CN113190380A - 设备重定位错误恢复方法、装置、计算机设备和存储介质 - Google Patents
设备重定位错误恢复方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113190380A CN113190380A CN202110447878.XA CN202110447878A CN113190380A CN 113190380 A CN113190380 A CN 113190380A CN 202110447878 A CN202110447878 A CN 202110447878A CN 113190380 A CN113190380 A CN 113190380A
- Authority
- CN
- China
- Prior art keywords
- relocation
- repositioning
- global map
- map
- feature matching
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011084 recovery Methods 0.000 title claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000010408 sweeping Methods 0.000 description 43
- 230000035772 mutation Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1448—Management of the data involved in backup or backup restore
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种设备重定位错误恢复方法、装置、计算机设备和存储介质,其中,方法包括:在需要启动重定位功能时,缓存重定位之前的全局地图以作为备份,设备根据重定位确定的位置进行作业,在作业过程中持续侦测之前的重定位位置是否存在错误,若存在,则删除基于重定位后位置已更新的全局地图,恢复至备份的重定位前的全局地图,按照重定位前的全局地图再次进行重定位,更新设备所处位置,以实现设备重定位错误恢复。
Description
技术领域
本申请涉及定位技术领域,特别是涉及一种设备重定位错误恢复方法、装置、计算机设备和存储介质。
背景技术
重定位是指重新定位,在实际应用中,基于定位作业的设备在进入到一个全新的作业环境是需要重新定位,确认自身位置才能准确进行作业。以扫地机器人为例,在扫地机器人受困或进入违反用户清扫意愿区域时,将产生人为搬动而造成扫地机器人的定位丢失情况。此外,当扫地机器人二次清扫导入历史地图时,也需要确认自身在历史地图中的定位才能继续使用地图并做合理的路径规划。针对其他基于定位作业的设备其对定位的需求亦相同,在此不再赘述。
在触发重定位后会产生三种结果:(1)重定位成功;(2)重定位失败;(3)重定位错误。其中,重定位成功后,设备继续按照已有地图作业。重定位失败,则重新开始建图和作业,以上两种结果均不会产生建图和路径规划的异常问题。重定位错误的情况,继续以扫地机器人为例,如图1所示,地图中存在位置2、位置3、位置4共三个相似场景,当扫地机器人在位置1运行时被搬动到位置4,触发重定位后,扫地机器人显示的重定位位置是位置2,则产生了错误定位。若扫地机器人发生重定位错误,则是扫地机器人认为自己在地图中重定位成功,而实际场景中扫地机器人的位置和地图的位置不一致,造成重定位错误的主要原因是地图内存在多个相似环境,扫地机器人在进行重定位判断过程中并没有正确分辨相似特征,而是相信了其中之一的位置信息,从而产生错误定位的判定。当扫地机器人发生重定位错误时,整机将会采用错误的位置信息继续进行实时建图和路径规划,从而使得后续的建图发生畸变,路径规划错误。
在传统技术中更多的是关注如何实现设备重定位,暂时尚无设备重定位错误恢复的方案。
发明内容
基于此,有必要针对上述技术问题,提供一种准确的设备重定位错误恢复方法、装置、计算机设备和存储介质。
一种设备重定位错误恢复方法,方法包括:
启动重定位功能,缓存重定位前的全局地图;
根据重定位确定的位置进行作业;
当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至重定位前的全局地图;
根据重定位前的全局地图再次进行重定位,更新所处位置。
在其中一个实施例中,启动重定位功能包括:
采集环境图像数据,构建基于当前所处位置的局部地图;
