一约束关系与所述第二约束关系之间的第一残差值;
第一重定位结果获取模块,用于根据所述第一残差值,获得扫地机器人的重定位结果。
进一步地,所述第一局部位姿获取模块,具体用于:
针对每个参考点,控制扫地机器人在所述参考点旋转一周,以采集所述参考点的周围环境信息;
对所述周围环境信息进行处理,获得与所述参考点对应的第一局部环境地图;
根据所述第一局部环境地图,获得扫地机器人在所述第一局部环境地图中的第一局部位姿。
进一步地,所述第一全局位姿获取模块,具体用于:
针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图;
根据扫地机器人在所述第一局部环境地图中的第一局部位姿,获得扫地机器人在所述第二局部环境中的第二局部位姿,作为扫地机器人在所述预设全局环境地图中与所述第一局部位姿对应的第一全局位姿。
进一步地,所述所述第一全局位姿获取模块,又具体用于:
针对每个参考点,从预设全局环境地图中获得与所述参考点对应的第一局部环境地图相似度最大的局部地图,作为待确认地图;
判断所述待确认地图与所述第一局部环境地图的相似度是否大于预设相似度阈值;
若所述待确认地图与所述第一局部环境地图的相似度大于所述预设相似度阈值,则将所述待确认地图作为扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图。
进一步地,所述第一约束关系获取模块,具体用于:
将所述M个第一局部位姿作为M个第一顶点,创建第一几何图形,将所述第一几何图形作为第一约束关系;
将所述M个第一全局位姿作为M个第二顶点,创建第二几何图形,将所述第二几何图形作为第二约束关系。
进一步地,所述第一残差值包括第一边长残差值,所述第一约束关系中包括M条第一边,所述第二约束关系中包括M条第二边;
所述第一残差值获取模块,具体用于:
针对每条第一边,从所述第二约束关系中获得与所述第一边对应的第二边;
获得所述第一边与对应的第二边的长度差值,作为第一边长残差值。
进一步地,所述第一重定位结果获取模块,具体用于:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
进一步地,所述第一残差值还包括第一角度残差值,所述第一约束关系中包括M个第一夹角,所述第二约束关系中包括M个第二夹角;
所述第一残差值获取模块,还具体用于:
针对每个第一夹角,从所述第二约束关系中获得与所述第一夹角对应的第二夹角;
获得所述第一夹角与对应的第二夹角的角度差值,作为第一角度残差值。
进一步地,所述第一重定位结果获取模块,具体用于:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
针对每个第一夹角,判断所述第一夹角与对应的第二夹角的第一角度残差值是否小于预设角度残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,且每个第一夹角与对应的第二夹角的第一角度残差阈值均小于所述预设角度残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
进一步地,所述装置还包括:
增量参考点获取模块,用于在确定扫地机器人的重定位失败之后,控制扫地机器人继续行径,并在后续行径轨迹中选取增量参考点;
第三局部位姿获取模块,用于构建所述增量参考点对应的第三局部环境地图,并获得扫地机器人在所述第三局部环境地图中的第三局部位姿;
第二全局位姿获取模块,用于获得扫地机器人在预设全局环境地图中与所述第三局部位姿对应的第二全局位姿;
第二约束关系获取模块,用于针对每N个第一局部位姿,获得所述N 个第一局部位姿与所述第三局部位姿之间的相对位置关系,作为第三约束关系,以及针对每N个第一全局位姿,获得所述N个第一全局位姿与所述第二全局位姿之间的相对位置关系,作为第四约束关系,其中,N=M-1;
第二残差值获取模块,用于针对每个第三约束关系,获得所述第三约束关系与对应的第四约束关系之间的第二残差值;
第二重定位结果获取模块,用于根据所述第二残差值,再次获得扫地机器人的重定位结果。
本发明实施例提供的电子设备,包括处理器、存储器和上述处理扫地机器人重定位的装置,所述处理扫地机器人重定位的装置包括一个或多个存储于所述存储器并由所述处理器执行的软件功能模块。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时,可以实现上述处理扫地机器人重定位的方法。
本发明实施例提供的处理扫地机器人重定位的方法,通过从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数,构建所述M 个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿,再获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿,接着,获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系,最后,获得所述第一约束关系与所述第二约束关系之间的第一残差值,并根据所述第一残差值,获得扫地机器人的重定位结果。显而易见,本发明实施例提供的处理扫地机器人重定位的方法中,扫地机器人重定位结果是通过第一约束关系与所述第二约束关系之间的第一残差值获得,而第一约束关系是M个第一局部位姿之间的相对位置关系,第二约束关系是M个第一全局位姿之间的相对位置关系,并且M≥3,且为整数,如此,可以理解的是,扫地机器人重定位结果便是通过多点多次定位的方式获得的,因此,通过本发明实施例提供的处理扫地机器人重定位的方法获得的扫地机器人重定位结果精度较高。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
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公开的某些实施例,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为本发明实施例提供的电子设备的示意性结构框图。
图2为本发明实施例提供的处理扫地机器人重定位的方法的流程示意性。
图3为本发明实施例提供的处理扫地机器人重定位的方法的另一部分流程示意性。
图4为本发明实施例提供的处理扫地机器人重定位的装置的示意性结构框图。
图5为本发明实施例提供的处理扫地机器人重定位的装置的另一部分示意性结构框图。
图标:10-电子设备;100-处理扫地机器人重定位的装置;101-参考点选取模块;102-第一局部位姿获取模块;103-第一全局位姿获取模块;104- 第一约束关系获取模块;105-第一残差值获取模块;106-第一重定位结果获取模块;107-增量参考点获取模块;108-第三局部位姿获取模块;109-第二全局位姿获取模块;110-第二约束关系获取模块;111-第二残差值获取模块; 112-第二重定位结果获取模块;120-处理器;130-存储器。
具体实施方式
下面将结合本发明实施例中的附图,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公开一部分实施例,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公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。根据本公开的实施例,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,都属于本公开保护的范围。
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。
请参阅图1,为本发明实施例提供的一种应用处理扫地机器人重定位的方法及装置的电子设备10的示意性结构框图。进一步地,本发明实施例中,电子设备10包括处理扫地机器人重定位的装置100、处理器120和存储器 130。
处理器120和存储器130之间直接或间接地电性连接,以实现数据的传输或交互,例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。处理扫地机器人重定位的装置100包括至少一个可以软件或固件(Firmware)的形式存储在存储器130中或固化在电子设备10的操作系统(Operating SNstem,OS)中的软件模块。处理器120用于执行存储器130中存储的可执行模块,例如,处理扫地机器人重定位的装置100 所包括的软件功能模块及计算机程序等。处理器120可以在接收到执行指令后,执行计算机程序。
