CN113656418A - 语义地图的保存方法和装置、存储介质、电子装置 - Google Patents

语义地图的保存方法和装置、存储介质、电子装置 Download PDF

Info

Publication number
CN113656418A
CN113656418A CN202110853400.7A CN202110853400A CN113656418A CN 113656418 A CN113656418 A CN 113656418A CN 202110853400 A CN202110853400 A CN 202110853400A CN 113656418 A CN113656418 A CN 113656418A
Authority
CN
China
Prior art keywords
semantic map
semantic
mobile robot
map
similarity score
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.)
Granted
Application number
CN202110853400.7A
Other languages
English (en)
Other versions
CN113656418B (zh
Inventor
曹蒙
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.)
Dreame Technology Suzhou Co ltd
Original Assignee
Dreame Technology Suzhou Co 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 Dreame Technology Suzhou Co ltd filed Critical Dreame Technology Suzhou Co ltd
Priority to CN202110853400.7A priority Critical patent/CN113656418B/zh
Publication of CN113656418A publication Critical patent/CN113656418A/zh
Priority to PCT/CN2022/094640 priority patent/WO2023005379A1/zh
Application granted granted Critical
Publication of CN113656418B publication Critical patent/CN113656418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/23—Updating
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3859—Differential updating map data
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明实施例提供了一种语义地图的保存方法和装置、存储介质及电子装置，上述语义地图的保存方法包括：获取移动机器人在执行完当前目标事件所构建的第一语义地图；在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图，采用上述技术方案，解决了相关技术中，移动机器人保存的语义地图可能是错误的地图等问题。

