CN112212871A - 一种数据处理方法、装置及机器人 - Google Patents

一种数据处理方法、装置及机器人 Download PDF

Info

Publication number
CN112212871A
CN112212871A CN201910623472.5A CN201910623472A CN112212871A CN 112212871 A CN112212871 A CN 112212871A CN 201910623472 A CN201910623472 A CN 201910623472A CN 112212871 A CN112212871 A CN 112212871A
Authority
CN
China
Prior art keywords
information
obtaining
area information
map
data processing
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.)
Pending
Application number
CN201910623472.5A
Other languages
English (en)
Inventor
李�根
张明
李名杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Future Elf Artificial Intelligence Technology Co ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910623472.5A priority Critical patent/CN112212871A/zh
Publication of CN112212871A publication Critical patent/CN112212871A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种数据处理方法及机器人。其中，所述方法包括：获得移动设备使用的地图数据，所述地图数据为同步定位与地图构建格式的地图数据；从用于同步定位与地图构建的图像集中，获得表征所述移动设备的移动轨迹的关键帧；根据所述关键帧，获得所述移动设备的初始区域信息，所述初始区域信息中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过指定的距离阈值；根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二区域信息。采用本申请提供的方法，提高了移动设备在移动过程中定位的成功率。

Description

一种数据处理方法、装置及机器人
技术领域
本申请涉及机器人技术领域，具体涉及一种数据处理方法、装置及机器人。
背景技术
随着智能技术的迅猛发展，机器人已经越来越多的应用于商业活动中，例 如使用机器人来进行物流的配送等。
同步定位与地图构建(SLAM，simultaneous localization and mapping)技术，由于其成本低廉，成为当前机器人导航的常用技术。采用这种技术，机器人在 导航过程中，通过激光雷达等技术手段获取当前位置的视觉定位信息，然后根 据构建的地图进行重定位，获得机器人的当前位置信息。
目前，许多国内外学者致力于在获得机器人的当前位置信息后，提高机器 人的路径规划效率，但忽略了机器人导航过程中定位的成功率。事实上，如果 机器人导航过程中定位失败，那么机器人的路径规划就无法完成，进而影响到 机器人系统的整体效率和稳定性。
因此，如何提高机器人导航过程中定位的成功率是需要解决的问题。
发明内容
本申请提供一种数据处理方法，以提高移动设备在移动过程中定位的成功 率。
本申请提供一种数据处理方法，包括：
获得移动设备使用的地图数据，所述地图数据为同步定位与地图构建格式 的地图数据；
从用于同步定位与地图构建的图像集中，获得表征所述移动设备的移动轨 迹的关键帧；
根据所述关键帧，获得所述移动设备的初始区域信息，所述初始区域信息 中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过指定的距离 阈值；
根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二 区域信息。
可选的，所述从用于同步定位与地图构建的图像集中，获得表征所述移动 设备的移动轨迹的关键帧，包括：
获取图像集中的第一图像的特征信息，所述图像集中的图像包括所述移动 设备所处位置的环境信息；
获取所述第一图像相对于上一个关键帧的相对运动信息；
根据所述特征信息以及所述相对运动信息，获得所述图像集中表征移动轨 迹的关键帧。
可选的，所述根据所述关键帧，从所述地图数据中获得所述移动设备的初 始区域信息，包括：
根据所述关键帧的位置信息，获得与所述关键帧的位置之间的距离不超过 指定的距离阈值的可行驶位置点；
根据所述可行驶位置点，获得所述移动设备的初始区域信息。
可选的，所述数据处理方法，还包括：
根据所述导航地图，获得所述关键帧的位置与所述导航地图中距离所述关 键帧的位置最近的障碍物之间的距离；
根据所述关键帧的位置与障碍物之间的距离，获得指定的距离阈值。
可选的，所述根据所述地图数据和所述初始区域信息，获得供所述移动设 备使用的第二区域信息，包括：
获取所述导航地图和所述可行驶区域信息的重合区域信息；
将所述重合区域信息确定为供所述移动设备使用的第二区域信息。
可选的，所述根据所述地图数据和所述初始区域信息，获得供所述移动设 备使用的第二区域信息，包括：
获取所述导航地图和所述可行驶区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标 位置点；
根据所述目标位置点，获得供所述移动设备使用的第二区域信息。
可选的，所述定位质量采用如下步骤获取，包括：
获得所述移动设备通过所述可行驶区域地图中的位置点观测到的路标点的 数量；
根据所述路标点的数量，获得所述重合区域信息中的目标位置点的定位质 量。
可选的，所述根据所述地图数据和所述初始区域信息，获得供所述移动设 备使用的第二区域信息，包括：
获取所述导航地图和所述可行驶区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标 位置点；