其中,处理器120可以是一种集成电路芯片,具有信号处理能力。处理器120也可以是通用处理器120,例如,可以是数字信号处理器120(DSP)、专用集成电路(ASIC)、分立门或晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。此外,通用处理器120可以是微处理器120或者任何常规处理器120等。
此外,存储器130可以是,但不限于,随机存取存储器130(Random Access MemorN,RAM),只读存储器130(Read OnlN MemorN,ROM),可编程只读存储器130(ProgrammableRead-OnlN MemorN,PROM),可擦可编程序只读存储器130(Erasable Programmable Read-OnlN MemorN, EPROM),电可擦编程只读存储器130Electric Erasable ProgrammableRead-OnlN MemorN,EEPROM)等。存储器130用于存储程序,处理器120 在接收到执行指令后,执行该程序。
应当理解,图1所示的结构仅为示意,本发明实施例提供的电子设备 10还可以具有比图1更少或更多的组件,或是具有与图1所示不同的配置。此外,图1所示的各组件可以通过软件、硬件或其组合实现。
请参阅图2,图2为本发明实施例提供的处理扫地机器人重定位的方法的流程示意图,该方法应用于图1所示的电子设备10。所应说明的是,本发明实施例提供的处理扫地机器人重定位的方法不以图2及以下所示的顺序为限制,以下结合图2对处理扫地机器人重定位的方法的具体流程及步骤进行详细阐述。
步骤S100,从扫地机器人的行径轨迹中选取M个参考点,其中,M≥ 3,且为整数。
步骤S200,构建M个参考点各自对应的第一局部环境地图,并获得扫地机器人在M个参考点各自对应的第一局部环境地图中的第一局部位姿。
本发明实施例中,针对每个参考点,可以控制扫地机器人在该参考点旋转一周,以采集该参考点的周围环境信息,再对该周围环境信息进行处理,获得与该参考点对应的第一局部环境地图,第一局部环境地图可以为栅格地图。由于周围环境信息是扫地机器人在该参考点旋转一周采集的,因此,可以理解的是,第一局部环境地图中存在以参考点为圆心的圆形区域,并且该圆形区域与扫地机器人的所处位置对应,实际实施时,可以将该圆形区域的灰度值设置为255。此后,根据第一局部环境地图,获得扫地机器人在第一局部环境地图中的第一局部位姿,其中,第一局部位姿包括局部位置和姿态。因此,根据第一局部环境地图,获得扫地机器人在第一局部环境地图中的第一局部位姿包括,根据第一局部环境地图,获得扫地机器人在第一局部环境地图中的局部位置,以及根据第一局部环境地图,获得扫地机器人在第一局部环境地图中的姿态。
基于以上描述,本发明实施例中,扫地机器人在第一局部环境地图中的局部位置,即为上述圆形区域的圆心位置,也即,参考点的位置。
此外,本发明实施例中,根据第一局部环境地图,获得扫地机器人在第一局部环境地图中的姿态,至少可以包括以下两种实施方式。在对该两种实施方式进行具体描述之前,需要说明的是,本发明实施例中,扫地机器人包括机器人本体,以及设置于机器人本体上的摄像机构,为方便描述,约定扫地机器人设置有摄像机构的位置为扫地机器人的正面。
作为第一种实施方式,在获得第一局部环境地图之后,可以控制扫地机器人静止于该参考点,以采集扫地机器人的前方环境信息,再对该前方环境信息进行处理,获得前方环境地图,前方环境地图同样可以为栅格地图。此后,从第一局部环境地图中获得与前方环境地图相似度最大的局部地图,作为前方局部地图,并根据前方局部地图在第一局部环境地图中的位置,获得扫地机器人在第一局部环境地图中的姿态。例如,当前方局部地图在第一局环境地图中的正东方时,获得扫地机器人在第一局部环境地图中的姿态为面向正东方。再例如,当前方局部地图在第一局部环境地图中的正西方时,获得扫地机器人在第一局部环境地图中的姿态为面向正西方。
作为第二种实施方式,在获得周围环境信息之后,可以按照信息获得的时间先后顺序,对周围环境信息进行等量划分,获得多段子环境信息,并将获得时间最早的子环境信息作为第一子环境信息,以及将获得时间最晚的子环境信息作为第二子环境信息。此后,根据第一子环境信息和第二子环境信息,获得前方环境地图,前方环境地图同样可以为栅格地图。此后,从第一局部环境地图中获得与前方环境地图相似度最大的局部地图,作为前方局部地图,并获得前方局部地图的对称轴线,根据该对称轴线在第一局部环境地图中的位置,获得扫地机器人在第一局部环境地图中的姿态。例如,当对称轴线在第一局环境地图中的正东方时,获得扫地机器人在第一局部环境地图中的姿态为面向正东方。再例如,当对称轴线在第一局部环境地图中的正西方时,获得扫地机器人在第一局部环境地图中的姿态为面向正西方。
进一步地,以M=3为例,本发明实施例中,M个参考点可以包括第一参考点、第二参考点和第三参考点,其中,第一参考点可以为扫地机器人开机时的所处位置,第二参考点和第三参考点为扫地机器人从第一参考点出发后在行径轨迹中先后选取的另外两个参考点。实际实施时,第二参考点可以根据与第一参考点对应的第一局部环境地图选取,第三参考点可以根据与第二参考点对应的第一局部环境地图选取。因此,可以理解的是,上述从扫地机器人的行径轨迹中选取M个参考点的步骤,以及构建M个参考点各自对应的第一局部环境地图,并获得扫地机器人在M个参考点各自对应的第一局部环境地图中的第一局部位姿的步骤,可以是交叉同步进行的,也即,选取第一参考点之后,构建第一参考点对应的第一局部环境地图,并获得扫地机器人在第一参考点对应的第一局部环境地图中的第一局部位姿,接着,选取第二参考点,并在选取第二参考点之后,使扫地机器人行径至第二参考点,构建第二参考点对应的第一局部环境地图,并获得扫地机器人在第二参考点对应的第一局部环境地图中的第一局部位姿,最后,选取第三参考点,并在选取第三参考点之后,使扫地机器人行径至第三参考点,构建第三参考点对应的第一局部环境地图,并获得扫地机器人在第三参考点对应的第一局部环境地图中的第一局部位姿。
以下将对根据与第一参考点对应的第一局部环境地图选取第二参考点的实施方式进行具体描述。
从与第一参考点对应的第一局部环境地图中选取面积大于预设面积,且与第一参考点的距离长度大于预设距离长度的无障碍区域,再获得该无障碍区域的中心点,作为目标点,最后,判断第一参考点与目标点之间是否存在直线行径路线,若第一参考点与目标点之间存在直线行径路线,则将该目标点作为第二参考点。根据与第二参考点对应的第一局部环境地图选取第三参考点的实施方式与根据与第一参考点对应的第一局部环境地图选取第二参考点的实施方式相同,本发明实施例中不再赘述。
步骤S300,获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿。
本发明实施例中,针对每个参考点,可以根据与参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与参考点对应的第二局部环境地图。作为一种实施方式,针对每个参考点,可以从预设全局环境地图中获得与该参考点对应的第一局部环境地图相似度最大的局部地图,作为待确认地图,再判断待确认地图与第一局部环境地图的相似度是否大于预设相似度阈值,若待确认地图与第一局部环境地图的相似度大于预设相似度阈值,则将待确认地图作为扫地机器人在预设全局地图中与参考点对应的第二局部环境地图。此外,实际实施时,若待确认地图与第一局部环境地图的相似度小于或等于预设相似度阈值,则将该参考点抛弃,并从扫地机器人的行径轨迹中选取备用参考点,作为该参考点的替代。
此后,根据扫地机器人在第一局部环境地图中的第一局部位姿,获得扫地机器人在第二局部环境中的第二局部位姿,作为扫地机器人在预设全局环境地图中与第一局部位姿对应的第一全局位姿。由于第二局部环境地图与第一局部环境地图相似,因此,本发明实施例中,可以直接将扫地机器人在第一局部环境地图中的第一局部位姿,作为扫地机器人在第二局部环境中的第二局部位姿,并作为扫地机器人在预设全局环境地图中与第一局部位姿对应的第一全局位姿。
步骤S400,获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系。
本发明实施例中,可以将M个第一局部位姿作为M个第一顶点,创建第一几何图形,将第一几何图形作为第一约束关系,同时,将M个第一全局位姿作为M个第二顶点,创建第二几何图形,将第二几何图形作为第二约束关系。以M=3为例,本发明实施例中,第一约束关系为以3个第一局部位姿作为第一顶点的三角形,第二约束关系为以3个第一全局位姿为第二顶点的三角形。以M=4为例,本发明实施例中,第一约束关系为以4个第一局部位姿作为第一顶点的四边形,第二约束关系为以4个第一全局位姿为第二顶点的四边形。
此外,可以理解的是,本发明实施例中,将M个第一局部位姿作为M 个第一顶点,创建第一几何图形,也即,将M个第一局部位姿的局部位置作为M个第一顶点,创建第一几何图形,同样,将M个第一全局位姿作为 M个第二顶点,创建第二几何图形,也即,将M个第一全局位姿的全局位置作为M个第二顶点,创建第二几何图形。