Description

语义地图的保存方法和装置、存储介质、电子装置
【技术领域】
本发明涉及通信领域，具体而言，涉及一种语义地图的保存方法和装置、存储介质、电子装置。
【背景技术】
随着科学技术的进步和人工智能的发展，智能机器人也应用到了各个领域，移动机器人的定位和地图构建是移动机器人领域的热点问题。
现有激光位移传感器(Laser Distance Sensor，简称LDS)类型的移动机器人通过LDS雷达信息进行定位建图，但是由于传感器在长时间失效，例如移动机器人一直倾斜，或者雷达传感器被遮住等情况，移动机器人容易发生定位错误的问题，或者在移动机器人被搬起后再放下，也有可能发生定位错误的问题，这种定位错误都会导致移动机器人构建一张错误的地图，进而保存一张错误的地图，使得后续移动机器人根据错误地图进行清扫工作时，发生错乱，比如需要移动机器人去A房间清扫，但是由于定位和地图错误，去到了B房间等，当地图出现错误时，必须用户手动去删除，不然错误信息会一直存在。
针对相关技术中，移动机器人保存的语义地图可能是错误的地图等问题，尚未提出有效的技术方案。
因此，有必要对相关技术予以改良以克服相关技术中的所述缺陷。
【发明内容】
本发明实施例提供了一种语义地图的保存方法和装置、存储介质、电子装置，以至少解决移动机器人保存的语义地图可能是错误的地图等问题。
根据本发明的一个实施例，提供了一种语义地图的保存方法，包括：获取移动机器人在执行完当前目标事件所构建的第一语义地图；在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图。
在一个示例性实施例中，在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分之前，所述方法还包括：在所述移动机器人执行所述上一次目标事件的过程中，构建所述第二语义地图，其中，所述第二语义地图包括：物体的种类信息、物体的坐标信息、物体的语义权重信息；在执行完所述上一次目标事件后，获取移动机器人所构建的第二语义地图，和/或，获取所述移动机器人在执行完当前目标事件所构建的第一语义地图，包括：在所述移动机器人执行所述当前目标事件的过程中，构建所述第一语义地图，其中，所述第一语义地图包括：物体的种类信息、物体的坐标信息、物体的语义权重信息；在执行完所述当前目标事件后，获取移动机器人所构建的第一语义地图。
在一个示例性实施例中，在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，包括：遍历所述第二语义地图和所述第一语义地图，以获取所述第二语义地图和所述第一语义地图中多个相同的坐标信息所对应的多个目标相似度得分；通过所述多个目标相似度得分得到所述第二语义地图与所述第一语义地图的相似度得分。
在一个示例性实施例中，遍历所述第二语义地图和所述第一语义地图，以获取所述第二语义地图和所述第一语义地图中多个相同的坐标信息所对应的多个目标相似度得分，包括：对于所述多个相同的坐标信息中的任一坐标信息，获取所述任一坐标信息在所述第二语义地图中对应的第一种类信息，以及所述任一坐标信息在所述第一语义地图中对应的第二种类信息；在所述第一种类信息和所述第二种类信息相同的情况下，基于所述第一种类信息对应的第一语义权重，或所述第二种类信息对应的第二语义权重确定所述任一坐标信息的目标相似度得分。
在一个示例性实施例中，获取所述任一坐标信息在所述第二语义地图中对应的第一种类信息，以及所述任一坐标信息在所述第一语义地图中对应的第二种类信息之后，所述方法还包括：在所述第一种类信息和所述第二种类信息不相同的情况下，确定所述任一坐标信息的目标相似度得分小于第二预设阈值。
在一个示例性实施例中，将所述第二语义地图和所述第一语义地图进行匹配，以获取所述第二语义地图与所述第一语义地图的相似度得分之后，所述方法还包括：在所述相似度得分小于第一预设阈值的情况下，在所述移动机器人中保存所述第二语义地图，且禁止在所述移动机器人中保存所述第一语义地图。
在一个示例性实施例中，所述方法还包括：在不存在所述第二语义地图的情况下，保存所述第一语义地图。
根据本发明的另一个实施例，提供了一种语义地图的保存装置，所述装置包括：获取模块，用于获取移动机器人在执行完当前目标事件所构建的第一语义地图；计算模块，用于在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；保存模块，用于在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图。
根据本发明的又一实施例，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述语义地图的保存方法。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，获取移动机器人在执行完当前目标事件所构建的第一语义地图；在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图，即通过比较第二语义地图，以及执行完当前目标事件所构建的第一语义地图的相似度得分与第一预设阈值之间的大小关系，在相似度得分大于第一预设阈值的情况下，确定第一语义地图为正确的地图，进而保存第一语义地图，通过上述技术方案，解决了相关技术中，移动机器人保存的语义地图可能是错误的地图等问题。