针对所述目标位置点进行平滑处理，获得供所述移动设备使用的第二区域 信息。
可选的，所述针对所述目标位置点进行平滑处理，获得供所述移动设备使 用的第二区域信息，包括：
根据所述目标位置点，获得第一位置点，所述第一位置点与所述目标位置 点之间的距离不超过指定的第一距离阈值；
获取第一位置点中的值最大的第二位置点；
根据所述第二位置点，获得供所述移动设备使用的第二区域信息。
可选的，所述数据处理方法，还包括：
根据所述获得供所述移动设备使用的第二区域信息，获得位置服务。
可选的，所述根据所述获得供所述移动设备使用的第二区域信息，获得位 置服务，包括：
从所述第二区域信息中获得所述移动设备的当前位置信息；
从所述第二区域信息中获得所述移动设备的目的地信息；
根据所述当前位置信息以及所述目的地信息，在所述第二区域信息中生成 从所述当前位置信息到所述目的地信息的行进路线信息。
可选的，所述根据所述第二区域信息，获得位置服务，包括：
获取所述移动设备所处位置的视觉扫描数据；
根据所述视觉扫描数据以及所述第二区域信息，获得所述移动设备所处位 置在所述第二区域信息的位置信息。
可选的，所述数据处理方法，还包括：
其中，所述移动设备为无人驾驶车辆；
当第一无人驾驶车辆转换车道时，指示处于跟踪模式的第二无人驾驶车辆 依据所述第二区域信息保持车辆跟踪。
可选的，所述数据处理方法，还包括：
其中，所述移动设备为物流机器人；
指示所述物流机器人依据所述第二区域信息进行物流配送。
可选的，所述数据处理方法，还包括：
指示所述移动设备依据所述第二区域信息行驶，以规避可能出现的导航错 误。
可选的，所述数据处理方法，还包括：
根据所述初始区域信息和所述第二区域信息的重合度，针对所述地图数据 进行质量评估；
根据所述质量评估结果，确定所述地图数据的应用业务场景。
可选的，所述数据处理方法，还包括：
根据第二区域信息，确定市政规划中的移动设备可行驶道路。
可选的，所述数据处理方法，还包括：
获取城市的交通数据；
根据所述城市的交通数据以及所述第二区域信息，实现对于城市交通系统 的调配和管理。
可选的，所述数据处理方法，还包括：
指示所述移动设备依据所述第二区域信息行驶，以避免移动设备的丢失。
可选的，所述的数据处理方法，其特征在于，还包括：
当根据所述第二区域信息行驶的移动设备发生故障时，所述移动设备根据 所述初始区域信息确定应急车道；
所述移动设备进入所述应急车道以等待救援。
本申请提供一种数据处理装置，包括：
第一地图获得单元，用于获得移动设备使用的地图数据，所述地图数据为 同步定位与地图构建格式的地图数据；
关键帧获得单元，用于从用于同步定位与地图构建的图像集中，获得表征 所述移动设备的移动轨迹的关键帧；
信息获得单元，用于根据所述关键帧，获得所述移动设备的初始区域信息， 所述初始区域信息中的至少一个位置点与所述关键帧对应的位置点之间的距离 不超过指定的距离阈值；
第二地图获得单元，用于根据所述地图数据和所述初始区域信息，获得供 所述移动设备使用的第二区域信息。
可选的，所述关键帧获得单元，具体用于：
获取图像集中的第一图像的特征信息，所述图像集中的图像包括所述移动 设备所处位置的环境信息；
获取所述第一图像相对于上一个关键帧的相对运动信息；
根据所述特征信息以及所述相对运动信息，获得所述图像集中表征移动轨 迹的关键帧。
可选的，所述信息获得单元，具体用于：
根据所述关键帧的位置信息，获得与所述关键帧的位置之间的距离不超过 指定的距离阈值的可行驶位置点；
根据所述可行驶位置点，获得所述移动设备的初始区域信息。
可选的，所述数据处理装置，还包括阈值获得单元，所述阈值获得单元用 于：
根据所述地图数据，获得所述关键帧的位置与所述地图数据中距离所述关 键帧的位置最近的障碍物之间的距离；
根据所述关键帧的位置与障碍物之间的距离，获得指定的距离阈值。
可选的，所述第二地图获得单元，具体用于：
获取所述地图数据和所述初始区域信息的重合区域信息；
将所述重合区域信息确定为供所述移动设备使用的第二区域信息。
可选的，所述第二地图获得单元，具体用于：
获取所述地图数据和所述初始区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标 位置点；
根据所述目标位置点，获得供所述移动设备使用的第二区域信息。
可选的，所述第二地图获得单元，还用于：
获得所述移动设备通过所述初始区域信息中的位置点观测到的路标点的数 量；
根据所述路标点的数量，获得所述重合区域信息中的目标位置点的定位质 量。
可选的，所述第二地图获得单元，具体用于：
获取所述地图数据和所述初始区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标 位置点；
针对所述目标位置点进行平滑处理，获得供所述移动设备使用的第二区域 信息。
可选的，所述第二地图获得单元，还用于：
根据所述目标位置点，获得第一位置点，所述第一位置点与所述目标位置 点之间的距离不超过指定的第一距离阈值；
获取第一位置点中的值最大的第二位置点；
根据所述第二位置点，获得供所述移动设备使用的第二区域信息。
可选的，所述数据处理装置，还包括服务获得单元，所述服务获得单元用 于：
根据所述第二区域信息，获得位置服务。
可选的，所述服务获得单元还用于：
从所述第二区域信息中获得所述移动设备的当前位置信息；
从所述第二区域信息中获得所述移动设备的目的地信息；
根据所述当前位置信息以及所述目的地信息，在所述第二区域信息中生成 从所述当前位置信息到所述目的地信息的行进路线信息。
可选的，所述服务获得单元还用于：
获取所述移动设备所处位置的视觉扫描数据；
根据所述视觉扫描数据以及所述第二区域信息，获得所述移动设备所处位 置在所述第二区域信息的位置信息。
本申请提供一种机器人，包括如前所述的数据处理装置。
本申请提供一种电子设备，所述电子设备包括：
处理器；
存储器，用于存储程序，所述程序在被所述处理器读取执行时，执行如下 操作：
获得移动设备使用的地图数据，所述地图数据为同步定位与地图构建格式 的地图数据；
从用于同步定位与地图构建的图像集中，获得表征所述移动设备的移动轨 迹的关键帧；
根据所述关键帧，获得所述移动设备的初始区域信息，所述初始区域信息 中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过指定的距离 阈值；
根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二 区域信息。