步骤S500,获得第一约束关系与第二约束关系之间的第一残差值。
步骤S600,根据第一残差值,获得扫地机器人的重定位结果。
作为第一种实施方式,第一残差值可以包括第一边长残差值,第一约束关系中包括M条第一边,第二约束关系中包括M条第二边。因此,获得第一约束关系与第二约束关系之间的第一残差值,具体可以包括,针对每条第一边,从第二约束关系中获得与第一边对应的第二边,并获得第一边与对应的第二边的长度差值,作为第一边长残差值。
基于此,根据第一残差值,获得扫地机器人的重定位结果,具体可以包括,针对每条第一边,判断第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值。若每条第一边与对应的第二边的第一边长残差值均小于预设边长残差阈值,则确定第一约束关系与第二约束关系的第一残差值小于预设残差阈值。若第一约束关系与第二约束关系的第一残差值小于预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
基于三角形的稳定性,若三角形三条边的长度确定,那么三角形的形状和大小就确定了,而其他多边形,例如,四边形却不具有这样的稳定性,因此,当M=3,第一约束关系为以3个第一局部位姿作为第一顶点的三角形,第二约束关系为以3个第一全局位姿为第二顶点的三角形时,通过上述第一种实施方式能够保证重定位结果具有较高的精度,但是,当M=4,第一约束关系为以4个第一局部位姿作为第一顶点的四边形,第二约束关系为以4个第一全局位姿为第二顶点的四边形时,通过第一种实施方式则无法保证重定位结果具有较高的精度。鉴于此,本发明实施例中,针对获得第一约束关系与第二约束关系之间的第一残差值,根据第一残差值,获得扫地机器人的重定位结果,还提出了第二种实施方式。
作为第二种实施方式,第一残差值可以包括第一边长残差值和第一角度残差值,第一约束关系中包括M条第一边和M个第一夹角,第二约束关系中包括M条第二边和M个第二夹角。因此,获得第一约束关系与第二约束关系之间的第一残差值,具体可以包括,针对每条第一边,从第二约束关系中获得与第一边对应的第二边,并获得第一边与对应的第二边的长度差值,作为第一边长残差值,以及针对每个第一夹角,从第二约束关系中获得与第一夹角对应的第二夹角,并获得第一夹角与对应的第二夹角的角度差值,作为第一角度残差值。
基于此,根据第一残差值,获得扫地机器人的重定位结果,具体可以包括,针对每条第一边,判断第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值,以及针对每个第一夹角,判断第一夹角与对应的第二夹角的第一角度残差值是否小于预设角度残差阈值。若每条第一边与对应的第二边的第一边长残差值均小于预设边长残差阈值,且每个第一夹角与对应的第二夹角的第一角度残差阈值均小于预设角度残差阈值,则确定第一约束关系与第二约束关系的第一残差值小于预设残差阈值。若第一约束关系与第二约束关系的第一残差值小于预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
通过上述第二种实施方式,当M=4,第一约束关系为以4个第一局部位姿作为第一顶点的四边形,第二约束关系为以4个第一全局位姿为第二顶点的四边形时,通过上述第二种实施方式便能够保证重定位结果具有较高的精度。
此外,可以理解的是,本发明实施例中,当扫地机器人行径至行径轨迹中的最后一个参考点后,便可以使扫地机器人静止于该参考点,如此,在确定扫地机器人的重定位成功后,便可以获得扫地机器人在该参考点对应的第一局部环境地图中的第一局部位姿,并将扫地机器人在预设全局环境地图中与该第一局部位姿对应的第一全局位姿,作为扫地机器人在全局环境地图中的重定位终结果。
请结合图3,可选地,本发明实施例中,确定扫地机器人的重定位失败之后,该处理扫地机器人重定位的方法还可以包括以下步骤,以再次获得扫地机器人的重定位结果。
步骤S700,控制扫地机器人继续行径,并在后续行径轨迹中选取增量参考点。
继续上述M=3,M个参考点可以包括第一参考点、第二参考点和第三参考点的示例,实际实施时,增量参考点可以根据与第三参考点对应的第一局部环境地图选取,并且根据与第三参考点对应的第一局部环境地图选取增量参考点的实施方式与根据与第一参考点对应的第一局部环境地图选取第二参考点的实施方式相同,本发明实施例中不再赘述。
步骤S800,构建增量参考点对应的第三局部环境地图,并获得扫地机器人在第三局部环境地图中的第三局部位姿。
本发明实施例中,构建增量参考点对应的第三局部环境地图,并获得扫地机器人在第三局部环境地图中的第三局部位姿的具体实施方式,与上述构建M个参考点各自对应的第一局部环境地图,并获得扫地机器人在M 个参考点各自对应的第一局部环境地图中的第一局部位姿的具体实施方式相似,此处不再赘述。
步骤S900,获得扫地机器人在预设全局环境地图中与第三局部位姿对应的第二全局位姿。
获得扫地机器人在预设全局环境地图中与第三局部位姿对应的第二全局位姿的具体实施方式,与上述获得扫地机器人在预设全局环境地图中与 M个第一局部位姿分别对应的M个第一全局位姿的具体实施方式相似,此处不再赘述。
步骤S1000,针对每N个第一局部位姿,获得N个第一局部位姿与第三局部位姿之间的相对位置关系,作为第三约束关系,以及针对每N个第一全局位姿,获得N个第一全局位姿与第二全局位姿之间的相对位置关系,作为第四约束关系,其中,N=M-1。
本发明实施例中,针对每N个第一局部位姿,可以将N个第一局部位姿作为N个第三顶点,将第三局部位姿作为另一个第三顶点,创建第三几何图形,将第三几何图形作为第三约束关系,同时,针对每N个第一全局位姿,可以将N个第一全局位姿作为N个第四顶点,将第二全局位姿作为另一个第四顶点,创建第四几何图形,将第四几何图形作为第四约束关系。以M=3为例,本发明实施例中,第三约束关系为以2个第一局部位姿和第三局部位姿作为第三顶点的三角形,第四约束关系为以2个第一全局位姿和第二全局位姿为第四顶点的三角形。以M=4为例,本发明实施例中,第三约束关系为以3个第一局部位姿和第三局部位姿作为第三顶点的四边形,第四约束关系为以3个第一全局位姿和第二全局位姿为第四顶点的四边形。
此外,可以理解的是,本发明实施例中,将N个第一局部位姿作为N 个第三顶点,将第三局部位姿作为另一个第三顶点,创建第三几何图形,也即,将N个第一局部位姿的局部位置作为N个第三顶点,将第三局部位姿的局部位置作为另一个第三顶点,创建第三几何图形,同样,将N个第一全局位姿作为N个第四顶点,将第二全局位姿作为另一个第四顶点,创建第四几何图形,也即,将N个第一全局位姿的全局位置作为N个第四顶点,将第二全局位姿的全局位置作为另一个第四顶点,创建第四几何图形。
基于以上描述,实际实施时,将获得M个第三约束关系和M个第四约束关系,并且M个第三约束关系分别与M个第四约束关系对应。
步骤S1100,针对每个第三约束关系,获得第三约束关系与对应的第四约束关系之间的第二残差值。
步骤S1200,根据第二残差值,再次获得扫地机器人的重定位结果。
作为第一种实施方式,第二残差值可以包括第二边长残差值,第三约束关系中包括M条第三边,第四约束关系中包括M条第四边。因此,针对每个第三约束关系,获得第三约束关系与对应的第四约束关系之间的第二残差值,具体可以包括,针对该第三约束关系中的每条第三边,从对应的第四约束关系中获得与第三边对应的第四边,并获得第三边与对应的第四边的长度差值,作为第二边长残差值。
基于此,根据第二残差值,再次获得扫地机器人的重定位结果,具体可以包括,针对每个第三约束关系,判断该第三约束关系中的每条第三边与对应的第四边的第二边长残差值是否小于预设边长残差阈值。若每条第三边与对应的第四边的第二边长残差值均小于预设边长残差阈值,则确定该第三约束关系与对应的第四约束关系的第二残差值小于预设残差阈值。若M个第三约束关系中,存在与对应的第四约束关系的第二残差值小于预设残差阈值的第三约束关系,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
基于三角形的稳定性,若三角形三条边的长度确定,那么三角形的形状和大小就确定了,而其他多边形,例如四边形却不具有这样的稳定性,因此,当M=3,第三约束关系为以2个第一局部位姿和第三局部位姿作为第三顶点的三角形,第四约束关系为以2个第一全局位姿和第二全局位姿为第四顶点的三角形时,通过上述第一种实施方式能够保证重定位结果具有较高的精度,但是,当M=4,第三约束关系为以3个第一局部位姿和第三局部位姿作为第三顶点的四边形,第四约束关系为以3个第一全局位姿和第二全局位姿作为第四顶点的四边形时,通过上述第一种实施方式则无法保证重定位结果具有较高的精度。鉴于此,本发明实施例中,针对每个第三约束关系,获得第三约束关系与对应的第四约束关系之间的第二残差值,根据第二残差值,再次获得扫地机器人的重定位结果,还提出了第二种实施方式。