本发明具有如下有益效果：基于移动机器人的AI的语义识别功能，通过将语义信息连同该语义的位置信息映射到语义地图上，通过对比移动机器人在执行完上一次目标事件所构建的第二语义地图，以及移动机器人在执行完当前目标事件所构建的第一语义地图，来确认第一语义地图是否存在问题，以及是否保存第一语义地图，解决了移动机器人保存的地图可能是错误的地图，进而在地图出错的情况下，移动机器人行为异常等问题，提高了移动机器人长时间运行的鲁棒性，以及避免了移动机器人建图叠图带来的影响。
【附图说明】
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种语义地图的保存方法的移动机器人的硬件结构框图；
图2是根据本发明实施例的语义地图的保存方法的流程图(一)；
图3是根据本发明实施例的语义地图的保存方法的流程图(二)；
图4是根据本发明实施例的语义地图的保存装置的结构框图。
【具体实施方式】
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在移动机器人，或者类似的运算装置中执行。以运行在移动机器人上为例，图1是本发明实施例的一种语义地图的保存方法的移动机器人的硬件结构框图。如图1所示，移动机器人可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，在一个示例性实施例中，上述移动机器人还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动机器人的结构造成限定。例如，移动机器人还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的移动机器人的语义地图的保存方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动机器人。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动机器人的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种语义地图的保存方法，应用于移动机器人中，图2是根据本发明实施例的语义地图的保存方法的流程图(一)，该流程包括如下步骤：
步骤S202：获取移动机器人在执行完当前目标事件所构建的第一语义地图；
步骤S204：在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；
需要说明的是，目标事件可以理解为：清扫工作以及回到目标区域，第二语义地图时移动机器人上一次执行完清扫工作并回到目标区域时构建的语义地图；第一语义地图是移动机器人本次执行完清扫工作并回到目标区域时构建的语义地图，其中，语义地图是包括物体的种类信息、物体的坐标信息、物体的语义权重信息的地图。
步骤S206：在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图。
通过本发明实施例，获取移动机器人在执行完当前目标事件所构建的第一语义地图；在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图，即通过比较第二语义地图，以及执行完当前目标事件所构建的第一语义地图的相似度得分与预设阈值之间的大小关系，在相似度得分大于第一预设阈值的情况下，确定第一语义地图为正确的地图，进而保存第一语义地图，通过上述技术方案，解决了相关技术中，移动机器人保存的语义地图可能是错误的地图等问题。
在一个示例性实施例中，获取移动机器人存储的第二语义地图，包括：在所述移动机器人执行所述上一次目标事件的过程中，构建所述第二语义地图，其中，所述第二语义地图包括：物体的种类信息、物体的坐标信息、物体的语义权重信息；在执行完所述上一次目标事件后，获取移动机器人所构建的第二语义地图，和/或，获取所述移动机器人在执行完当前目标事件所构建的第一语义地图，包括：在所述移动机器人执行所述当前目标事件的过程中，构建所述第一语义地图，其中，所述第一语义地图包括：物体的种类信息、物体的坐标信息、物体的语义权重信息；在执行完所述当前目标事件后，获取移动机器人所构建的第一语义地图。
也就是说，在移动机器人在执行所述上一次目标事件的过程中，构建所述第二语义地图，以及在移动机器人在执行当前目标事件的过程中，构建所述第一语义地图，其中，第二语义地图和第一语义地图中均包括：物体的种类信息、物体的坐标信息、物体的语义权重信息，在移动机器人执行完目标事件后，获取第二语义地图和第一语义地图，其中，物体的语义权重信息用于指示第二语义地图和第一语义地图匹配的过程中的权重，物体的语义权重信息可以是用户预先设置的，也可以是移动机器人根据实际情况动态给予的，需要说明的是，本发明实施例对此不做限定。