将局部地图与重定位前的全局地图进行特征匹配;
当特征匹配结果对应的相似区域不唯一时,移动至新的位置,返回采集环境图像数据,构建基于当前所处位置的局部地图的步骤;
当特征匹配结果对应的相似区域唯一时,根据特征匹配结果,重定位设备位置。
在其中一个实施例中,当特征匹配结果对应的相似区域不唯一时,移动至新的位置包括:
当特征匹配结果对应的相似区域不唯一时,在局部地图的边界上选择目标点;
移动至目标点的位置。
在其中一个实施例中,在局部地图的边界上选择目标点包括:
确定局部地图的边界;
筛选边界上未占用的边界点;
获取设备外形尺寸参数,根据设备外形尺寸参数选取未占用的边界点中支持支持设备到达的候选目标点;
选取候选目标点中与当前所处位置最远的点,得到目标点。
在其中一个实施例中,当特征匹配结果对应的相似区域不唯一时,移动至新的位置包括:
当特征匹配结果对应的相似区域不唯一时,定位当前所处位置;
以当前所处位置为圆心,根据预设半径划设可选范围地图;
在可选范围地图中任意选择未占用的点作为目标点;
移动至目标点的位置。
在其中一个实施例中,将局部地图与重定位前的全局地图进行特征匹配包括:
根据局部地图中角点特征,在重定位前的全局地图中进行角点特征相似度计算;
判断角点特征相似度计算结果是否大于预设相似度阈值。
在其中一个实施例中,当特征匹配结果对应的相似区域不唯一时,移动至新的位置,返回采集环境图像数据,构建基于当前所处位置的局部地图的步骤包括:
当特征匹配结果对应的相似区域不唯一时,移动至新的位置;
删除已构建的局部地图,返回采集环境图像数据,构建基于当前所处位置的局部地图的步骤。
在其中一个实施例中,上述设备重定位错误恢复方法还包括:
接收作业请求;
提取作业请求中携带的作业参数;
根据作业参数开始作业,并侦听是否发生位置突变事件;
当发生位置突变事件时,启动重定位功能。
一种设备重定位错误恢复装置,装置包括:
缓存模块,用于启动重定位功能,缓存重定位前的全局地图;
作业模块,用于根据重定位确定的位置进行作业;
恢复模块,用于当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至重定位前的全局地图;
二次重定位模块,用于根据重定位前的全局地图再次进行重定位,更新所处位置。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
启动重定位功能,缓存重定位前的全局地图;
根据重定位确定的位置进行作业;
当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至重定位前的全局地图;
根据重定位前的全局地图再次进行重定位,更新所处位置。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
启动重定位功能,缓存重定位前的全局地图;
根据重定位确定的位置进行作业;
当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至重定位前的全局地图;
根据重定位前的全局地图再次进行重定位,更新所处位置。
上述设备重定位错误恢复方法、装置、计算机设备和存储介质,在需要启动重定位功能时,缓存重定位之前的全局地图以作为备份,设备根据重定位确定的位置进行作业,在作业过程中持续侦测之前的重定位位置是否存在错误,若存在,则删除基于重定位后位置已更新的全局地图,恢复至备份的重定位前的全局地图,按照重定位前的全局地图再次进行重定位,更新设备所处位置,以实现设备重定位错误恢复。
附图说明
图1为一个实施例中设备重定位错误恢复方法的流程示意图;
图2为一个实施例中设备重定位示意图;
图3为另一个实施例中设备重定位错误恢复方法的流程示意图;
图4为一个应用实例中设备重定位错误恢复过程示意图;
图5为一个应用实例中设备重定位错误恢复方法的流程示意图;
图6为一个实施例中设备重定位错误恢复装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种设备重定位错误恢复方法,包括以下步骤:
S200:启动重定位功能,缓存重定位前的全局地图。
设备在发生位置突变情况下需要启动重定位功能,基于重定位后确定的位置才能继续开展作业。以扫地机器人为例,参见图2,当用户将扫地机器人从位置1搬动至位置2时,扫地机器人的位置发生突变,为了确保能够继续全屋清扫,需要重定位,即需要重新确定当前所处位置2在全局地图中的位置。设备在启动重定位功能时,缓存重定位前的全局地图,即缓存在位置发生突变(发生被移动)之前的全局地图。一般来说,重定位是采集周围环境图像数据,基于采集的图像数据来构建局部地图,以该局部地图与全局地图进行特征匹配,若特征匹配成功即重定位成功,此时会更新全局地图。在这里,选择缓存重定位前的全局地图,即缓存设备发生位置突变(被移动)之前的全局地图。