作为第二种实施方式,第二残差值可以包括第二边长残差值和第二角度残差值,第三约束关系中包括M条第三边和M个第三夹角,第四约束关系中包括M条第四边和M个第四夹角。因此,针对每个第三约束关系,获得第三约束关系与对应的第四约束关系之间的第二残差值,具体可以包括,针对该第三约束关系中的每条第三边,从对应的第四约束关系中获得与第三边对应的第四边,并获得第三边与对应的第四边的长度差值,作为第二边长残差值,以及针对该第三约束关系中的每各第三夹角,从对应的第四约束关系中获得与第三夹角对应的第四夹角,并获得第三夹角与对应的第四夹角的长度差值,作为第二角度残差值。
基于此,根据第二残差值,再次获得扫地机器人的重定位结果,具体可以包括,针对每个第三约束关系,判断该第三约束关系中的每条第三边与对应的第四边的第二边长残差值是否小于预设边长残差阈值,以及针对每个第三约束关系,判断该第三约束关系中的每个第三夹角与对应的第四夹角的第二角度残差值是否小于预设角度残差阈值。若每条第三边与对应的第四边的第二边长残差值均小于预设边长残差阈值,且每个第三夹角与对应的第四夹角的第二角度残差值均小于预设角度残差阈值,则确定该第三约束关系与对应的第四约束关系的第二残差值小于预设残差阈值。若M 个第三约束关系中,存在与对应的第四约束关系的第二残差值小于预设残差阈值的第三约束关系,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
通过上述第二种实施方式,当M=4,第三约束关系为以3个第一局部位姿和第三局部位姿作为第三顶点的四边形,第四约束关系为以3个第一全局位姿和第二全局位姿作为第四顶点的四边形时,通过上述第二种实施方式便能够保证重定位结果具有较高的精度。
此外,可以理解的是,本发明实施例中,当扫地机器人行径至行径轨迹中的增量参考点后,便可以使扫地机器人静止于增量参考点,如此,在确定扫地机器人的重定位成功后,便可以获得扫地机器人在增量参考点对应的第三局部环境地图中的第三局部位姿,并将扫地机器人在预设全局环境地图中与该第三局部位姿对应的第二全局位姿,作为扫地机器人在全局环境地图中的重定位终结果。
根据与上述处理扫地机器人重定位的方法同样的发明构思,本发明实施例还提供了一种处理扫地机器人重定位的装置100。请参阅图4,该处理扫地机器人重定位的装置100包括参考点选取模块101、第一局部位姿获取模块102、第一全局位姿获取模块103、第一约束关系获取模块104、第一残差值获取模块105和第一重定位结果获取模块106。
参考点选取模块101,用于从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数。
关于参考点选取模块101的描述具体可参考上述步骤S100的详细描述,也即,步骤S100可以由参考点选取模块101执行,此处不再赘述。
第一局部位姿获取模块102,用于构建M个参考点各自对应的第一局部环境地图,并获得扫地机器人在M个参考点各自对应的第一局部环境地图中的第一局部位姿。
可选地,本发明实施例中,第一局部位姿获取模块102,具体用于:
针对每个参考点,控制扫地机器人在参考点旋转一周,以采集参考点的周围环境信息;
对周围环境信息进行处理,获得与参考点对应的第一局部环境地图;
根据第一局部环境地图,获得扫地机器人在第一局部环境地图中的第一局部位姿。
关于第一局部位姿获取模块102的描述具体可参考上述步骤S200的详细描述,也即,步骤S200可以由第一局部位姿获取模块102执行,此处不再赘述。
第一全局位姿获取模块103,用于获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿。
可选地,本发明实施例中,第一全局位姿获取模块103,具体用于:
针对每个参考点,根据与参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与参考点对应的第二局部环境地图;
根据扫地机器人在第一局部环境地图中的第一局部位姿,获得扫地机器人在第二局部环境中的第二局部位姿,作为扫地机器人在预设全局环境地图中与第一局部位姿对应的第一全局位姿。
进一步地,本发明实施例中,第一全局位姿获取模块103,又具体用于:
针对每个参考点,从预设全局环境地图中获得与参考点对应的第一局部环境地图相似度最大的局部地图,作为待确认地图;
判断待确认地图与第一局部环境地图的相似度是否大于预设相似度阈值;
若待确认地图与第一局部环境地图的相似度大于预设相似度阈值,则将待确认地图作为扫地机器人在预设全局地图中与参考点对应的第二局部环境地图。
关于第一全局位姿获取模块103的描述具体可参考上述步骤S300的详细描述,也即,步骤S300可以由第一全局位姿获取模块103执行,此处不再赘述。
第一约束关系获取模块104,用于获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系。
可选地,本发明实施例中,第一约束关系获取模块104,具体用于:
将M个第一局部位姿作为M个第一顶点,创建第一几何图形,将第一几何图形作为第一约束关系;
将M个第一全局位姿作为M个第二顶点,创建第二几何图形,将第二几何图形作为第二约束关系。
关于第一约束关系获取模块104的描述具体可参考上述步骤S400的详细描述,也即,步骤S400可以由第一约束关系获取模块104执行,此处不再赘述。
第一残差值获取模块105,用于获得第一约束关系与第二约束关系之间的第一残差值。
第一重定位结果获取模块106,用于根据第一残差值,获得扫地机器人的重定位结果。
本发明实施例中,作为一种实施方式,第一残差值包括第一边长残差值,第一约束关系中包括M条第一边,第二约束关系中包括M条第二边。
第一残差值获取模块105,具体用于:
针对每条第一边,从第二约束关系中获得与第一边对应的第二边;
获得第一边与对应的第二边的长度差值,作为第一边长残差值。
第一重定位结果获取模块106,具体用于:
针对每条第一边,判断第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于预设边长残差阈值,则确定第一约束关系与第二约束关系的第一残差值小于预设残差阈值;
若第一约束关系与第二约束关系的第一残差值小于预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
本发明实施例中,作为二种实施方式,第一残差值还包括第一角度残差值,第一约束关系中包括M个第一夹角,第二约束关系中包括M个第二夹角。
第一残差值获取模块105,还具体用于:
针对每个第一夹角,从第二约束关系中获得与第一夹角对应的第二夹角;
获得第一夹角与对应的第二夹角的角度差值,作为第一角度残差值。
第一重定位结果获取模块106,具体用于:
针对每条第一边,判断第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
针对每个第一夹角,判断第一夹角与对应的第二夹角的第一角度残差值是否小于预设角度残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于预设边长残差阈值,且每个第一夹角与对应的第二夹角的第一角度残差阈值均小于预设角度残差阈值,则确定第一约束关系与第二约束关系的第一残差值小于预设残差阈值;
若第一约束关系与第二约束关系的第一残差值小于预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
关于第一残差值获取模块105的描述具体可参考上述步骤S500的详细描述,也即,步骤S500可以由第一残差值获取模块105执行,此处不再赘述。
同样,关于第一重定位结果获取模块106的描述具体可参考上述步骤 S600的详细描述,也即,步骤S600可以由第一重定位结果获取模块106 执行,此处不再赘述。
请结合图5,可选地,本发明实施例中,装置还包括增量参考点获取模块107、第三局部位姿获取模块108、第二全局位姿获取模块109、第二约束关系获取模块110、第二残差值获取模块111和第二重定位结果获取模块 112。
增量参考点获取模块107,用于在确定扫地机器人的重定位失败之后,控制扫地机器人继续行径,并在后续行径轨迹中选取增量参考点。
关于增量参考点获取模块107的描述具体可参考上述步骤S700的详细描述,也即,步骤S700可以由增量参考点获取模块107执行,此处不再赘述。
第三局部位姿获取模块108,用于构建增量参考点对应的第三局部环境地图,并获得扫地机器人在第三局部环境地图中的第三局部位姿。
关于第三局部位姿获取模块108的描述具体可参考上述步骤S800的详细描述,也即,步骤S800可以由第三局部位姿获取模块108执行,此处不再赘述。
第二全局位姿获取模块109,用于获得扫地机器人在预设全局环境地图中与第三局部位姿对应的第二全局位姿。