本申请提供一种计算机可读取存储介质，其上存储有计算机程序，该程序 被处理器执行时，实现以下步骤：
获得移动设备使用的地图数据，所述地图数据为同步定位与地图构建格式 的地图数据；
从用于同步定位与地图构建的图像集中，获得表征所述移动设备的移动轨 迹的关键帧；
根据所述关键帧，获得所述移动设备的初始区域信息，所述初始区域信息 中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过指定的距离 阈值；
根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二 区域信息。
本申请提供一种数据处理方法，包括：
针对视觉建图数据进行预处理，生成移动设备的可行驶区域地图信息；
根据所述可行驶区域地图信息中位置点的定位质量，生成移动设备的稀疏 可行驶区域地图信息；
针对所述稀疏可行驶区域地图信息进行平滑处理，生成稠密化可行驶区域 地图信息；
根据所述稠密化可行驶区域地图信息，获得所述移动设备的行驶路径。
本申请提供一种数据处理方法，包括：
获取移动设备在移动过程中采集到的多个图像，以及用于为所述移动设备 提供位置服务的地图数据；
基于所述多个图像中，从所述地图数据中获得所述移动设备的第一活动区 域；
基于所述第一活动区域，获得供所述移动设备使用的第二活动区域。
与现有技术相比，本申请具有如下优点：
本申请提供的数据处理方法，获得移动设备使用的地图数据，所述地图数 据为同步定位与地图构建格式的地图数据；从用于同步定位与地图构建的图像 集中，获得表征所述移动设备的移动轨迹的关键帧；根据所述关键帧，获得所 述移动设备的初始区域信息，所述初始区域信息中的至少一个位置点与所述关 键帧对应的位置点之间的距离不超过指定的距离阈值；根据所述地图数据和所 述初始区域信息，获得供所述移动设备使用的第二区域信息。采用本申请提供 的方法，以地图数据为基础，综合考虑移动设备的初始区域信息，获得供所述 移动设备使用的第二区域信息，利用所述第二区域信息，提高了移动设备在行 走过程中的定位质量。
附图说明
图1是本申请提供的一种数据处理方法的应用场景实施例示意图；
图2是本申请提供的一种数据处理方法的第一实施例的流程图；
图3是本申请第一实施例涉及的可行驶区域地图M1的示意图；
图4是本申请第一实施例涉及的高定位质量地图M2的示意图；
图5是本申请第一实施例涉及的稠密化高定位质量地图M3的示意图；
图6是本申请第一实施例涉及的一个应用实例的工作流程图；
图7是本申请提供的一种数据处理装置的第二实施例的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请 能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背 本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
为了使本领域的技术人员更好的理解本申请方案，首先对本申请的一个具 体应用场景实施例进行详细描述。如图1所示，其为本申请提供的一种数据处 理方法的应用场景的实施例示意图。图1分为上中下三个部分。图1的上部分， 提供了所述地图数据和所述初始区域信息的重合区域信息。图1的中部分，从 所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标位置点； 根据所述目标位置点，获得供所述移动设备使用的第二可行驶区域。图1的下 部分，针对所述目标位置点进行平滑处理，获得供所述移动设备使用的稠密化 可行驶区域信息。
本实施例提供的数据处理方法，具有丰富的应用场景。
例如，应用于无人驾驶车辆的车道保持。所述的数据处理方法，还包括：
其中，所述移动设备为无人驾驶车辆；
当第一无人驾驶车辆转换车道时，指示处于跟踪模式的第二无人驾驶车辆 依据所述第二区域信息保持车辆跟踪。
当无人驾驶车辆转换车道时，处于跟踪模式的第二无人驾驶车辆依据所述 第二区域信息保持车辆跟踪，从而保证了无人驾驶车辆的变道过程的顺利进行。
又例如，应用于物流机器人进行物流配送。所述的数据处理方法，还包括：
其中，所述移动设备为物流机器人；
指示所述物流机器人依据所述第二区域信息进行物流配送。
物流机器人依据所述第二区域信息进行物流配送，从而保证了物流配送的 顺利进行。
又例如，应用于地图质量的评估。所述的数据处理方法，还包括：
根据所述初始区域信息和所述第二区域信息的重合度，针对所述地图数据 进行质量评估；
根据所述质量评估结果，确定所述地图数据的应用业务场景。
如果所述重合度超过规定的阈值(例如，90％)，则认为地图数据为高质量 地图。如果所述重合度低于规定的阈值(例如，20％)，则认为地图数据为低质 量地图。根据地图数据的质量，确定所述地图数据应用于何种业务场景。
又例如，应用于市政规划中。所述的数据处理方法，还包括：
根据第二区域信息，确定市政规划中的移动设备可行驶道路。
在市政规划中，需要规划移动设备的可行驶道路。此时，可以根据第二区 域信息，确定市政规划中的移动设备可行驶道路。从而保证了城市规划的准确 度。
又例如，应用于城市大脑中。城市大脑，能将散布在城市各个角落的数据 连接起来，通过对大量数据的分析和整合，对城市进行全域的即时分析、指挥、 调动、管理，从而实现对城市的精准分析、整体研判、协同指挥。所述的数据 处理方法，还包括：
获取城市的交通数据；
根据所述城市的交通数据以及所述第二区域信息，实现对于城市交通系统 的调配和管理。
基于所述城市的交通数据以及所述第二区域信息，提高了城市交通系统的 调配和管理的准确度。
又例如，用于移动设备(如机器人)的防丢失。所述的数据处理方法，还 包括：
指示所述移动设备依据所述第二区域信息行驶，以避免移动设备的丢失。
在现实中，由于数据偏差等原因，机器人有可能进入自己不能够定位的区 域，导致机器人丢失。通过指示所述移动设备依据所述第二区域信息行驶，可 以避免移动设备的丢失。又例如，用于移动设备出现故障时，指示其进入应急 车道，以免影响正常移动设备的行驶。所述数据处理方法，还包括：
当根据所述第二区域信息行驶的移动设备发生故障时，所述移动设备根据 所述初始区域信息确定应急车道；
所述移动设备进入所述应急车道以等待救援。
通过这种方法，避免了处于故障状态的移动设备阻塞交通。
本申请第一实施例提供一种数据处理方法。请参看图1，该图为本申请第一 实施例的流程图。以下结合图1对本申请第一实施例进行详细说明。所述方法 包括如下步骤：