进一步的，构建第二语义地图的具体实现方式如下：移动机器人在执行上一次的目标事件的过程中，实时监测移动机器人的可视范围内的目标物体，并获取可视范围内的第一目标物体的第一目标图像，将移动机器人获取的第一目标物体的第一目标图像输入到人工智能检测模型中，得到所述第一目标图像对应的第一图像信息，其中，所述第一图像信息包括：第一目标物体的第一种类信息、第一目标物体的第一语义权重信息；以及根据所述移动机器人与所述第一目标物体的相对位置关系和所述移动机器人在行进区域的坐标信息确定所述第一目标物体的第一坐标信息；将所述第一种类信息、第一语义权重信息、第一坐标信息保存至所述第二语义地图，遍历所述移动机器人的行进区域，以得到全部的行进区域对应的第二语义地图。
进一步的，构建第一语义地图的具体实现方式如下：移动机器人在执行当前目标事件的过程中，实时监测移动机器人的可视范围内的目标物体，并获取可视范围内的第二目标物体的第二目标图像，将移动机器人获取的第二目标物体的第二目标图像输入到人工智能检测模型中，得到所述第二目标图像对应的第二图像信息，其中，所述第二图像信息包括：第二目标物体的第二种类信息、第二目标物体的第二语义权重信息；以及根据所述移动机器人与所述第二目标物体的相对位置关系和所述移动机器人在行进区域的坐标信息确定所述第二目标物体的第二坐标信息；将所述第二种类信息、第二语义权重信息、第二坐标信息保存至所述第一语义地图，遍历所述移动机器人的行进区域，以得到全部的行进区域对应的第一语义地图。
在一个示例性实施例中，将所述第二语义地图和所述第一语义地图进行匹配，以获取所述第二语义地图与所述第一语义地图的相似度得分，具体方式如下：遍历所述第二语义地图和所述第一语义地图，以获取所述第二语义地图和所述第一语义地图中多个相同的坐标信息所对应的多个目标相似度得分；通过所述多个目标相似度得分得到所述第二语义地图与所述第一语义地图的相似度得分。
可以理解为，确定第二语义地图和所述第一语义地图的相同的坐标信息，并确定相同的坐标信息下目标物体的类型是否相同，并确定对应的目标相似度得分，将获得的多个目标相似度得分进行相加，确定相似度得分。
在一个示例性实施例中，对于所述多个相同的坐标信息中的任一坐标信息，获取所述任一坐标信息在所述第二语义地图中对应的第一种类信息，以及所述任一坐标信息在所述第一语义地图中对应的第二种类信息；在所述第一种类信息和所述第二种类信息相同的情况下，基于所述第一种类信息对应的第一语义权重，或所述第二种类信息对应的第二语义权重确定所述任一坐标信息的目标相似度得分；在所述第一种类信息和所述第二种类信息不相同的情况下，确定所述任一坐标信息的目标相似度得分小于第二预设阈值。
换言之，比较相同坐标信息对应的第一种类信息和第二种类信息是否相同，在所述第一种类信息和所述第二种类信息相同的情况下，根据第一种类信息对应的第一语义权重或第二种类信息对应的第二语义权重作为相同坐标信息对应的目标相似度得分，在所述第一种类信息和所述第二种类信息不相同的情况下，目标相似度得分可以为零，也可以根据实际情况设置为负数的数值，其中，在第二语义地图中存在对应的第一种类信息，在第一语义地图中不存在对应的第二种类信息的情况下，确定所述第一种类信息和所述第二种类信息不相同。
进一步的，还可以预先设置语义权重与目标相似度得分的对应关系，在所述第一种类信息和所述第二种类信息相同的情况下，根据语义权重确定对应的目标相似度得分。
举例来讲，预先设置语义权重与目标相似度得分的对应关系为1:10，对于所述多个相同的坐标信息中的任一坐标信息，获取所述任一坐标信息在所述第二语义地图中对应的第一种类信息，以及所述任一坐标信息在所述第一语义地图中对应的第二种类信息；在所述第一种类信息和所述第二种类信息相同的情况下，确定第一种类信息对应的语义权重为0.2，即在多个相同的坐标信息的目标相似度得分为2；预先设置语义权重与目标相似度得分的对应关系为1:1的情况下，确定第一种类信息对应的语义权重为0.2，相同坐标信息对应的目标相似度得分0.2，需要说明的是，上述数值仅是为了更好的理解本实施例，本发明实施例对此不做限定。
在一个示例性实施例中，将所述第二语义地图和所述第一语义地图进行匹配，以获取所述第二语义地图与所述第一语义地图的相似度得分之后，在所述相似度得分小于第一预设阈值的情况下，在所述移动机器人中保存所述第二语义地图，且禁止在所述移动机器人中保存所述第一语义地图。
匹配第二语义地图和第一语义地图，得出两张语义地图的相似性得分，若相似性得分小于第一预设阈值，则认为第一语义地图发生了叠图，不执行保存第一语义地图的操作，并将第二语义地图恢复出来，继续保存第二语义地图，其中，发生叠图用于指示所述第一语义地图在构建的过程中出现了错误。
在一个示例性实施例中，在不存在所述第二语义地图的情况下，保存所述第一语义地图。
将所述第二语义地图和所述第一语义地图进行匹配之前，确定移动机器人中是否保存有第二语义地图，在移动机器人中没有保存有第二语义地图，即未获取到所述第二语义地图的情况下，直接保存第一语义地图。
为了更好理解上述语义地图的保存方法，以下结合可选实施例对上述技术方案进行解释说明，但不用于限定本发明实施例的技术方案。
图3是根据本发明实施例的语义地图的保存方法的流程图(二)，如图3所示，具体步骤如下：
步骤S301：开始；
步骤S302：移动机器人开始清扫并AI检测物体；