关于第二全局位姿获取模块109的描述具体可参考上述步骤S900的详细描述,也即,步骤S900可以由第二全局位姿获取模块109执行,此处不再赘述。
第二约束关系获取模块110,用于针对每N个第一局部位姿,获得N 个第一局部位姿与第三局部位姿之间的相对位置关系,作为第三约束关系,以及针对每N个第一全局位姿,获得N个第一全局位姿与第二全局位姿之间的相对位置关系,作为第四约束关系,其中,N=M-1。
关于第二约束关系获取模块110的描述具体可参考上述步骤S1000的详细描述,也即,步骤S1000可以由第二约束关系获取模块110执行,此处不再赘述。
第二残差值获取模块111,用于针对每个第三约束关系,获得第三约束关系与对应的第四约束关系之间的第二残差值。
关于第二残差值获取模块111的描述具体可参考上述步骤S1100的详细描述,也即,步骤S1100可以由第二残差值获取模块111执行,此处不再赘述。
第二重定位结果获取模块112,用于根据第二残差值,再次获得扫地机器人的重定位结果。
关于第二重定位结果获取模块112的描述具体可参考上述步骤S1200 的详细描述,也即,步骤S1200可以由第二重定位结果获取模块112执行,此处不再赘述。
综上所述,本发明实施例提供的处理扫地机器人重定位的方法,通过从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数,构建M个参考点各自对应的第一局部环境地图,并获得扫地机器人在M个参考点各自对应的第一局部环境地图中的第一局部位姿,再获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿,接着,获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系,最后,获得第一约束关系与第二约束关系之间的第一残差值,并根据第一残差值,获得扫地机器人的重定位结果。显而易见,本发明实施例提供的处理扫地机器人重定位的方法中,扫地机器人重定位结果是通过第一约束关系与第二约束关系之间的第一残差值获得,而第一约束关系是M个第一局部位姿之间的相对位置关系,第二约束关系是M个第一全局位姿之间的相对位置关系,并且M≥3,且为整数,如此,可以理解的是,扫地机器人重定位结果便是通过多点多次定位的方式获得的,因此,通过本发明实施例提供的处理扫地机器人重定位的方法获得的扫地机器人重定位结果精度较高。
在本发明实施例所提供的上述实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的根据硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块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。根据这样的理解,本公开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,电子设备,或者网络设备等)执行本公开各个实施例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-OnlN MemorN)、随机存取存储器(RAM,Random Access MemorN)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅为本公开的可选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
A1.一种处理扫地机器人重定位的方法,其特征在于,包括:
从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数;
构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿;
获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿;
获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系;
获得所述第一约束关系与所述第二约束关系之间的第一残差值;
根据所述第一残差值,获得扫地机器人的重定位结果。
A2.根据权利要求A1所述的处理扫地机器人重定位的方法,其特征在于,所述构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿,包括:
针对每个参考点,控制扫地机器人在所述参考点旋转一周,以采集所述参考点的周围环境信息;
对所述周围环境信息进行处理,获得与所述参考点对应的第一局部环境地图;
根据所述第一局部环境地图,获得扫地机器人在所述第一局部环境地图中的第一局部位姿。
A3.根据权利要求A1所述的处理扫地机器人重定位的方法,其特征在于,所述获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿,包括:
针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图;
根据扫地机器人在所述第一局部环境地图中的第一局部位姿,获得扫地机器人在所述第二局部环境中的第二局部位姿,作为扫地机器人在所述预设全局环境地图中与所述第一局部位姿对应的第一全局位姿。
A4.根据权利要求A3所述的处理扫地机器人重定位的方法,其特征在于,所述针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图,包括:
针对每个参考点,从预设全局环境地图中获得与所述参考点对应的第一局部环境地图相似度最大的局部地图,作为待确认地图;
判断所述待确认地图与所述第一局部环境地图的相似度是否大于预设相似度阈值;
若所述待确认地图与所述第一局部环境地图的相似度大于所述预设相似度阈值,则将所述待确认地图作为扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图。
A5.根据权利要求A1所述的处理扫地机器人重定位的方法,其特征在于,所述获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系,包括:
将所述M个第一局部位姿作为M个第一顶点,创建第一几何图形,将所述第一几何图形作为第一约束关系;
将所述M个第一全局位姿作为M个第二顶点,创建第二几何图形,将所述第二几何图形作为第二约束关系。
A6.根据权利要求A5所述的处理扫地机器人重定位的方法,其特征在于,所述第一残差值包括第一边长残差值,所述第一约束关系中包括M条第一边,所述第二约束关系中包括M条第二边;
所述获得所述第一约束关系与所述第二约束关系之间的第一残差值,包括:
针对每条第一边,从所述第二约束关系中获得与所述第一边对应的第二边;
获得所述第一边与对应的第二边的长度差值,作为第一边长残差值。
A7.根据权利要求A6所述的处理扫地机器人重定位的方法,其特征在于,所述根据所述第一残差值,获得扫地机器人的重定位结果,包括:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
A8.根据权利要求A6所述的处理扫地机器人重定位的方法,其特征在于,所述第一残差值还包括第一角度残差值,所述第一约束关系中包括M 个第一夹角,所述第二约束关系中包括M个第二夹角;
所述获得所述第一约束关系与所述第二约束关系之间的第一残差值,还包括:
针对每个第一夹角,从所述第二约束关系中获得与所述第一夹角对应的第二夹角;
获得所述第一夹角与对应的第二夹角的角度差值,作为第一角度残差值。
A9.根据权利要求A8所述的处理扫地机器人重定位的方法,其特征在于,所述根据所述第一残差值,获得扫地机器人的重定位结果,包括:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
针对每个第一夹角,判断所述第一夹角与对应的第二夹角的第一角度残差值是否小于预设角度残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,且每个第一夹角与对应的第二夹角的第一角度残差阈值均小于所述预设角度残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
A10.根据权利要求A7或A9所述的处理扫地机器人重定位的方法,其特征在于,所述确定扫地机器人的重定位失败之后,所述方法还包括:
控制扫地机器人继续行径,并在后续行径轨迹中选取增量参考点;
构建所述增量参考点对应的第三局部环境地图,并获得扫地机器人在所述第三局部环境地图中的第三局部位姿;
获得扫地机器人在预设全局环境地图中与所述第三局部位姿对应的第二全局位姿;
针对每N个第一局部位姿,获得所述N个第一局部位姿与所述第三局部位姿之间的相对位置关系,作为第三约束关系,以及针对每N个第一全局位姿,获得所述N个第一全局位姿与所述第二全局位姿之间的相对位置关系,作为第四约束关系,其中,N=M-1;