步骤S101：获得移动设备使用的地图数据，所述地图数据为同步定位与地 图构建格式的地图数据。
本步骤用于获得移动设备使用的导航地图数据，所述地图数据为同步定位 与地图构建格式的地图数据。
所述移动设备可以为机器人，也可以是无人机、无人车等其他移动设备。 本申请中，以机器人为例进行说明，对于其他移动设备也是适用的。所述导航 地图可以为同步定位与建图(SLAM，simultaneous localization and mapping)地 图。SLAM指的是移动设备从未知环境的未知地点出发，在运动过程中通过重 复观测到的地图特征(比如，柱子，墙等)定位自身位置和姿态，再根据自身 位置增量式的构建地图，从而达到同时定位和地图构建的目的。
步骤S102：从用于同步定位与地图构建的图像集中，获得表征所述移动设 备的移动轨迹的关键帧。
本步骤用于从用于同步定位与地图构建的图像集中，获得表征所述移动设 备的移动轨迹的关键帧。
SLAM主要过程包括特征检测与匹配、运动估计、关键帧提取。关键帧(key hame)表征了移动设备的运动轨迹。SLAM可以基于关键帧的特征点得到点云 地图，因此，关键帧选取的好坏直接影响点云地图的构建，进而影响定位导航 的精度。
所述根据用于同步定位与地图构建的图像集，获得表征所述移动设备的移 动轨迹的关键帧，包括：
获取图像集中的第一图像的特征信息，所述图像集中的图像包括所述移动 设备所处位置的环境信息；
获取所述第一图像相对于上一个关键帧的相对运动信息；
根据所述特征信息以及所述相对运动信息，获得所述图像集中表征移动轨 迹的关键帧。
对于待判断是否是关键帧的第一图像，获取该图像相对于上一关键帧的相 对运动信息，并利用相对运动信息计算当前使用的自适应阈值，后续，利用该 图像上提取的特征点，具体可以是特征点数量信息与计算出的自适应阈值来进 行筛选，从而确定出关键帧。
步骤S103：根据所述关键帧，获得所述移动设备的初始区域信息，所述初 始区域信息中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过 指定的距离阈值。
本步骤用于根据所述关键帧，获得所述移动设备的初始区域信息，所述初 始区域信息中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过 指定的距离阈值。
所述根据所述关键帧，从所述地图数据中获得所述移动设备的初始区域信 息，包括：
根据所述关键帧的位置信息，获得与所述关键帧的位置之间的距离不超过 指定的距离阈值的可行驶位置点；
根据所述可行驶位置点，获得所述移动设备的初始区域信息。
首先，获取移动设备在SLAM建图的结果中关键帧的信息，然后，对关键 帧信息进行预处理。所述预处理步骤为：根据建图结果的关键帧的位置坐标， 生成相邻宽度为d的带状区域；
对于该带状区域中任意一点pij，只要在关键帧集合中存在一个位置，与pij的 距离小于阈值d0，则该点就属于可行驶区域。
所述数据处理方法，还包括：
根据所述地图数据，获得所述关键帧的位置与所述导航地图中距离所述关 键帧的位置最近的障碍物之间的距离；
根据所述关键帧的位置与障碍物之间的距离，获得指定的距离阈值。
所述指定的距离阈值，不得大于所述关键帧的位置与所述地图数据中距离 所述关键帧的位置最近的障碍物之间的距离。
步骤S104：根据所述地图数据和所述初始区域信息，获得供所述移动设备 使用的第二区域信息。
本步骤用于根据所述地图数据和所述初始区域信息，获得供所述移动设备 使用的第二区域信息。
所述根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的 第二区域信息，包括：
获取所述地图数据和所述第二区域信息的重合区域信息；
将所述重合区域信息确定为供所述移动设备使用的第二区域信息。
本步骤用于根据所述地图数据和所述初始区域信息，获得供所述移动设备 使用的第二区域信息。
在上一步骤中，获得了初始区域信息，该区域为一个带状的地图，将该带 状地图与机器人导航地图M0取交集，生成机器人可行驶区域地图M1：
Figure BDA0002125520240000121
请参考图2，其为可行驶区域地图M1的示意图。在图2中，白色区域为原始导 航地图中可行驶区域，灰色为不可行驶区域，白色区域内部的灰色区域为带状 的可行驶区域，白色区域内部的灰色区域中黑色为建图数据中的关键帧位置点。 将可行驶区域地图M1作为供所述移动设备使用的第二区域信息。
所述根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的 第二区域信息，包括：
获取所述地图数据和所述初始区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标 位置点；
根据所述目标位置点，获得供所述移动设备使用的第二区域信息。
所述定位质量采用如下步骤获取，包括：
获得所述移动设备通过所述初始区域信息中的位置点观测到的路标点的数 量；
根据所述路标点的数量，获得所述重合区域信息中的目标位置点的定位质 量。
在获得了可行驶区域地图后，还需要根据该地图中的目标位置点进行筛选， 获得高质量的可行驶区域地图。
对机器人地图数据中可行驶区域内的每一个位置点，估计其能观测到的路 标点的数量，作为该位置点的定位质量。定位质量大于一定阈值s0的位置点集合， 作为机器人导航地图中新的可行驶区域。进而生成机器人高定位质量地图M2， 具体计算公式如下：
Figure BDA0002125520240000131
其中，Proj(pij，Li)表示第i个路标点在地图位置点pij处的图像投影，width表示图像宽度，height表示图像高度。将高定位质量地图M2，作为机器人使用的可 行驶区域地图
请参考图4，其为高定位质量地图的示意图。图4中，白色区域为原始导航 地图中可行驶区域，白色区域外部的灰色为不可行驶区域，白色区域内部的灰 色区域为高定位质量可行驶区域，白色区域内部的黑色线区域为建图数据中的 关键帧的位置点。
所述根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的 第二区域信息，包括：
获取所述导航地图和所述可行驶区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标 位置点；
针对所述目标位置点进行平滑处理，获得供所述移动设备使用的第二区域 信息。