需要说明的是，AI识别物体得到物体的种类信息、物体的坐标信息、物体的语义权重信息；
步骤S303：将物体通过坐标变换映射到第一语义地图上；
具体的，通过相机实时监测机器可视范围内的物体，当检测到目标物体时，通过根据所述移动机器人与目标物体的相对位置关系和移动机器人在所述行进区域的坐标信息确定所述第一目标物体的第一坐标信息，并将目标物体的映射坐标信息到第一语义地图上，其中，第一语义地图包括：目标物体的种类，目标物体的坐标信息和目标物体的语义权重，这个语义权重代表了第二语义地图和第一语义地图对比时的权重，语义权重可以预先设定，不同的物体对应不同的权重，如床、电视机柜、沙发等不容易移动的物体权重很高；桌子、椅子、落地扇等短时间内不容易移动的物体权重较低，而对于人、鞋子等动态物体，则不给予权重。
步骤S304：检测到保存第一语义地图的指令；
当移动机器人完成清扫工作，并回到充电桩时收到保存第一语义地图的指令，根据指令执行保存语义地图的操作。
步骤S305：判断移动机器人中是否保存有第二语义地图，若移动机器人中保存有第二语义地图，执行步骤S307，若移动机器人中没有保存有第二语义地图，执行步骤S306；
步骤S306：保存第一语义地图以及对应的环境地图；
步骤S307：确定第二语义地图与第一语义地图的相似性得分与预设阈值(相当于上述实施例中的第一预设阈值)之间的大小关系；
步骤S308：在大小关系指示所述相似性得分大于预设阈值的情况下，保存第一语义地图以及对应的环境地图；
步骤S309：在大小关系指示所述相似性得分小于预设阈值的情况下，保存第二语义地图以及对应的环境地图。
上述实施例中，获取移动机器人可视范围内的语义信息，并通过AI检测到的不同物体的种类对语义地图上的语义信息分配不同的权重，即，不同语义信息拥有不同的语义权重；通过对两张语义地图进行对比，得到两张语义地图的相似度得分，当相似度得分大于预设阈值时，确认更新的地图不存在叠图，可以正常保存。具体的，检测移动机器人中是否保存有第二语义地图，若没有保存第二语义地图，则保存第一语义地图和其对应的环境地图；若保存第二语义地图，则对比第二语义地图和第一语义地图，得出两张语义地图的相似性得分，若相似性得分大于预设阈值，则认为没有叠图，则保存第一语义地图以及对应的环境地图，若相似性得分小于预设阈值，则认为此次移动机器人构建的第一语义地图发生了叠图，不执行存图操作，并将第二语义地图恢复出来。通过本实施例，解决了移动机器人保存的地图可能是错误的地图，进而在地图出错的情况下，移动机器人行为异常等问题，提高了移动机器人长时间运行的鲁棒性，以及避免了移动机器人建图叠图带来的影响。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
在本实施例中还提供了语义地图的保存装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的语义地图的保存装置的结构框图，如图4所示，包括：
获取模块42，用于获取移动机器人在执行完当前目标事件所构建的第一语义地图；
计算模块44，用于在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；
保存模块46，用于在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图。
通过本发明实施例，获取移动机器人在执行完当前目标事件所构建的第一语义地图；在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图，即通过比较第二语义地图，以及执行完当前目标事件所构建的第一语义地图的相似度得分与预设阈值之间的大小关系，在相似度得分大于第一预设阈值的情况下，确定第一语义地图为正确的地图，进而保存第一语义地图，通过上述技术方案，解决了相关技术中，移动机器人保存的语义地图可能是错误的地图等问题。
在一个示例性实施例中，上述装置还包括：构建模块，用于在所述移动机器人执行所述上一次目标事件的过程中，构建所述第二语义地图，其中，所述第二语义地图包括：物体的种类信息、物体的坐标信息、物体的语义权重信息；在执行完所述上一次目标事件后，获取移动机器人所构建的第二语义地图，和/或，获取所述移动机器人在执行完当前目标事件所构建的第一语义地图，包括：在所述移动机器人执行所述当前目标事件的过程中，构建所述第一语义地图，其中，所述第一语义地图包括：物体的种类信息、物体的坐标信息、物体的语义权重信息；在执行完所述当前目标事件后，获取移动机器人所构建的第一语义地图。
也就是说，在移动机器人在执行所述上一次目标事件的过程中，构建所述第二语义地图，以及在移动机器人在执行当前目标事件的过程中，构建所述第一语义地图，其中，第二语义地图和第一语义地图中均包括：物体的种类信息、物体的坐标信息、物体的语义权重信息，在移动机器人执行完目标事件后，获取第二语义地图和第一语义地图，其中，物体的语义权重信息用于指示第二语义地图和第一语义地图匹配的过程中的权重，物体的语义权重信息可以是用户预先设置的，也可以是移动机器人根据实际情况动态给予的，需要说明的是，本发明实施例对此不做限定。