S400:根据重定位确定的位置进行作业。
设备已经重新确定自身在作业区域内的位置,按照重定位确定的位置对全局地图以及作业路径进行更新,在基于更新后的全局地图以及作业路径继续作业。继续以扫地机器人为例,扫地机器人在重定位成功之后,根据确定的位置2对全局地图以及清扫路径进行更新/规划,得到更新的全屋地图以及更新的全屋清扫路径,按照这两个部分数据从位置2继续进行全屋清扫。
S600:当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至重定位前的全局地图。
设备在基于更新的全局地图以及作业路径执行作业过程中,持续检测/判断之前重定位位置是否正确,当检测到重定位位置错误时,设备立即停止作业,由于当前采用的已更新的全局地图属于基于错误重定位位置更新的地图,因此需要删除该已更新的全局地图,为了实现重定位错误恢复,还需要恢复S200缓存的重定位前的全局地图,以该正确的全局地图再次进行重定位。具体来说,这个检测是一个持续的过程,当设备在作业过程中发现基于上一次重定位规划的路径不符合实际作业场景时,即判定上一次重定位位置错误。例如基于上一次重定位位置规划的路径是下一步需要左转作业,但是在当前应用场景下发现当前位置的左侧是墙壁,无法左转,则设备判定上一次重定位位置错误。换言之,这个检测重定位位置是否错误是一个伴随作业的持续过程,随着作业的进行,设备持续判断基于上一次重定位规划的路径是否符合实际作业场景,当检测(发现)路径规划错误时,此时已经按照错误的重定位位置执行了一段时间的作业,设备检测到上一次重定位位置是错误,直接删除已更新的全局地图,恢复至重定位前的全局地图。
S800:根据重定位前的全局地图再次进行重定位,更新所处位置。
由于设备已经基于错误的全局地图执行了一段距离的作业,其位置已经发生改变,再次进行重定位时,设备需要重新采集当前位置的周围环境图像数据,构建局部地图,将该局部地图与正确的重定位前的全局地图进行特征匹配,当特征匹配成功时,更新当前所处位置。需要指出的是,在构建局部地图中具体可以采集一定范围内的环境图像数据,例如可以采集半径为2米范围内的环境图像数据,基于该采集的环境图像数据构建局部地图。
上述设备重定位错误恢复方法,在需要启动重定位功能时,缓存重定位之前的全局地图以作为备份,设备根据重定位确定的位置进行作业,在作业过程中持续侦测之前的重定位位置是否存在错误,若存在,则删除基于重定位后位置已更新的全局地图,恢复至备份的重定位前的全局地图,按照重定位前的全局地图再次进行重定位,更新设备所处位置,以实现设备重定位错误恢复。
如图3所示,在其中一个实施例中,S200包括:
S220:采集环境图像数据,构建基于当前所处位置的局部地图。
当设备发生位置突变需要重定位时,设备开始采集所处位置(新位置)的环境图像数据,基于采集到的这个数据,构建基于当前所处位置的具体地图。
S240:将局部地图与重定位前的全局地图进行特征匹配。
设备为了重定位自身在全局作业区域内的位置,将局部地图与全定位前(被移动前)的全局地图进行特征匹配。重定位前是指触发重定位功能的移动前,即获取设备被移动(搬动)到新位置之前的全局地图,一般来说,该全局地图是设备在正常作业时生成的针对整个作业区域生成的地图,将局部地图与全局地图进行特征匹配以确定当前处于整个作业区域中的位置。
S260:当特征匹配结果对应的相似区域不唯一时,移动至新的位置,返回采集环境图像数据,构建基于当前所处位置的局部地图的步骤。
基于特征匹配结果,可能发现对应有多个相似区域,例如在图2中有多达3个相似区域,其进一步可以确定到的位置有图2中的位置2、位置3以及位置4,其存在严重的重定位错误风险,因此,需要放弃本次重定位得到的结果,移动至新的位置,在新的位置上再次执行S220的动作。进一步的,在返回执行S220的动作同时,设备还可以直接放弃基于位置2为原点所构建的局部地图,采用新的位置构建的局部地图与重定位前的全局地图进行特征匹配,来进行新一轮的重定位。
S280:当特征匹配结果对应的相似区域唯一时,根据特征匹配结果,重定位设备位置。
当特征匹配结果对应的相似区域唯一时,表明此次重定位结果是唯一的,此时重定位错误风险非常低,直接根据特征匹配结果确定设备当前在全局地图中的位置,即重定位设备位置。
在本实施例中,采用了重定位错误的规避方法来降低设备重定位错误的风险,提高设备重定位的正确率。