在图4中可以观察到高定位质量可行驶区域中的位置点呈现离散的特征， 为了便于使用，需要针对该区域进行平滑处理。
所述针对所述目标位置点进行平滑处理，获得供所述移动设备使用的第二 区域信息，包括：
根据所述目标位置点，获得第一位置点，所述第一位置点与所述目标位置 点之间的距离不超过指定的第一距离阈值；
获取第一位置点中的值最大的第二位置点；
根据所述第二位置点，获得供所述移动设备使用的第二区域信息。
具体而言，在稀疏的高定位质量地图M2的基础上，进行平滑操作，从而生 成稠密的高定位质量地图M3的，其计算公式如下：
Figure BDA0002125520240000141
对于地图点pij，取与其距离在d1范围内的地图点集合中，所有点在地图M2的最大值。
将所述稠密的高定位质量地图M3，作为供所述移动设备使用的可行驶区域 地图，所述可行驶区域地图即第二区域信息。
请参考图5，其为稠密的高定位质量地图M3的示意图，在图5中，白色区 域为原始导航地图中可行驶区域，白色区域外部的灰色为不可行驶区域，白色 区域内部的灰色区域为稠密的高定位质量可行驶区域，白色区域内部的黑色线 区域为建图数据中的关键帧的位置点。
所述数据处理方法，还包括：
根据所述可行驶区域地图，获得位置服务。
所述根据所述可行驶区域地图，获得位置服务，包括：
获取所述移动设备所处位置的视觉扫描数据；
根据所述视觉扫描数据以及所述可行驶区域地图，获得所述移动设备所处 位置在所述可行驶区域地图的位置信息。
在获得可行驶区域地图之后，机器人通过相机等采集设备获取所述移动设 备所处位置的视觉扫描数据，然后，根据所述视觉扫描数据在所述可行驶区域 地图进行匹配，获得所述移动设备所处位置在所述可行驶区域地图的位置信息。
所述根据所述可行驶区域地图，获得位置服务，包括：
从所述可行驶区域地图中获得所述移动设备的当前位置信息；
从所述可行驶区域地图中获得所述移动设备的目的地信息；
根据所述当前位置信息以及所述目的地信息，在所述可行驶区域地图中生 成从所述当前位置信息到所述目的地信息的行进路线信息。
在获得机器人的位置服务之后，可以根据获得的位置信息进行路径规划， 生成从所述当前位置信息到所述目的地信息的行进路线信息。
为了从整体上更加清晰地向本领域技术人员进行说明，下面针对一个采用 本申请提供的一种数据处理方法的应用实例进行说明。请参考图6，其为一个应 用实例的工作流程图。由于该应用实例采用第一实施提供的方法，因此只做简 要说明，详细的实施步骤请参考第一实施例。所述应用实例的实施步骤包括：
步骤S601：视觉建图数据预处理。
本步骤用于视觉建图数据预处理。
视觉建图是指SLAM建图。视觉建图数据预处理步骤，包括：获取建图过 程中生成的关键帧信息，对关键帧信息进行预处理。根据建图结果的关键帧的 位置坐标，生成相邻宽度为d的带状区域。
步骤S602：生成带状可行驶区域地图M1。
本步骤用于生成带状可行驶区域地图M1。
根据步骤S601中获取的带状区域，以及SLAM建图获得的导航地图，生成 带状可行驶区域地图M1。可行驶区域地图M1，请参考图3。
步骤S603：结合定位质量估计，生成新的稀疏可行驶区域地图M2。
本步骤用于结合定位质量估计，生成新的稀疏可行驶区域地图M2。
然后，结合建图过程中生成的三维路标点信息，在机器人可行驶区域中估 计每一个位置和姿态的定位质量，获得高质量的稀疏可行驶区域地图M2。高质 量的稀疏可行驶区域地图M2，请参考图4。
步骤S604：稠密化可行驶区域地图M3。
本步骤用于稠密化可行驶区域地图M3。
根据高质量的稀疏可行驶区域地图M2进行平滑处理，获得稠密化可行驶区 域地图M3。稠密化可行驶区域地图M3，请参考图5。
步骤S604：基于M3的实时路径规划。
本步骤用于基于M3的实时路径规划。
基于稠密化可行驶区域地图M3进行实时路径规划，获得机器人的行驶路线。
在上述的实施例中，提供了一种数据处理方法，与之相对应的，本申请还 提供一种数据处理装置。请参看图7，其为本申请的一种数据处理装置实施例的 示意图。由于本实施例，即第二实施例，基本相似于方法实施例，所以描述得 比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例 仅仅是示意性的。
本实施例提供的一种数据处理装置，包括：
第一地图获得单元701，用于获得移动设备使用的地图数据，所述地图数据 为同步定位与地图构建格式的地图数据；
关键帧获得单元702，用于从用于同步定位与地图构建的图像集中，获得表 征所述移动设备的移动轨迹的关键帧；
信息获得单元703，用于根据所述关键帧，从所述地图数据中获得所述移动 设备的初始区域信息，所述初始区域信息中的至少一个位置点与所述关键帧在 所述地图数据中对应的位置点之间的距离不超过指定的距离阈值；
第二地图获得单元704，用于根据所述地图数据和所述初始区域信息，获得 供所述移动设备使用的第二区域信息。
本实施例中，所述关键帧获得单元，具体用于：
获取图像集中的第一图像的特征信息，所述图像集中的图像包括所述移动 设备所处位置的环境信息；
获取所述第一图像相对于上一个关键帧的相对运动信息；
根据所述特征信息以及所述相对运动信息，获得所述图像集中表征移动轨 迹的关键帧。
本实施例中，所述信息获得单元，具体用于：
根据所述关键帧的位置信息，获得与所述关键帧的位置之间的距离不超过 指定的距离阈值的可行驶位置点；
根据所述可行驶位置点，获得所述移动设备的初始区域信息。
本实施例中，所述数据处理装置，还包括阈值获得单元，所述阈值获得单 元用于：
根据所述地图数据，获得所述关键帧的位置与所述地图数据中距离所述关 键帧的位置最近的障碍物之间的距离；
根据所述关键帧的位置与障碍物之间的距离，获得指定的距离阈值。
本实施例中，所述第二地图获得单元，具体用于：
获取所述地图数据和所述初始区域信息的重合区域信息；
将所述重合区域信息确定为供所述移动设备使用的第二区域信息。
可选的，所述第二地图获得单元，具体用于：
获取所述地图数据和所述初始区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标 位置点；
根据所述目标位置点，获得供所述移动设备使用的第二区域信息。
本实施例中，所述第二地图获得单元，还用于：
获得所述移动设备通过所述初始区域信息中的位置点观测到的路标点的数 量；
根据所述路标点的数量，获得所述重合区域信息中的目标位置点的定位质 量。
本实施例中，所述第二地图获得单元，具体用于：