针对每个第三约束关系,获得所述第三约束关系与对应的第四约束关系之间的第二残差值;
根据所述第二残差值,再次获得扫地机器人的重定位结果。
B11.一种处理扫地机器人重定位的装置,其特征在于,包括:
参考点选取模块,用于从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数;
第一局部位姿获取模块,用于构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿;
第一全局位姿获取模块,用于获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿;
第一约束关系获取模块,用于获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系;
第一残差值获取模块,用于获得所述第一约束关系与所述第二约束关系之间的第一残差值;
第一重定位结果获取模块,用于根据所述第一残差值,获得扫地机器人的重定位结果。
B12.根据权利要求B11所述的处理扫地机器人重定位的装置,其特征在于,所述第一局部位姿获取模块,具体用于:
针对每个参考点,控制扫地机器人在所述参考点旋转一周,以采集所述参考点的周围环境信息;
对所述周围环境信息进行处理,获得与所述参考点对应的第一局部环境地图;
根据所述第一局部环境地图,获得扫地机器人在所述第一局部环境地图中的第一局部位姿。
B13.根据权利要求B11所述的处理扫地机器人重定位的装置,其特征在于,所述第一全局位姿获取模块,具体用于:
针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图;
根据扫地机器人在所述第一局部环境地图中的第一局部位姿,获得扫地机器人在所述第二局部环境中的第二局部位姿,作为扫地机器人在所述预设全局环境地图中与所述第一局部位姿对应的第一全局位姿。
B14.根据权利要求B13所述的处理扫地机器人重定位的装置,其特征在于,所述所述第一全局位姿获取模块,又具体用于:
针对每个参考点,从预设全局环境地图中获得与所述参考点对应的第一局部环境地图相似度最大的局部地图,作为待确认地图;
判断所述待确认地图与所述第一局部环境地图的相似度是否大于预设相似度阈值;
若所述待确认地图与所述第一局部环境地图的相似度大于所述预设相似度阈值,则将所述待确认地图作为扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图。
B15.根据权利要求B11所述的处理扫地机器人重定位的装置,其特征在于,所述第一约束关系获取模块,具体用于:
将所述M个第一局部位姿作为M个第一顶点,创建第一几何图形,将所述第一几何图形作为第一约束关系;
将所述M个第一全局位姿作为M个第二顶点,创建第二几何图形,将所述第二几何图形作为第二约束关系。
B16.根据权利要求B15所述的处理扫地机器人重定位的装置,其特征在于,所述第一残差值包括第一边长残差值,所述第一约束关系中包括M 条第一边,所述第二约束关系中包括M条第二边;
所述第一残差值获取模块,具体用于:
针对每条第一边,从所述第二约束关系中获得与所述第一边对应的第二边;
获得所述第一边与对应的第二边的长度差值,作为第一边长残差值。
B17.根据权利要求B16所述的处理扫地机器人重定位的装置,其特征在于,所述第一重定位结果获取模块,具体用于:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
B18.根据权利要求B16所述的处理扫地机器人重定位的装置,其特征在于,所述第一残差值还包括第一角度残差值,所述第一约束关系中包括 M个第一夹角,所述第二约束关系中包括M个第二夹角;
所述第一残差值获取模块,还具体用于:
针对每个第一夹角,从所述第二约束关系中获得与所述第一夹角对应的第二夹角;
获得所述第一夹角与对应的第二夹角的角度差值,作为第一角度残差值。
B19.根据权利要求B18所述的处理扫地机器人重定位的装置,其特征在于,所述第一重定位结果获取模块,具体用于:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
针对每个第一夹角,判断所述第一夹角与对应的第二夹角的第一角度残差值是否小于预设角度残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,且每个第一夹角与对应的第二夹角的第一角度残差阈值均小于所述预设角度残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
B20.根据权利要求B17或B19所述的处理扫地机器人重定位的装置,其特征在于,所述装置还包括:
增量参考点获取模块,用于在确定扫地机器人的重定位失败之后,控制扫地机器人继续行径,并在后续行径轨迹中选取增量参考点;
第三局部位姿获取模块,用于构建所述增量参考点对应的第三局部环境地图,并获得扫地机器人在所述第三局部环境地图中的第三局部位姿;
第二全局位姿获取模块,用于获得扫地机器人在预设全局环境地图中与所述第三局部位姿对应的第二全局位姿;
第二约束关系获取模块,用于针对每N个第一局部位姿,获得所述N 个第一局部位姿与所述第三局部位姿之间的相对位置关系,作为第三约束关系,以及针对每N个第一全局位姿,获得所述N个第一全局位姿与所述第二全局位姿之间的相对位置关系,作为第四约束关系,其中,N=M-1;
第二残差值获取模块,用于针对每个第三约束关系,获得所述第三约束关系与对应的第四约束关系之间的第二残差值;
第二重定位结果获取模块,用于根据所述第二残差值,再次获得扫地机器人的重定位结果。
C21.一种电子设备,其特征在于,包括处理器、存储器和权利要求B11- B20所述的处理扫地机器人重定位的装置,所述处理扫地机器人重定位的装置包括一个或多个存储于所述存储器并由所述处理器执行的软件功能模块。
D22.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时,可以实现权利要求A1-A10中任意一项所述的处理扫地机器人重定位的方法。
Claims (22)
1.一种处理扫地机器人重定位的方法,其特征在于,包括:
从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数;
构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿;
获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿;
获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系;
获得所述第一约束关系与所述第二约束关系之间的第一残差值;
根据所述第一残差值,获得扫地机器人的重定位结果。
2.根据权利要求1所述的处理扫地机器人重定位的方法,其特征在于,所述构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿,包括:
针对每个参考点,控制扫地机器人在所述参考点旋转一周,以采集所述参考点的周围环境信息;
对所述周围环境信息进行处理,获得与所述参考点对应的第一局部环境地图;
根据所述第一局部环境地图,获得扫地机器人在所述第一局部环境地图中的第一局部位姿。
3.根据权利要求1所述的处理扫地机器人重定位的方法,其特征在于,所述获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿,包括:
针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图;
根据扫地机器人在所述第一局部环境地图中的第一局部位姿,获得扫地机器人在所述第二局部环境中的第二局部位姿,作为扫地机器人在所述预设全局环境地图中与所述第一局部位姿对应的第一全局位姿。
4.根据权利要求3所述的处理扫地机器人重定位的方法,其特征在于,所述针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图,包括:
针对每个参考点,从预设全局环境地图中获得与所述参考点对应的第一局部环境地图相似度最大的局部地图,作为待确认地图;
判断所述待确认地图与所述第一局部环境地图的相似度是否大于预设相似度阈值;
若所述待确认地图与所述第一局部环境地图的相似度大于所述预设相似度阈值,则将所述待确认地图作为扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图。