在其中一个实施例中,当特征匹配结果对应的相似区域不唯一时,移动至新的位置包括:
当特征匹配结果对应的相似区域不唯一时,在局部地图的边界上选择目标点;移动至目标点的位置。
当特征匹配结果对应的相似区域不唯一时,移动至新的位置再次进行采集环境图像数据。当设备到达陌生位置需要重定位时,经过之前的处理已经构建得到局部地图了,在该局部地图范围内属于设备已知部分,而在局部地图外的属于未知部分,局部地图的边界即为已知部分与未知部分的交界,为在后续更新局部地图,提高重定位成功率,需要在局部地图的边界上选择目标点。进一步的,目标点还需要选择未被占用的点以及设备可以到达的点,即该点位置无障碍物、该点位置支持容纳下设备。
在其中一个实施例中,在局部地图的边界上选择目标点包括:
确定局部地图的边界;筛选边界上未占用的边界点;获取设备外形尺寸参数,根据设备外形尺寸参数选取未占用的边界点中支持支持设备到达的候选目标点;选取候选目标点中与当前所处位置最远的点,得到目标点。
当需再次移动至新的位置采集环境图像数据重构局部地图时,确定已构建局部地图的边界,即确定当前位置探测到的已知部分和未知部分的边界,在该边界上筛选未占用的边界点,在获取设备外形尺寸参数,这部分参数可以是预先存储在设备内存中的,属于设备性能(铭牌)参数的一部分,根据设备外形尺寸参数选取未占用的边界点中周围可以容纳下设备的候选目标点,例如某些未占用边界点处于一个角落或者犄角位置,设备由于自身外形尺寸过大根本无法到达这个位置,那么这种未占用边界点显然需要剔除,得到候选目标点,再从候选目标点中选取最远的点,得到目标点,以便最大限度更新错误的局部地图,提高下一次重定位的成功率。
在其中一个实施例中,当特征匹配结果对应的相似区域不唯一时,移动至新的位置包括:
当特征匹配结果对应的相似区域不唯一时,定位当前所处位置;以当前所处位置为圆心,根据预设半径划设可选范围地图;在可选范围地图中任意选择未占用的点作为目标点;移动至目标点的位置。
在本实施例中,基于当前所处位置按照预设半径划设的圆内任意选择未占用的点作为目标点,移动至该目标点的位置。预设半径是预先设定的值,其可以根据实际情况设定,例如可以预设为1米或2米等。
在其中一个实施例中,将局部地图与重定位前的全局地图进行特征匹配包括:
根据局部地图中角点特征,在重定位前的全局地图中进行角点特征相似度计算;判断角点特征相似度计算结果是否大于预设相似度阈值。
局部地图与全局地图的特征匹配具体是来说是通过计算角点特征相似度,若角点特征相似度超过预设相似度阈值,则特征匹配成功,即重定位成功;若叫特征相似度未超过预设相似度阈值,则特征匹配失败,需要继续移动位置更新局部地图,再次进行特征匹配。
在其中一个实施例中,上述设备重定位错误恢复方法还包括:
接收作业请求;提取作业请求中携带的作业参数;根据作业参数开始作业,并侦听是否发生位置突变事件;当发生位置突变事件时,启动重定位功能。
继续以扫地机器人为例,扫地机器人接收用户的清扫请求,提取清扫请求中携带的清扫参数——标准模式清扫全屋,扫地机器人开始按照标准模式对全屋进行清扫,并且保持位置突变事件侦听状态,当发现自身被搬动时,判定发生位置突变事件,启动重定位功能。
在实际应用中,以应用于扫地机器人场景为例,如图4所示,当扫地机器人确认自己重定位成功后,仍需要单独保存重定位前的地图和路径,从而在扫地机器人工作中再次发现自己的重定位结果错误时,扫地机器人可以放弃当前的全局地图和路径,重新调用单独保存的历史地图并再次进行重定位计算,直至成功和开始新清扫。
如图5所示,本申请设备重定位方法在应用于扫地机器人重定位错误恢复时,其具体包括以下步骤:
1、扫地机器人响应用户操作开始全屋清扫;
2、用户搬动扫地机器人,扫地机器人判定触发重定位条件;
3、扫地机器人保存在被搬动前的全局地图与路径;
4、开始重定位,判断重定位结果是否对应唯一位置,若否进入步骤5;若是进入步骤6;
5、当检测到存在多处相似位置,扫地机器人移动位置,重新执行重定位,直至筛选到唯一位置;
6、重定位成功;
7、基于重定位成功的位置继续全屋清扫,并且判断当前位置是否正确,若是,则保持清扫状态,直至完成全屋清扫,停止位置检测判断;若否,则进入步骤8;
8、当检测到当前位置不正确时,删除重定位后新增地图与路径,即删除当前已更新的全局地图与路径;
9、恢复触发重定位之前保存的全局地图与路径,刷新扫地机器人位置。
应该理解的是,虽然上述各流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图6所示,本申请还提供一种设备重定位错误恢复装置,装置包括:
缓存模块200,用于启动重定位功能,缓存重定位前的全局地图;
作业模块400,用于根据重定位确定的位置进行作业;
恢复模块600,用于当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至重定位前的全局地图;
二次重定位模块800,用于根据重定位前的全局地图再次进行重定位,更新所处位置。
上述设备重定位错误恢复方法,在需要启动重定位功能时,缓存重定位之前的全局地图以作为备份,设备根据重定位确定的位置进行作业,在作业过程中持续侦测之前的重定位位置是否存在错误,若存在,则删除基于重定位后位置已更新的全局地图,恢复至备份的重定位前的全局地图,按照重定位前的全局地图再次进行重定位,更新设备所处位置,以实现设备重定位错误恢复。
在其中一个实施例中,上述设备重定位错误恢复装置还包括重定位模块,用于采集环境图像数据,构建基于当前所处位置的局部地图;将局部地图与重定位前的全局地图进行特征匹配;当特征匹配结果对应的相似区域不唯一时,移动至新的位置,返回采集环境图像数据,构建基于当前所处位置的局部地图的操作;当特征匹配结果对应的相似区域唯一时,根据特征匹配结果,重定位设备位置。
在其中一个实施例中,重定位模块还用于当特征匹配结果对应的相似区域不唯一时,在局部地图的边界上选择目标点;移动至目标点的位置。
在其中一个实施例中,重定位模块还用于确定局部地图的边界;筛选边界上未占用的边界点;获取设备外形尺寸参数,根据设备外形尺寸参数选取未占用的边界点中支持支持设备到达的候选目标点;选取候选目标点中与当前所处位置最远的点,得到目标点。
在其中一个实施例中,重定位模块还用于当特征匹配结果对应的相似区域不唯一时,定位当前所处位置;以当前所处位置为圆心,根据预设半径划设可选范围地图;在可选范围地图中任意选择未占用的点作为目标点;移动至目标点的位置。
在其中一个实施例中,重定位模块还用于根据局部地图中角点特征,在重定位前的全局地图中进行角点特征相似度计算;判断角点特征相似度计算结果是否大于预设相似度阈值。
在其中一个实施例中,重定位模块还用于当特征匹配结果对应的相似区域不唯一时,移动至新的位置;删除已构建的局部地图,返回采集环境图像数据,构建基于当前所处位置的局部地图的操作。
在其中一个实施例中,上述设备重定位错误恢复装置还包括启动模块,用于接收作业请求;提取作业请求中携带的作业参数;根据作业参数开始作业,并侦听是否发生位置突变事件;当发生位置突变事件时,启动重定位功能。
关于设备重定位错误恢复装置的具体实施例可以参见上文中对于设备重定位错误恢复方法的实施例,在此不再赘述。上述设备重定位错误恢复装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储全局地图以及设备性能参数等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种设备重定位错误恢复方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
启动重定位功能,缓存重定位前的全局地图;
根据重定位确定的位置进行作业;
当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至重定位前的全局地图;
根据重定位前的全局地图再次进行重定位,更新所处位置。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
采集环境图像数据,构建基于当前所处位置的局部地图;将局部地图与重定位前的全局地图进行特征匹配;当特征匹配结果对应的相似区域不唯一时,移动至新的位置,返回采集环境图像数据,构建基于当前所处位置的局部地图的步骤;当特征匹配结果对应的相似区域唯一时,根据特征匹配结果,重定位设备位置。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当特征匹配结果对应的相似区域不唯一时,在局部地图的边界上选择目标点;移动至目标点的位置。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定局部地图的边界;筛选边界上未占用的边界点;获取设备外形尺寸参数,根据设备外形尺寸参数选取未占用的边界点中支持支持设备到达的候选目标点;选取候选目标点中与当前所处位置最远的点,得到目标点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当特征匹配结果对应的相似区域不唯一时,定位当前所处位置;以当前所处位置为圆心,根据预设半径划设可选范围地图;在可选范围地图中任意选择未占用的点作为目标点;移动至目标点的位置。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据局部地图中角点特征,在重定位前的全局地图中进行角点特征相似度计算;判断角点特征相似度计算结果是否大于预设相似度阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当特征匹配结果对应的相似区域不唯一时,移动至新的位置;删除已构建的局部地图,返回采集环境图像数据,构建基于当前所处位置的局部地图的步骤。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
接收作业请求;提取作业请求中携带的作业参数;根据作业参数开始作业,并侦听是否发生位置突变事件;当发生位置突变事件时,启动重定位功能。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
启动重定位功能,缓存重定位前的全局地图;
根据重定位确定的位置进行作业;
当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至重定位前的全局地图;
根据重定位前的全局地图再次进行重定位,更新所处位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
采集环境图像数据,构建基于当前所处位置的局部地图;将局部地图与重定位前的全局地图进行特征匹配;当特征匹配结果对应的相似区域不唯一时,移动至新的位置,返回采集环境图像数据,构建基于当前所处位置的局部地图的步骤;当特征匹配结果对应的相似区域唯一时,根据特征匹配结果,重定位设备位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当特征匹配结果对应的相似区域不唯一时,在局部地图的边界上选择目标点;移动至目标点的位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定局部地图的边界;筛选边界上未占用的边界点;获取设备外形尺寸参数,根据设备外形尺寸参数选取未占用的边界点中支持支持设备到达的候选目标点;选取候选目标点中与当前所处位置最远的点,得到目标点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当特征匹配结果对应的相似区域不唯一时,定位当前所处位置;以当前所处位置为圆心,根据预设半径划设可选范围地图;在可选范围地图中任意选择未占用的点作为目标点;移动至目标点的位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据局部地图中角点特征,在重定位前的全局地图中进行角点特征相似度计算;判断角点特征相似度计算结果是否大于预设相似度阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当特征匹配结果对应的相似区域不唯一时,移动至新的位置;删除已构建的局部地图,返回采集环境图像数据,构建基于当前所处位置的局部地图的步骤。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
接收作业请求;提取作业请求中携带的作业参数;根据作业参数开始作业,并侦听是否发生位置突变事件;当发生位置突变事件时,启动重定位功能。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种设备重定位错误恢复方法,其特征在于,所述方法包括:
启动重定位功能,缓存重定位前的全局地图;
根据重定位确定的位置进行作业;
当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至所述重定位前的全局地图;
根据所述重定位前的全局地图再次进行重定位,更新所处位置。
2.根据权利要求1所述的方法,其特征在于,所述启动重定位功能包括:
采集环境图像数据,构建基于当前所处位置的局部地图;
将所述局部地图与重定位前的全局地图进行特征匹配;
当特征匹配结果对应的相似区域不唯一时,移动至新的位置,返回所述采集环境图像数据,构建基于当前所处位置的局部地图的步骤;
当特征匹配结果对应的相似区域唯一时,根据特征匹配结果,重定位设备位置。
3.根据权利要求2所述的方法,其特征在于,所述当特征匹配结果对应的相似区域不唯一时,移动至新的位置包括:
当特征匹配结果对应的相似区域不唯一时,在所述局部地图的边界上选择目标点;
移动至所述目标点的位置。
4.根据权利要求3所述的方法,其特征在于,所述在所述局部地图的边界上选择目标点包括:
确定所述局部地图的边界;