获取所述地图数据和所述初始区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标 位置点；
针对所述目标位置点进行平滑处理，获得供所述移动设备使用的第二区域 信息。
本实施例中，所述第二地图获得单元，还用于：
根据所述目标位置点，获得第一位置点，所述第一位置点与所述目标位置 点之间的距离不超过指定的第一距离阈值；
获取第一位置点中的值最大的第二位置点；
根据所述第二位置点，获得供所述移动设备使用的第二区域信息。
本实施例中，所述数据处理装置，还包括服务获得单元，所述服务获得单 元用于：
根据所述第二区域信息，获得位置服务。
本实施例中，所述服务获得单元还用于：
从所述第二区域信息中获得所述移动设备的当前位置信息；
从所述第二区域信息中获得所述移动设备的目的地信息；
根据所述当前位置信息以及所述目的地信息，在所述第二区域信息中生成 从所述当前位置信息到所述目的地信息的行进路线信息。
本实施例中，所述服务获得单元还用于：
获取所述移动设备所处位置的视觉扫描数据；
根据所述视觉扫描数据以及所述第二区域信息，获得所述移动设备所处位 置在所述第二区域信息的位置信息。
本申请第三实施例提供一种机器人，包括本申请第二实施例提供的数据处 理装置。
本申请第四实施例提供一种电子设备，所述电子设备包括：
处理器；
存储器，用于存储程序，所述程序在被所述处理器读取执行时，执行如下 操作：
获得用于为移动设备提供位置服务的地图数据；
从所述移动设备采集到的图像集中，获得表征所述移动设备的移动轨迹的 关键帧，其中，所述图像集为所述移动设备在移动过程中采集到的图像集；
根据所述关键帧，获得所述移动设备的初始区域信息，所述初始区域信息 中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过指定的距离 阈值；
根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二 区域信息。
本申请第五实施例提供一种计算机可读取存储介质，其上存储有计算机程 序，该程序被处理器执行时，实现以下步骤：
获得用于为移动设备提供位置服务的地图数据；
从所述移动设备采集到的图像集中，获得表征所述移动设备的移动轨迹的 关键帧，其中，所述图像集为所述移动设备在移动过程中采集到的图像集；
根据所述关键帧，获得所述移动设备的初始区域信息，所述初始区域信息 中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过指定的距离 阈值；
根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二 区域信息。
本申请第六实施例提供一种数据处理方法，由于本实施例的实施步骤与本 申请第一实施例相近，这里仅做简要说明。关于本实施例的详细说明，请参考 本申请第一实施例的相关部分。所述数据处理方法，包括：
步骤S701：获取移动设备的可行驶区域地图信息。
本步骤用于获取移动设备的可行驶区域地图信息。
所述获取移动设备的可行驶区域地图信息，包括：
针对视觉建图数据进行预处理，获取移动设备的可行驶区域地图信息。
步骤S702：基于所述定位质量，生成移动设备的第一可行驶区域。
本步骤用于根据所述可行驶区域地图信息中位置点的定位质量，生成移动 设备的稀疏可行驶区域地图信息。
所述位置点的定位质量采用如下步骤获取，包括：
获得所述移动设备通过所述位置点观测到的路标点的数量；
根据所述路标点的数量与预设阈值的关系，获得所述位置点的定位质量。
所述的数据处理方法，还包括：
针对所述第一区域进行平滑处理，生成稠密化可行驶区域；
根据所述稠密化可行驶区域，获得所述移动设备的行驶路径。
本申请第八实施例提供一种数据处理方法，由于本实施例的实施步骤与本 申请第一实施例相近，这里仅做简要说明。关于本实施例的详细说明，请参考 本申请第一实施例的相关部分。所述数据处理方法，包括：
步骤S801：获取移动设备在移动过程中采集到的多个图像，以及用于为所 述移动设备提供位置服务的地图数据。
本步骤用于获取移动设备在移动过程中采集到的多个图像，以及用于为所 述移动设备提供位置服务的地图数据。
步骤S802：基于所述多个图像中，从所述地图数据中获得所述移动设备的 第一活动区域。
本步骤用于基于所述多个图像中，从所述地图数据中获得所述移动设备的 第一活动区域。
步骤S803：基于所述第一活动区域，获得供所述移动设备使用的第二活动 区域。
本步骤用于基于所述第一活动区域，获得供所述移动设备使用的第二活动 区域。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本 领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改， 因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出 接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。 内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由 任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程 序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其 他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存 储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、 数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他 磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。 按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机 程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件 和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计 算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。

Claims (25)

1.一种数据处理方法，其特征在于，包括：
获得用于为移动设备提供位置服务的地图数据；
从所述移动设备采集到的图像集中，获得表征所述移动设备的移动轨迹的关键帧，其中，所述图像集为所述移动设备在移动过程中采集到的图像集；
根据所述关键帧，获得所述移动设备的初始区域信息，所述初始区域信息中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过指定的距离阈值；
根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二区域信息。
2.根据权利要求1所述的数据处理方法，其特征在于，所述从用于同步定位与地图构建的图像集中，获得表征所述移动设备的移动轨迹的关键帧，包括：
获取图像集中的第一图像的特征信息，所述图像集中的图像包括所述移动设备所处位置的环境信息；
获取所述第一图像相对于上一个关键帧的相对运动信息；
根据所述特征信息以及所述相对运动信息，获得所述图像集中表征移动轨迹的关键帧。
3.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述关键帧，从所述地图数据中获得所述移动设备的初始区域信息，包括：
根据所述关键帧的位置信息，获得与所述关键帧的位置之间的距离不超过指定的距离阈值的可行驶位置点；
根据所述可行驶位置点，获得所述移动设备的初始区域信息。
4.根据权利要求1所述的数据处理方法，其特征在于，还包括：
根据所述地图数据，获得所述关键帧的位置与所述地图数据中距离所述关键帧的位置最近的障碍物之间的距离；
根据所述关键帧的位置与障碍物之间的距离，获得指定的距离阈值。
5.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二区域信息，包括：
获取所述地图数据和所述初始区域信息的重合区域信息；
将所述重合区域信息确定为供所述移动设备使用的第二区域信息。
6.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二区域信息，包括：
获取所述地图数据和所述初始区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标位置点；
根据所述目标位置点，获得供所述移动设备使用的第二区域信息。
7.根据权利要求6所述的数据处理方法，其特征在于，所述目标位置点的定位质量采用如下步骤获取，包括：
获得所述移动设备通过所述初始区域信息中的位置点观测到的路标点的数量；
根据所述路标点的数量，获得所述重合区域信息中的目标位置点的定位质量。
8.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二区域信息，包括：
获取所述地图数据和所述初始区域信息的重合区域信息；
从所述重合区域信息中筛选出定位质量达到或超过指定的质量阈值的目标位置点；
针对所述目标位置点进行平滑处理，获得供所述移动设备使用的第二区域信息。
9.根据权利要求8所述的数据处理方法，其特征在于，所述针对所述目标位置点进行平滑处理，获得供所述移动设备使用的第二区域信息，包括：
根据所述目标位置点，获得第一位置点，所述第一位置点与所述目标位置点之间的距离不超过指定的第一距离阈值；
获取第一位置点中的长度值最大的第二位置点；
根据所述第二位置点，获得供所述移动设备使用的第二区域信息。
10.根据权利要求1所述的数据处理方法，其特征在于，还包括：
根据所述第二区域信息，获得位置服务。
11.根据权利要求10所述的数据处理方法，其特征在于，所述根据所述第二区域信息，获得位置服务，包括：
从所述第二区域信息中获得所述移动设备的当前位置信息；
从所述第二区域信息中获得所述移动设备的目的地信息；
根据所述当前位置信息以及所述目的地信息，在所述第二区域信息中生成从所述当前位置信息到所述目的地信息的行进路线信息。
12.根据权利要求10所述的数据处理方法，其特征在于，所述根据所述第二区域信息，获得位置服务，包括：
获取所述移动设备所处位置的视觉扫描数据；
根据所述视觉扫描数据以及所述第二区域信息，获得所述移动设备所处位置在所述第二区域信息的位置信息。
13.根据权利要求1所述的数据处理方法，其特征在于，还包括：
其中，所述移动设备为无人驾驶车辆；
当第一无人驾驶车辆转换车道时，指示处于跟踪模式的第二无人驾驶车辆依据所述第二区域信息与所述第一无人驾驶车辆保持车辆跟踪。
14.根据权利要求1所述的数据处理方法，其特征在于，还包括：
其中，所述移动设备为物流机器人；
指示所述物流机器人依据所述第二区域信息进行物流配送。
15.根据权利要求1所述的数据处理方法，其特征在于，还包括：
指示所述移动设备依据所述第二区域信息行驶，以规避可能出现的导航错误。
16.根据权利要求1所述的数据处理方法，其特征在于，还包括：
根据所述初始区域信息和所述第二区域信息的重合度，针对所述地图数据进行质量评估；
根据所述质量评估结果，确定所述地图数据的应用业务场景。
17.根据权利要求1所述的数据处理方法，其特征在于，还包括：
根据第二区域信息，确定市政规划中的移动设备可行驶道路。
18.根据权利要求1所述的数据处理方法，其特征在于，还包括：
获取城市的交通数据；
根据所述城市的交通数据以及所述第二区域信息，实现对于城市交通系统的调配和管理。
19.根据权利要求1所述的数据处理方法，其特征在于，还包括：
指示所述移动设备依据所述第二区域信息行驶，以避免移动设备的丢失。
20.根据权利要求1所述的数据处理方法，其特征在于，还包括：
当根据所述第二区域信息行驶的移动设备发生故障时，所述移动设备根据所述初始区域信息确定应急车道；
所述移动设备进入所述应急车道以等待救援。
21.一种数据处理装置，其特征在于，包括：
第一地图获得单元，用于获得移动设备使用的地图数据，所述地图数据为同步定位与地图构建格式的地图数据；
关键帧获得单元，用于从用于同步定位与地图构建的图像集中，获得表征所述移动设备的移动轨迹的关键帧；
信息获得单元，用于根据所述关键帧，获得所述移动设备的初始区域信息，所述初始区域信息中的至少一个位置点与所述关键帧对应的位置点之间的距离不超过指定的距离阈值；
第二地图获得单元，用于根据所述地图数据和所述初始区域信息，获得供所述移动设备使用的第二区域信息。
22.一种数据处理方法，其特征在于，包括：
获取移动设备的可行驶区域地图信息；
获取所述可行驶区域地图信息中，位置点的定位质量；
基于所述定位质量，生成移动设备的第一可行驶区域。
23.根据权利要求22所述的数据处理方法，其特征在于，所述获取移动设备的可行驶区域地图信息，包括：
针对视觉建图数据进行预处理，获取移动设备的可行驶区域地图信息。
24.根据权利要求22所述的数据处理方法，其特征在于，所述位置点的定位质量采用如下步骤获取，包括：
获得所述移动设备通过所述位置点观测到的路标点的数量；
根据所述路标点的数量与预设阈值的关系，获得所述位置点的定位质量。
25.根据权利要求22所述的数据处理方法，其特征在于，还包括：
针对所述第一区域进行平滑处理，生成稠密化可行驶区域；
根据所述稠密化可行驶区域，获得所述移动设备的行驶路径。
CN201910623472.5A 2019-07-10 2019-07-10 一种数据处理方法、装置及机器人 Pending CN112212871A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910623472.5A CN112212871A (zh) 2019-07-10 2019-07-10 一种数据处理方法、装置及机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910623472.5A CN112212871A (zh) 2019-07-10 2019-07-10 一种数据处理方法、装置及机器人