进一步的，构建第二语义地图的具体实现方式如下：移动机器人在执行上一次的目标事件的过程中，实时监测移动机器人的可视范围内的目标物体，并获取可视范围内的第一目标物体的第一目标图像，将移动机器人获取的第一目标物体的第一目标图像输入到人工智能检测模型中，得到所述第一目标图像对应的第一图像信息，其中，所述第一图像信息包括：第一目标物体的第一种类信息、第一目标物体的第一语义权重信息；以及根据所述移动机器人与所述第一目标物体的相对位置关系和所述移动机器人在行进区域的坐标信息确定所述第一目标物体的第一坐标信息；将所述第一种类信息、第一语义权重信息、第一坐标信息保存至所述第二语义地图，遍历所述移动机器人的行进区域，以得到全部的行进区域对应的第二语义地图。
进一步的，构建第一语义地图的具体实现方式如下：移动机器人在执行当前目标事件的过程中，实时监测移动机器人的可视范围内的目标物体，并获取可视范围内的第二目标物体的第二目标图像，将移动机器人获取的第二目标物体的第二目标图像输入到人工智能检测模型中，得到所述第二目标图像对应的第二图像信息，其中，所述第二图像信息包括：第二目标物体的第二种类信息、第二目标物体的第二语义权重信息；以及根据所述移动机器人与所述第二目标物体的相对位置关系和所述移动机器人在行进区域的坐标信息确定所述第二目标物体的第二坐标信息；将所述第二种类信息、第二语义权重信息、第二坐标信息保存至所述第一语义地图，遍历所述移动机器人的行进区域，以得到全部的行进区域对应的第一语义地图。
在一个示例性实施例中，匹配模块，还用于遍历所述第二语义地图和所述第一语义地图，以获取所述第二语义地图和所述第一语义地图中多个相同的坐标信息所对应的多个目标相似度得分；通过所述多个目标相似度得分得到所述第二语义地图与所述第一语义地图的相似度得分。
可以理解为，确定第二语义地图和所述第一语义地图的相同的坐标信息，并确定相同的坐标信息下目标物体的类型是否相同，并确定对应的目标相似度得分，将获得的多个目标相似度得分进行相加，确定相似度得分。
在一个示例性实施例中，匹配模块，还用于对于所述多个相同的坐标信息中的任一坐标信息，获取所述任一坐标信息在所述第二语义地图中对应的第一种类信息，以及所述任一坐标信息在所述第一语义地图中对应的第二种类信息；在所述第一种类信息和所述第二种类信息相同的情况下，基于所述第一种类信息对应的第一语义权重，或所述第二种类信息对应的第二语义权重确定所述任一坐标信息的目标相似度得分。
在一个示例性实施例中，匹配模块，还用于在所述第一种类信息和所述第二种类信息不相同的情况下，确定所述任一坐标信息的目标相似度得分小于第二预设阈值。
换言之，比较相同坐标信息对应的第一种类信息和第二种类信息是否相同，在所述第一种类信息和所述第二种类信息相同的情况下，根据第一种类信息对应的第一语义权重或第二种类信息对应的第二语义权重作为相同坐标信息对应的目标相似度得分，在所述第一种类信息和所述第二种类信息不相同的情况下，目标相似度得分可以为零，也可以根据实际情况设置为负数的数值，其中，在第二语义地图中存在对应的第一种类信息，在第一语义地图中不存在对应的第二种类信息的情况下，确定所述第一种类信息和所述第二种类信息不相同。
进一步的，还可以预先设置语义权重与目标相似度得分的对应关系，在所述第一种类信息和所述第二种类信息相同的情况下，根据语义权重确定对应的目标相似度得分。
举例来讲，预先设置语义权重与目标相似度得分的对应关系为1:10，对于所述多个相同的坐标信息中的任一坐标信息，获取所述任一坐标信息在所述第二语义地图中对应的第一种类信息，以及所述任一坐标信息在所述第一语义地图中对应的第二种类信息；在所述第一种类信息和所述第二种类信息相同的情况下，确定第一种类信息对应的语义权重为0.2，即在多个相同的坐标信息的目标相似度得分为2；预先设置语义权重与目标相似度得分的对应关系为1:1的情况下，确定第一种类信息对应的语义权重为0.2，相同坐标信息对应的目标相似度得分0.2，需要说明的是，上述数值仅是为了更好的理解本实施例，本发明实施例对此不做限定。
在一个示例性实施例中，保存模块，还用于将所述第二语义地图和所述第一语义地图进行匹配，以获取所述第二语义地图与所述第一语义地图的相似度得分之后，在所述相似度得分小于第一预设阈值的情况下，在所述移动机器人中保存所述第二语义地图，且禁止在所述移动机器人中保存所述第一语义地图。
匹配第二语义地图和第一语义地图，得出两张语义地图的相似性得分，若相似性得分小于第一预设阈值，则认为第一语义地图发生了叠图，不执行保存第一语义地图的操作，并将第二语义地图恢复出来，继续保存第二语义地图，其中，发生叠图用于指示所述第一语义地图在构建的过程中出现了错误。
在一个示例性实施例中，保存模块，还用于将所述第二语义地图和所述第一语义地图进行匹配之前，在未获取到所述第二语义地图的情况下，直接在所述移动机器人中保存所述第一语义地图。
将所述第二语义地图和所述第一语义地图进行匹配之前，确定移动机器人中是否保存有第二语义地图，在移动机器人中没有保存有第二语义地图，即未获取到所述第二语义地图的情况下，直接保存第一语义地图。
本发明的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：
S1，获取移动机器人在执行完当前目标事件所构建的第一语义地图；