筛选所述边界上未占用的边界点;
获取设备外形尺寸参数,根据所述设备外形尺寸参数选取所述未占用的边界点中支持支持设备到达的候选目标点;
选取所述候选目标点中与所述当前所处位置最远的点,得到目标点。
5.根据权利要求2所述的方法,其特征在于,所述当特征匹配结果对应的相似区域不唯一时,移动至新的位置包括:
当特征匹配结果对应的相似区域不唯一时,定位当前所处位置;
以所述当前所处位置为圆心,根据预设半径划设可选范围地图;
在所述可选范围地图中任意选择未占用的点作为目标点;
移动至所述目标点的位置。
6.根据权利要求2所述的方法,其特征在于,所述将所述局部地图与重定位前的全局地图进行特征匹配包括:
根据所述局部地图中角点特征,在重定位前的全局地图中进行角点特征相似度计算;
判断角点特征相似度计算结果是否大于预设相似度阈值。
7.根据权利要求2所述的方法,其特征在于,所述当特征匹配结果对应的相似区域不唯一时,移动至新的位置,返回所述采集环境图像数据,构建基于当前所处位置的局部地图的步骤包括:
当特征匹配结果对应的相似区域不唯一时,移动至新的位置;
删除已构建的局部地图,返回所述采集环境图像数据,构建基于当前所处位置的局部地图的步骤。
8.一种设备重定位错误恢复装置,其特征在于,所述装置包括:
缓存模块,用于启动重定位功能,缓存重定位前的全局地图;
作业模块,用于根据重定位确定的位置进行作业;
恢复模块,用于当作业过程中检测到重定位位置错误时,删除已更新的全局地图,恢复至所述重定位前的全局地图;
二次重定位模块,用于根据所述重定位前的全局地图再次进行重定位,更新所处位置。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110447878.XA CN113190380A (zh) | 2021-04-25 | 2021-04-25 | 设备重定位错误恢复方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110447878.XA CN113190380A (zh) | 2021-04-25 | 2021-04-25 | 设备重定位错误恢复方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113190380A true CN113190380A (zh) | 2021-07-30 |
Family
ID=76978696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110447878.XA Pending CN113190380A (zh) | 2021-04-25 | 2021-04-25 | 设备重定位错误恢复方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113190380A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114012725A (zh) * | 2021-11-05 | 2022-02-08 | 深圳拓邦股份有限公司 | 机器人重定位方法、系统、机器人及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005124482A1 (en) * | 2004-06-17 | 2005-12-29 | Abb Ab | Control system for an industrial robot |
JP2007249735A (ja) * | 2006-03-17 | 2007-09-27 | Fujitsu Ltd | ロボット位置制御装置およびロボット自己位置回復方法 |
CN104115082A (zh) * | 2012-02-08 | 2014-10-22 | 罗伯特有限责任公司 | 自动启动自定位过程的方法 |
CN109507995A (zh) * | 2017-09-14 | 2019-03-22 | 深圳乐动机器人有限公司 | 机器人地图的管理系统及机器人 |
CN110148170A (zh) * | 2018-08-31 | 2019-08-20 | 北京初速度科技有限公司 | 一种应用于车辆定位的定位初始化方法及车载终端 |
-
2021
- 2021-04-25 CN CN202110447878.XA patent/CN113190380A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005124482A1 (en) * | 2004-06-17 | 2005-12-29 | Abb Ab | Control system for an industrial robot |
JP2007249735A (ja) * | 2006-03-17 | 2007-09-27 | Fujitsu Ltd | ロボット位置制御装置およびロボット自己位置回復方法 |
CN104115082A (zh) * | 2012-02-08 | 2014-10-22 | 罗伯特有限责任公司 | 自动启动自定位过程的方法 |
CN109507995A (zh) * | 2017-09-14 | 2019-03-22 | 深圳乐动机器人有限公司 | 机器人地图的管理系统及机器人 |
CN110148170A (zh) * | 2018-08-31 | 2019-08-20 | 北京初速度科技有限公司 | 一种应用于车辆定位的定位初始化方法及车载终端 |
Non-Patent Citations (1)
Title |
---|
王元华 等: "基于激光雷达的移动机器人定位和地图创建", 《微计算机信息》, vol. 25, no. 5, 31 May 2009 (2009-05-31), pages 227 - 229 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114012725A (zh) * | 2021-11-05 | 2022-02-08 | 深圳拓邦股份有限公司 | 机器人重定位方法、系统、机器人及存储介质 |
CN114012725B (zh) * | 2021-11-05 | 2023-08-08 | 深圳拓邦股份有限公司 | 机器人重定位方法、系统、机器人及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109814572B (zh) | 移动机器人定位建图方法、装置、移动机器人和存储介质 | |
CN111896914A (zh) | 一种协同定位方法、装置、设备和存储介质 | |
CN113191412A (zh) | 设备重定位方法、装置、计算机设备和存储介质 | |
JP6405778B2 (ja) | 対象追跡方法及び対象追跡装置 | |
CN112179361B (zh) | 更新移动机器人工作地图的方法、装置及存储介质 | |
CN115661299B (zh) | 车道线地图的构建方法、计算机设备及存储介质 | |
CN113095227B (zh) | 一种机器人定位方法、装置、电子设备及存储介质 | |
CN113190380A (zh) | 设备重定位错误恢复方法、装置、计算机设备和存储介质 | |
CN107688189B (zh) | 一种gps经纬度坐标的校准方法、装置和移动运动设备 | |
CN113892857B (zh) | 清洁机器人清洁控制方法、装置、计算机设备和介质 | |
CN113892865A (zh) | 清洁机器人清洁策略生成方法与装置 | |
CN110852461A (zh) | 故障地下电缆定位方法和装置 | |
CN109493447B (zh) | 启动行车记录的方法、装置、计算机设备和存储介质 | |
CN115561731B (zh) | 位姿优化方法、点云地图建立方法、计算机设备及介质 | |
CN114463429B (zh) | 机器人、地图创建方法、定位方法及介质 | |
CN114355928A (zh) | 回充点寻找方法、装置及移动机器人 | |
CN112344966B (zh) | 一种定位失效检测方法、装置、存储介质及电子设备 | |
CN114005034A (zh) | 作业机器人重定位方法、装置、电子设备和存储介质 | |
CN112683273A (zh) | 一种自适应增量建图方法、系统、计算机设备及存储介质 | |
CN114580044A (zh) | 建筑物外表面数据获取方法、装置、计算机设备和介质 | |
CN111061423A (zh) | 一种数据处理方法、装置和管理节点 | |
CN110851556A (zh) | 移动机器人建图方法、装置、设备及存储介质 | |
CN116483061A (zh) | 自移动机器人的地图存储方法、系统和自移动机器人 | |
CN111308419B (zh) | 定位方法、装置、设备和系统 | |
JP7185786B2 (ja) | 測位システム及び端末 |
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 |