5.根据权利要求1所述的处理扫地机器人重定位的方法,其特征在于,所述获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系,包括:
将所述M个第一局部位姿作为M个第一顶点,创建第一几何图形,将所述第一几何图形作为第一约束关系;
将所述M个第一全局位姿作为M个第二顶点,创建第二几何图形,将所述第二几何图形作为第二约束关系。
6.根据权利要求5所述的处理扫地机器人重定位的方法,其特征在于,所述第一残差值包括第一边长残差值,所述第一约束关系中包括M条第一边,所述第二约束关系中包括M条第二边;
所述获得所述第一约束关系与所述第二约束关系之间的第一残差值,包括:
针对每条第一边,从所述第二约束关系中获得与所述第一边对应的第二边;
获得所述第一边与对应的第二边的长度差值,作为第一边长残差值。
7.根据权利要求6所述的处理扫地机器人重定位的方法,其特征在于,所述根据所述第一残差值,获得扫地机器人的重定位结果,包括:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
8.根据权利要求6所述的处理扫地机器人重定位的方法,其特征在于,所述第一残差值还包括第一角度残差值,所述第一约束关系中包括M个第一夹角,所述第二约束关系中包括M个第二夹角;
所述获得所述第一约束关系与所述第二约束关系之间的第一残差值,还包括:
针对每个第一夹角,从所述第二约束关系中获得与所述第一夹角对应的第二夹角;
获得所述第一夹角与对应的第二夹角的角度差值,作为第一角度残差值。
9.根据权利要求8所述的处理扫地机器人重定位的方法,其特征在于,所述根据所述第一残差值,获得扫地机器人的重定位结果,包括:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
针对每个第一夹角,判断所述第一夹角与对应的第二夹角的第一角度残差值是否小于预设角度残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,且每个第一夹角与对应的第二夹角的第一角度残差阈值均小于所述预设角度残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
10.根据权利要求7或9所述的处理扫地机器人重定位的方法,其特征在于,所述确定扫地机器人的重定位失败之后,所述方法还包括:
控制扫地机器人继续行径,并在后续行径轨迹中选取增量参考点;
构建所述增量参考点对应的第三局部环境地图,并获得扫地机器人在所述第三局部环境地图中的第三局部位姿;
获得扫地机器人在预设全局环境地图中与所述第三局部位姿对应的第二全局位姿;
针对每N个第一局部位姿,获得所述N个第一局部位姿与所述第三局部位姿之间的相对位置关系,作为第三约束关系,以及针对每N个第一全局位姿,获得所述N个第一全局位姿与所述第二全局位姿之间的相对位置关系,作为第四约束关系,其中,N=M-1;
针对每个第三约束关系,获得所述第三约束关系与对应的第四约束关系之间的第二残差值;
根据所述第二残差值,再次获得扫地机器人的重定位结果。
11.一种处理扫地机器人重定位的装置,其特征在于,包括:
参考点选取模块,用于从扫地机器人的行径轨迹中选取M个参考点,其中,M≥3,且为整数;
第一局部位姿获取模块,用于构建所述M个参考点各自对应的第一局部环境地图,并获得扫地机器人在所述M个参考点各自对应的第一局部环境地图中的第一局部位姿;
第一全局位姿获取模块,用于获得扫地机器人在预设全局环境地图中与M个第一局部位姿分别对应的M个第一全局位姿;
第一约束关系获取模块,用于获得M个第一局部位姿之间的相对位置关系,作为第一约束关系,以及获得M个第一全局位姿之间的相对位置关系,作为第二约束关系;
第一残差值获取模块,用于获得所述第一约束关系与所述第二约束关系之间的第一残差值;
第一重定位结果获取模块,用于根据所述第一残差值,获得扫地机器人的重定位结果。
12.根据权利要求11所述的处理扫地机器人重定位的装置,其特征在于,所述第一局部位姿获取模块,具体用于:
针对每个参考点,控制扫地机器人在所述参考点旋转一周,以采集所述参考点的周围环境信息;
对所述周围环境信息进行处理,获得与所述参考点对应的第一局部环境地图;
根据所述第一局部环境地图,获得扫地机器人在所述第一局部环境地图中的第一局部位姿。
13.根据权利要求11所述的处理扫地机器人重定位的装置,其特征在于,所述第一全局位姿获取模块,具体用于:
针对每个参考点,根据与所述参考点对应的第一局部环境地图,获得扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图;
根据扫地机器人在所述第一局部环境地图中的第一局部位姿,获得扫地机器人在所述第二局部环境中的第二局部位姿,作为扫地机器人在所述预设全局环境地图中与所述第一局部位姿对应的第一全局位姿。
14.根据权利要求13所述的处理扫地机器人重定位的装置,其特征在于,所述第一全局位姿获取模块,又具体用于:
针对每个参考点,从预设全局环境地图中获得与所述参考点对应的第一局部环境地图相似度最大的局部地图,作为待确认地图;
判断所述待确认地图与所述第一局部环境地图的相似度是否大于预设相似度阈值;
若所述待确认地图与所述第一局部环境地图的相似度大于所述预设相似度阈值,则将所述待确认地图作为扫地机器人在预设全局地图中与所述参考点对应的第二局部环境地图。
15.根据权利要求11所述的处理扫地机器人重定位的装置,其特征在于,所述第一约束关系获取模块,具体用于:
将所述M个第一局部位姿作为M个第一顶点,创建第一几何图形,将所述第一几何图形作为第一约束关系;
将所述M个第一全局位姿作为M个第二顶点,创建第二几何图形,将所述第二几何图形作为第二约束关系。
16.根据权利要求15所述的处理扫地机器人重定位的装置,其特征在于,所述第一残差值包括第一边长残差值,所述第一约束关系中包括M条第一边,所述第二约束关系中包括M条第二边;
所述第一残差值获取模块,具体用于:
针对每条第一边,从所述第二约束关系中获得与所述第一边对应的第二边;
获得所述第一边与对应的第二边的长度差值,作为第一边长残差值。
17.根据权利要求16所述的处理扫地机器人重定位的装置,其特征在于,所述第一重定位结果获取模块,具体用于:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
18.根据权利要求16所述的处理扫地机器人重定位的装置,其特征在于,所述第一残差值还包括第一角度残差值,所述第一约束关系中包括M个第一夹角,所述第二约束关系中包括M个第二夹角;
所述第一残差值获取模块,还具体用于:
针对每个第一夹角,从所述第二约束关系中获得与所述第一夹角对应的第二夹角;
获得所述第一夹角与对应的第二夹角的角度差值,作为第一角度残差值。
19.根据权利要求18所述的处理扫地机器人重定位的装置,其特征在于,所述第一重定位结果获取模块,具体用于:
针对每条第一边,判断所述第一边与对应的第二边的第一边长残差值是否小于预设边长残差阈值;
针对每个第一夹角,判断所述第一夹角与对应的第二夹角的第一角度残差值是否小于预设角度残差阈值;
若每条第一边与对应的第二边的第一边长残差值均小于所述预设边长残差阈值,且每个第一夹角与对应的第二夹角的第一角度残差阈值均小于所述预设角度残差阈值,则确定所述第一约束关系与所述第二约束关系的第一残差值小于预设残差阈值;
若所述第一约束关系与所述第二约束关系的第一残差值小于所述预设残差阈值,则确定扫地机器人的重定位成功,否则,确定扫地机器人的重定位失败。
20.根据权利要求17或19所述的处理扫地机器人重定位的装置,其特征在于,所述装置还包括:
增量参考点获取模块,用于在确定扫地机器人的重定位失败之后,控制扫地机器人继续行径,并在后续行径轨迹中选取增量参考点;
第三局部位姿获取模块,用于构建所述增量参考点对应的第三局部环境地图,并获得扫地机器人在所述第三局部环境地图中的第三局部位姿;
第二全局位姿获取模块,用于获得扫地机器人在预设全局环境地图中与所述第三局部位姿对应的第二全局位姿;
第二约束关系获取模块,用于针对每N个第一局部位姿,获得所述N个第一局部位姿与所述第三局部位姿之间的相对位置关系,作为第三约束关系,以及针对每N个第一全局位姿,获得所述N个第一全局位姿与所述第二全局位姿之间的相对位置关系,作为第四约束关系,其中,N=M-1;
第二残差值获取模块,用于针对每个第三约束关系,获得所述第三约束关系与对应的第四约束关系之间的第二残差值;
第二重定位结果获取模块,用于根据所述第二残差值,再次获得扫地机器人的重定位结果。
21.一种电子设备,其特征在于,包括处理器、存储器和权利要求11-20任意一项所述的处理扫地机器人重定位的装置,所述处理扫地机器人重定位的装置包括一个或多个存储于所述存储器并由所述处理器执行的软件功能模块。