S2，在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；
S3，在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取移动机器人在执行完当前目标事件所构建的第一语义地图；
S2，在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；
S3，在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种语义地图的保存方法，其特征在于：包括：
获取移动机器人在执行完当前目标事件所构建的第一语义地图；
在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；
在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图。
2.根据权利要求1所述的语义地图的保存方法，其特征在于：在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分之前，所述方法还包括：
在所述移动机器人执行所述当前目标事件的上一次目标事件的过程中，构建所述第二语义地图，其中，所述第二语义地图包括：物体的种类信息、物体的坐标信息、物体的语义权重信息；
在执行完所述上一次目标事件后，获取移动机器人所构建的第二语义地图，和/或
获取所述移动机器人在执行完当前目标事件所构建的第一语义地图，包括：
在所述移动机器人执行所述当前目标事件的过程中，构建所述第一语义地图，其中，所述第一语义地图包括：物体的种类信息、物体的坐标信息、物体的语义权重信息；
在执行完所述当前目标事件后，获取移动机器人所构建的第一语义地图。
3.根据权利要求2所述的语义地图的保存方法，其特征在于：在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，包括：
遍历所述第二语义地图和所述第一语义地图，以获取所述第二语义地图和所述第一语义地图中多个相同的坐标信息所对应的多个目标相似度得分；
通过所述多个目标相似度得分得到所述第二语义地图与所述第一语义地图的相似度得分。
4.根据权利要求3所述的语义地图的保存方法，其特征在于：遍历所述第二语义地图和所述第一语义地图，以获取所述第二语义地图和所述第一语义地图中多个相同的坐标信息所对应的多个目标相似度得分，包括：
对于所述多个相同的坐标信息中的任一坐标信息，获取所述任一坐标信息在所述第二语义地图中对应的第一种类信息，以及所述任一坐标信息在所述第一语义地图中对应的第二种类信息；
在所述第一种类信息和所述第二种类信息相同的情况下，基于所述第一种类信息对应的第一语义权重，或所述第二种类信息对应的第二语义权重确定所述任一坐标信息的目标相似度得分。
5.根据权利要求4所述的语义地图的保存方法，其特征在于：获取所述任一坐标信息在所述第二语义地图中对应的第一种类信息，以及所述任一坐标信息在所述第一语义地图中对应的第二种类信息之后，所述方法还包括：
在所述第一种类信息和所述第二种类信息不相同的情况下，确定所述任一坐标信息的目标相似度得分小于第二预设阈值。
6.根据权利要求1所述的语义地图的保存方法，其特征在于：所述方法还包括：
在所述相似度得分小于第一预设阈值的情况下，在所述移动机器人中保存所述第二语义地图，且禁止在所述移动机器人中保存所述第一语义地图。
7.根据权利要求1所述的语义地图的保存方法，其特征在于：所述方法还包括：
在不存在所述第二语义地图的情况下，保存所述第一语义地图。
8.一种语义地图的保存装置，其特征在于：所述装置包括：
获取模块，用于获取移动机器人在执行完当前目标事件所构建的第一语义地图；
计算模块，用于在存在第二语义地图的情况下，计算所述第二语义地图与所述第一语义地图的相似度得分，其中，所述第二语义地图为所述移动机器人保存的历史语义地图；
保存模块，用于在所述相似度得分大于第一预设阈值的情况下，将所述移动机器人中保存的所述第二语义地图更新为所述第一语义地图。
9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
CN202110853400.7A 2021-07-27 2021-07-27 语义地图的保存方法和装置、存储介质、电子装置 Active CN113656418B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110853400.7A CN113656418B (zh) 2021-07-27 2021-07-27 语义地图的保存方法和装置、存储介质、电子装置
PCT/CN2022/094640 WO2023005379A1 (zh) 2021-07-27 2022-05-24 语义地图的保存方法和装置、存储介质、电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110853400.7A CN113656418B (zh) 2021-07-27 2021-07-27 语义地图的保存方法和装置、存储介质、电子装置

Publications (2)

Publication Number Publication Date
CN113656418A true CN113656418A (zh) 2021-11-16
CN113656418B CN113656418B (zh) 2023-08-22

Family

ID=78490719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110853400.7A Active CN113656418B (zh) 2021-07-27 2021-07-27 语义地图的保存方法和装置、存储介质、电子装置

Country Status (2)

Country Link
CN (1) CN113656418B (zh)
WO (1) WO2023005379A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023005379A1 (zh) * 2021-07-27 2023-02-02 追觅创新科技(苏州)有限公司 语义地图的保存方法和装置、存储介质、电子装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106767812A (zh) * 2016-11-25 2017-05-31 梁海燕 一种基于语义信息提取的室内语义地图更新方法与系统
US20180354132A1 (en) * 2017-06-09 2018-12-13 Lg Electronics Inc. Moving robot and control method thereof
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
CN109974722A (zh) * 2019-04-12 2019-07-05 珠海市一微半导体有限公司 一种视觉机器人的地图更新控制方法及地图更新控制系统
CN111815687A (zh) * 2020-06-19 2020-10-23 浙江大华技术股份有限公司 点云匹配方法、定位方法、设备及存储介质
CN112734845A (zh) * 2021-01-08 2021-04-30 浙江大学 一种融合场景语义的室外单目同步建图与定位方法
CN112784873A (zh) * 2020-12-25 2021-05-11 华为技术有限公司 一种语义地图的构建方法及设备
CN113124902A (zh) * 2021-04-19 2021-07-16 追创科技(苏州)有限公司 移动机器人的定位修正方法和装置、存储介质、电子装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10733661B1 (en) * 2015-05-22 2020-08-04 Walgreen Co. Automatic mapping of store layout using soft object recognition
CN112632211A (zh) * 2020-12-30 2021-04-09 上海思岚科技有限公司 用于移动机器人的语义信息处理方法与设备
CN113656418B (zh) * 2021-07-27 2023-08-22 追觅创新科技(苏州)有限公司 语义地图的保存方法和装置、存储介质、电子装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106767812A (zh) * 2016-11-25 2017-05-31 梁海燕 一种基于语义信息提取的室内语义地图更新方法与系统
US20180354132A1 (en) * 2017-06-09 2018-12-13 Lg Electronics Inc. Moving robot and control method thereof
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
CN109974722A (zh) * 2019-04-12 2019-07-05 珠海市一微半导体有限公司 一种视觉机器人的地图更新控制方法及地图更新控制系统
CN111815687A (zh) * 2020-06-19 2020-10-23 浙江大华技术股份有限公司 点云匹配方法、定位方法、设备及存储介质
CN112784873A (zh) * 2020-12-25 2021-05-11 华为技术有限公司 一种语义地图的构建方法及设备
CN112734845A (zh) * 2021-01-08 2021-04-30 浙江大学 一种融合场景语义的室外单目同步建图与定位方法
CN113124902A (zh) * 2021-04-19 2021-07-16 追创科技(苏州)有限公司 移动机器人的定位修正方法和装置、存储介质、电子装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023005379A1 (zh) * 2021-07-27 2023-02-02 追觅创新科技(苏州)有限公司 语义地图的保存方法和装置、存储介质、电子装置

Also Published As

Publication number Publication date
CN113656418B (zh) 2023-08-22
WO2023005379A1 (zh) 2023-02-02

Similar Documents

Publication Publication Date Title
CN110307838B (zh) 机器人重定位方法、装置、计算机可读存储介质及机器人
US11896175B2 (en) Method and apparatus for updating working map of mobile robot, and storage medium
CN109145926B (zh) 相似图片识别方法及计算机设备
CN113670292B (zh) 地图的绘制方法和装置、扫地机、存储介质、电子装置
CN113124902B (zh) 移动机器人的定位修正方法和装置、存储介质、电子装置
US20220139061A1 (en) Model training method and apparatus, keypoint positioning method and apparatus, device and medium
CN113656418A (zh) 语义地图的保存方法和装置、存储介质、电子装置
CN111540020A (zh) 目标行为的确定方法及装置、存储介质、电子装置
CN111708357B (zh) 清扫结束条件识别方法、装置及扫地机器人
CN105302715A (zh) 应用程序用户界面的获取方法和装置
CN111481114A (zh) 扫地机工作环境的检测方法、装置及扫地机
CN112200860B (zh) 对象位置关系确定方法、装置、存储介质及电子装置
CN113436234B (zh) 轮毂毛刺识别方法、电子装置、装置及可读存储介质
CN113297259B (zh) 机器人及其环境地图构建方法和装置
CN112988913B (zh) 一种数据处理方法和相关装置
CN110940951A (zh) 定位方法及设备
CN113110414B (zh) 机器人送餐方法、送餐机器人及计算机可读存储介质
CN114516048A (zh) 机器人的零点调试方法、装置、控制器及存储介质
WO2023179207A1 (zh) 地图的处理方法、装置、清洁设备、存储介质及电子装置
CN112449300A (zh) 位置信息的更新方法及装置、存储介质、电子装置
CN109788431A (zh) 一种基于相邻节点组的蓝牙定位方法、装置、设备和系统
CN111182455A (zh) 一种室内定位方法、装置、计算机设备及存储介质
CN110909766B (zh) 相似度的确定方法及装置、存储介质、电子装置
CN109874172A (zh) 一种蓝牙定位方法、装置、设备和系统
CN115908117B (zh) 一种二维建筑模型图像生成方法及系统

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