Publications (1)

Publication Number Publication Date
CN112212871A true CN112212871A (zh) 2021-01-12

Family

ID=74047704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910623472.5A Pending CN112212871A (zh) 2019-07-10 2019-07-10 一种数据处理方法、装置及机器人

Country Status (1)

Country Link
CN (1) CN112212871A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007271384A (ja) * 2006-03-30 2007-10-18 Denso It Laboratory Inc 道路案内システム
US20100070125A1 (en) * 2008-09-12 2010-03-18 Samsung Electronics Co., Ltd. Apparatus and method for localizing mobile robot
CN106092104A (zh) * 2016-08-26 2016-11-09 深圳微服机器人科技有限公司 一种室内机器人的重定位方法及装置
CN108267121A (zh) * 2018-01-24 2018-07-10 锥能机器人（上海）有限公司 一种可变场景下多设备的视觉导航方法及系统
CN108801254A (zh) * 2017-05-02 2018-11-13 北京米文动力科技有限公司 一种重定位方法及机器人
CN109100730A (zh) * 2018-05-18 2018-12-28 北京师范大学-香港浸会大学联合国际学院 一种多车协同快速建图方法
CN109425365A (zh) * 2017-08-23 2019-03-05 腾讯科技（深圳）有限公司 激光扫描设备标定的方法、装置、设备及存储介质
CN109579847A (zh) * 2018-12-13 2019-04-05 歌尔股份有限公司 同步定位与地图构建中关键帧提取方法、装置和智能设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007271384A (ja) * 2006-03-30 2007-10-18 Denso It Laboratory Inc 道路案内システム
US20100070125A1 (en) * 2008-09-12 2010-03-18 Samsung Electronics Co., Ltd. Apparatus and method for localizing mobile robot
CN106092104A (zh) * 2016-08-26 2016-11-09 深圳微服机器人科技有限公司 一种室内机器人的重定位方法及装置
CN108801254A (zh) * 2017-05-02 2018-11-13 北京米文动力科技有限公司 一种重定位方法及机器人
CN109425365A (zh) * 2017-08-23 2019-03-05 腾讯科技（深圳）有限公司 激光扫描设备标定的方法、装置、设备及存储介质
CN108267121A (zh) * 2018-01-24 2018-07-10 锥能机器人（上海）有限公司 一种可变场景下多设备的视觉导航方法及系统
CN109100730A (zh) * 2018-05-18 2018-12-28 北京师范大学-香港浸会大学联合国际学院 一种多车协同快速建图方法
CN109579847A (zh) * 2018-12-13 2019-04-05 歌尔股份有限公司 同步定位与地图构建中关键帧提取方法、装置和智能设备

Similar Documents

Publication Publication Date Title
KR102493094B1 (ko) 자율주행 차량을 위한 상대적인 아틀라스 및 그 생성
KR102266830B1 (ko) 차선 결정 방법, 디바이스 및 저장 매체
US11085775B2 (en) Methods and systems for generating and using localisation reference data
CN108253975B (zh) 一种建立地图信息及车辆定位的方法与设备
KR102525227B1 (ko) 도로 정보 데이터를 결정하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
US20240005167A1 (en) Annotating high definition map data with semantic labels
KR20200121274A (ko) 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체
US10240934B2 (en) Method and system for determining a position relative to a digital map
US11287264B2 (en) Methods and systems for generating and using localization reference data
JP6595182B2 (ja) マッピング、位置特定、及び姿勢補正のためのシステム及び方法
US20200333466A1 (en) Ground intensity lidar localizer
CN108235736B (zh) 一种定位方法、云端服务器、终端、系统、电子设备及计算机程序产品
CN110675307A (zh) 基于vslam的3d稀疏点云到2d栅格图的实现方法
US11590989B2 (en) Training data generation for dynamic objects using high definition map data
JP2022542289A (ja) 地図作成方法、地図作成装置、電子機器、記憶媒体及びコンピュータプログラム製品
CN112753038B (zh) 识别车辆变道趋势的方法和装置
CN111402414A (zh) 一种点云地图构建方法、装置、设备和存储介质
CN110597265A (zh) 一种扫地机器人回充方法和装置
KR101030317B1 (ko) 스테레오 비전을 이용하여 장애물을 추적하는 장치 및 방법
CN114114367A (zh) Agv室外定位切换方法、计算机装置及程序产品
CN115494533A (zh) 车辆定位方法、装置、存储介质及定位系统
CN112212871A (zh) 一种数据处理方法、装置及机器人
US20230194301A1 (en) High fidelity anchor points for real-time mapping with mobile devices
EP4361565A2 (en) Method, device, system and computer-readable storage medium for vehicle positioning
CN116952269A (zh) 区域内导航路线计算方法、智能终端

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
TA01 Transfer of patent application right

Effective date of registration: 20240604

Address after: 6th Floor, Building B2, Zone B, Xixi Park, No.1 Aicheng Street, Wuchang Street, Hangzhou City, Zhejiang Province

Applicant after: Zhejiang Future Elf Artificial Intelligence Technology Co.,Ltd.

Country or region after: China

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: ALIBABA GROUP HOLDING Ltd.

Country or region before: Cayman Islands