22.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时,可以实现权利要求1-10中任意一项所述的处理扫地机器人重定位的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910121893.8A CN111568305B (zh) | 2019-02-18 | 2019-02-18 | 处理扫地机器人重定位的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910121893.8A CN111568305B (zh) | 2019-02-18 | 2019-02-18 | 处理扫地机器人重定位的方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111568305A CN111568305A (zh) | 2020-08-25 |
CN111568305B true CN111568305B (zh) | 2023-02-17 |
Family
ID=72089482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910121893.8A Active CN111568305B (zh) | 2019-02-18 | 2019-02-18 | 处理扫地机器人重定位的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111568305B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986912B (zh) * | 2021-03-19 | 2023-06-16 | 北京小狗吸尘器集团股份有限公司 | 基于结构光传感器的扫地机重定位方法、装置和电子设备 |
CN112904367B (zh) * | 2021-03-19 | 2023-03-14 | 北京小狗吸尘器集团股份有限公司 | 应用于扫地机重定位时的位置打分方法、装置和电子设备 |
CN114489085A (zh) * | 2022-02-18 | 2022-05-13 | 河南省工业学校 | 一种基于机器视觉的工业机器人运动控制装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732518A (zh) * | 2015-01-19 | 2015-06-24 | 北京工业大学 | 一种基于智能机器人地面特征的ptam改进方法 |
CN105678754A (zh) * | 2015-12-31 | 2016-06-15 | 西北工业大学 | 一种无人机实时地图重建方法 |
EP3078935A1 (en) * | 2015-04-10 | 2016-10-12 | The European Atomic Energy Community (EURATOM), represented by the European Commission | Method and device for real-time mapping and localization |
CN107272673A (zh) * | 2017-05-18 | 2017-10-20 | 中山大学 | 基于位姿链模型的slam后端轨迹优化方法 |
WO2017206005A1 (zh) * | 2016-05-30 | 2017-12-07 | 中国石油大学(华东) | 一种基于光流检测和身体部分模型的多人姿态识别系统 |
-
2019
- 2019-02-18 CN CN201910121893.8A patent/CN111568305B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732518A (zh) * | 2015-01-19 | 2015-06-24 | 北京工业大学 | 一种基于智能机器人地面特征的ptam改进方法 |
EP3078935A1 (en) * | 2015-04-10 | 2016-10-12 | The European Atomic Energy Community (EURATOM), represented by the European Commission | Method and device for real-time mapping and localization |
CN105678754A (zh) * | 2015-12-31 | 2016-06-15 | 西北工业大学 | 一种无人机实时地图重建方法 |
WO2017206005A1 (zh) * | 2016-05-30 | 2017-12-07 | 中国石油大学(华东) | 一种基于光流检测和身体部分模型的多人姿态识别系统 |
CN107272673A (zh) * | 2017-05-18 | 2017-10-20 | 中山大学 | 基于位姿链模型的slam后端轨迹优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111568305A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111568305B (zh) | 处理扫地机器人重定位的方法、装置及电子设备 | |
US8072450B2 (en) | System and method for measuring a three-dimensional object | |
CN112179330B (zh) | 移动设备的位姿确定方法及装置 | |
US9625908B2 (en) | Methods and systems for mobile-agent navigation | |
CN112764053B (zh) | 一种融合定位方法、装置、设备和计算机可读存储介质 | |
CN111400830B (zh) | 一种三维毛坯工件的加工校准方法及装置 | |
WO2019068214A1 (en) | NETWORK OCCUPANCY MAPPING USING ERROR RANGE DISTRIBUTION | |
US9478058B2 (en) | Object correcting apparatus and method and computer-readable recording medium | |
CN111360808B (zh) | 一种控制机器人运动的方法、装置及机器人 | |
CN108604374B (zh) | 一种图像检测方法及终端 | |
US11525691B2 (en) | System and method for autonomous motion planning | |
CN111352430B (zh) | 路径规划方法、装置及机器人 | |
CN112762965A (zh) | 一种磁力计校准方法以及装置 | |
US8614703B1 (en) | Automatic border alignment of objects in map data | |
CN112154429A (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
JP3332476B2 (ja) | 図形修正方法及びそれを実施する情報処理装置 | |
CN112712009A (zh) | 一种障碍物检测的方法及装置 | |
CN112925321B (zh) | 基于人工势场法的船舶路径规划方法、装置和存储介质 | |
CN113048989B (zh) | 一种无人驾驶设备的定位方法及定位装置 | |
US8026914B2 (en) | Numerical analysis mesh generation apparatus, numerical analysis mesh generation method, and numerical analysis generation program | |
CN114193455A (zh) | 机器人的加工路径生成方法、设备和存储介质 | |
US20080154834A1 (en) | Iterative Particle Reduction Methods and Systems for Localization and Pattern Recognition | |
CN113390415B (zh) | 机器人的定位方法、定位装置、管理系统和存储介质 | |
CN112393723B (zh) | 一种定位方法、设备、介质及无人设备 | |
CN116740114B (zh) | 一种基于凸包检测的目标物边界拟合方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |