CN115235458A - 定位方法、地图创建方法、定位系统及设备 - Google Patents
定位方法、地图创建方法、定位系统及设备 Download PDFInfo
- Publication number
- CN115235458A CN115235458A CN202110443972.8A CN202110443972A CN115235458A CN 115235458 A CN115235458 A CN 115235458A CN 202110443972 A CN202110443972 A CN 202110443972A CN 115235458 A CN115235458 A CN 115235458A
- Authority
- CN
- China
- Prior art keywords
- positioning
- information
- topological
- map
- map data
- 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
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种定位方法、地图创建方法、定位系统及设备,其中,定位方法包括:采集位姿信息及环境图像;利用所述位姿信息,从地图数据中获取部分数据;根据所述环境图像与所述部分数据,进行定位,以减少定位过程中加载的地图数据量,快速计算出精确位姿,提高定位效率。
Description
技术领域
本申请属于视觉定位技术领域,尤其涉及一种定位方法、地图创建方法、定位系统及设备。
背景技术
视觉定位是自动驾驶系统中不可或缺的部分,其中,地图数据更是定位的基石。现有技术中的基于视觉传感器的定位方案中,一般需要一次性加载全量地图数据进行定位,存在加载的地图数据量较大、定位效率较低的问题。
发明内容
本申请实施例提供一种与现有技术不同的实现方案,以适用于视觉定位的场景。
具体的,在本申请的一个实施例中,提供了一种定位方法。该方法包括:获取位姿信息及环境图像;利用所述位姿信息,从地图数据中获取部分数据;根据所述环境图像与所述部分数据,进行定位。
在本申请的另一个实施例中,提供了一种地图创建方法。该方法包括:获取目标空间的建图数据;基于所述建图数据创建地图,得到建图结果;对所述建图结果进行处理,得到能局部加载的地图数据,以便于在一次定位事件中,能基于位姿信息从所述地图数据中获取部分数据,且能基于该部分数据完成定位。
在本申请的另一个实施例中,提供了一种定位系统。该定位系统包括自主移动设备及服务端设备;其中:
所述自主移动设备,用于采集位姿信息及环境图像,向所述服务端设备发送地图数据获取请求;
所述服务端设备,用于接收到所述地图数据获取请求后,根据所述自主移动设备采集的所述位姿信息,从地图数据中获取部分数据;将所述部分数据发送至所述自主移动设备;
所述自主移动设备,还用于根据所述环境图像与所述部分数据,进行定位。
在本申请的另一个实施例中,提供了一种自主移动设备。该自主移动设备包括:传感器组件、存储器及处理器;其中,
所述传感器组件,用于采集位姿信息及环境图像;
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取所述位姿信息及环境图像;
利用所述位姿信息,从地图数据中获取部分数据;
根据所述环境图像与所述部分数据,进行定位。
本申请各实施例提供了一种与现有技术不同的新方案,在采集位姿信息及环境图像后;利用所述位姿信息,仅从地图数据中获取部分数据;根据所述环境图像与所述部分数据进行定位,在定位过程中,减少了加载的地图数据量,可快速计算出精确位姿,提高了定位效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。在附图中:
图1a为本申请一实施例提供的定位方法的流程示意图;
图1b为本申请一实施例提供的定位方法的场景性示意图;
图1c为本申请一实施例提供的定位方法的原理性示意图;
图1d为本申请一实施例提供的地图数据创建过程的示意图;
图2为本申请另一实施例提供的地图创建方法的流程示意图;
图3a为本申请一实施例提供的定位系统的原理性结构示意图;
图3b为本申请一实施例提供的定位系统的场景性结构示意图;
图4为本申请一实施例提供的定位装置的结构示意图;
图5为本申请一实施例提供的地图创建装置的结构示意图;
图6为本申请一实施例提供的自主移动设备的原理性结构示意图;
图7为本申请一实施例提供的服务端设备的原理性结构示意图。
具体实施方式
首先,在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释:
共视关系:两张图像观测到同一个特征点(即两张图像中包含有同一特征点),则这两张图像具有共视关系;或者两个特征点被同一图像观测到(即两个特征点出现在同一图像中),则这两个特征点具有共视关系。
特征点:图像处理中,特征点指的是图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点(即两个边缘的交点)。图像特征点在基于特征点的图像匹配算法中有着十分重要的作用。图像特征点能够反映图像本质特征,能够标识图像中目标物体,通过特征点的匹配能够完成图像的匹配。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。应当理解,本文中的“第一”、“第二”等描述,是用于区分不同的元件、设备等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于监测”。类似地,取决于语境,短语“如果确定”或“如果监测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当监测(陈述的条件或事件)时”或“响应于监测(陈述的条件或事件)”。
还需要说明的是,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商品或者系统不仅包括那些要素,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商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
目前,在自动驾驶系统中,一般基于orb-slam、vins等方案进行视觉定位。申请人通过研究发现,现有技术中的视觉定位一般都是一次性加载全量地图数据进行定位,大大增加了自主移动设备的计算资源消耗;另外,由于计算量过大,计算复杂度高等问题,自主移动设备难以实时输出精确的定位结果,进而影响自主移动设备的稳定性。为此,本申请提供了如下各实施例,以实现一种高效的地图数据调度方案,进而提高定位的准确性及定位效率。
下面将结合附图,详细说明本申请各实施例提供的技术方案。
图1a为本申请一示例性实施例提供的一种定位方法的流程示意图,该方法的执行主体可以是自主移动设备,也可以是与自主移动设备通信的服务端设备等,本实施例对此不作具体限定。具体的,所述定位方法可至少包括以下步骤:
101、获取位姿信息及环境图像;
102、利用所述位姿信息,从地图数据中获取部分数据;
103、根据所述环境图像与所述部分数据,进行定位。
具体地,可参见图1b所示,自主移动设备,如:无人驾驶车辆310、无人机310、机器人等等。上述位姿信息可由自主移动设备上的多种传感器采集到的传感器信息,比如,惯性导航仪、定位系统(如GPS或北斗定位系统)等采集到的位置信息及姿态信息。其中,位置信息定位系统采集到的定位数据。姿态信息包含惯性导航仪感测到惯性信息等。环境图像可通过设置于定位设备的图像传感器采集到的,其中图像传感器可包括单目摄像头、双目摄像头、RGBD相机等。环境图像可以是图像传感器采集到的单一图像,也可以是图像传感器采集到的环境视频中的某一帧图像。
上述102中,地图数据为预先通过建图得到。所述地图数据包含有多个区域的区域信息以及所述多个区域分别对应的区域地图数据。相应的,步骤102“利用所述位姿信息,从地图数据中获取部分数据”,可包括:
1021、获取所述地图数据中的所述多个区域的区域信息;
1022、基于多个区域的区域信息,在所述多个区域中确定出所述位姿信息所属的目标区域;
1023、获取所述地图数据中所述目标区域对应的区域地图数据。
上述1021中,地图数据中的多个区域可以是人为划分,也可以是本实施例的执行主体或建图设备基于区域划分规则对地图数据进行处理后的得到的。某一区域的区域信息包含有该区域的区域范围信息以及与该区域关联的至少一个图像(即在该区域内可采集到图像)的标识。
上述1022中,可基于所述位姿信息中的位置信息(如GPS定位信息或北斗定位信息)及地图数据中各区域的区域范围信息,确定出位置信息所在的区域范围对应的目标区域。比如,位置信息为经纬度信息,该经纬度信息所在的区域范围对应的区域,即所述目标区域。
上述1023中,地图数据被按照区域进行了切分。因此,在确定出目标区域后,便可从地图数据中获取该目标区域对应的区域地图数据。其中,区域地图数据包括多个定位元素及各定位元素对应的坐标值。定位元素包括图像、特征点等。
上述103中,“根据所述环境图像与所述部分数据进行定位”可具体为:基于所述环境图像、所述部分数据包含的多个定位元素及各定位元素对应的坐标值,求解自主移动设备在地图坐标系下的位姿信息。更具体的,通过图像特征匹配,确定所述环境图像与所述多个定位元素中部分定位元素间的变换矩阵;然后根据所述变换矩阵,计算所述自主移动设备在地图坐标系下的位姿信息。
这里需要说明的是:本实施例中有关“基于所述环境图像、所述部分数据包含的多个定位元素及各定位元素对应的坐标值,求解自主移动设备在地图坐标系下的位姿信息”可采用基于特征点的视觉定位方法来实现。有关基于特征点的视觉定位方法的内容,本文不作具体限定。
本实施例提供的技术方案中,在获取到位姿信息及环境图像后;利用所述位姿信息,仅从地图数据中获取部分数据;根据所述环境图像与所述部分数据进行定位,在定位过程中,减少了加载的地图数据量,可快速计算出精确位姿,提高了定位效率。
在本申请的一些可选的实施例中,地图数据可采用多个层级进行表示,各层级用于存储不同内容,以便于选择加载相应层级的信息。例如,上述实施例中的地图数据包含有地图拓扑连通层。所述地图拓扑连通层存储有多个拓扑节点、与拓扑节点关联的至少一个图像的标识、以及拓扑节点间的连接关系,可参见图1b所示的例子。本地图拓扑连通层中的一个拓扑节点对应前述多个区域的一个区域。一个拓扑节点的节点信息包含所述拓扑节点对应区域的区域范围信息。存在连接关系的两个拓扑节点分别对应的两个区域相邻;与拓扑节点关联的至少一个图像的标识为该拓扑节点对应区域的区域信息。更具体的,与拓扑节点关联的至少一个图像是指在该拓扑节点所在区域内自主移动设备的传感器可采集到的图像。
相应地,前述步骤1022中,“基于多个区域的区域信息,在所述多个区域中确定出所述位姿信息所属的目标区域”,可具体为:
基于所述地图拓扑连通层中多个拓扑节点的节点信息,计算所述位姿信息所属的目标拓扑节点。
因为某一节点的节点信息即该节点的区域范围信息,同上文中所述的内容,位姿信息中位置信息(如GPS定位信息或北斗定位信息)所在的区域范围对应的拓扑节点即为其所属的目标拓扑节点。
可见,本实施例中将上述多个区域采用拓扑节点的方式来表征,用拓扑节点之间的边来表征具有共同区域边界段的两区域间的连通关系;采用拓扑树的方式,并为拓扑树上的拓扑节点挂载该拓扑节点可采集到的至少一个图像的标识,得到地图拓扑连通层。实质上,该地图拓扑连通层可视为索引信息,便于根据自主移动设备的多个传感器采集到的位姿信息,从所述地图拓扑连通层中查找地图数据中与其存在关联的部分数据对应的索引信息。
进一步地,可参见图1b和1c所示,本实施例提供的所述地图数据还可包含有信息关联层及空间元素层。其中,所述空间元素层存储有多个定位元素及定位元素对应的坐标信息。定位元素可以是图像,也可是特征点。所述信息关联层存储有图像与图像间的关联信息、图像与特征点间的关联信息、以及特征点与特征点间的关联信息。相应的,上文中提及的步骤1023中,“获取所述地图数据中所述目标区域对应的区域地图数据”,可至少包括:
10231、从所述地图拓扑连通层中,获取与所述目标拓扑节点关联的至少一个图像的标识;
10232、基于所述目标拓扑节点关联的至少一个图像的标识,从所述信息关联层获取与所述至少一个图像的标识存在关联关系的至少一个定位元素的标识;其中,所述定位元素为图像或特征点;
10233、根据所述至少一个所述定位元素的标识,从所述空间元素层中获取所述至少一个定位元素,以及所述至少一个定位元素对应的坐标信息;
其中,所述目标区域对应的区域地图数据包括:所述至少一个定位元素,以及所述至少一个定位元素对应的坐标信息。
上述10232,可结合图1b所示理解,即“基于所述目标拓扑节点关联的至少一个图像的标识,从所述信息关联层获取与所述至少一个图像的标识存在关联关系的至少一个定位元素的标识”可具体为:
基于所述目标拓扑节点关联的至少一个图像的标识,从所述信息关联层加载所述至少一个图像的标识对应的关联信息;
从所述关联信息中提取所述至少一个定位元素的标识。
如图1b所示的例子,所述信息关联层中采用聚类组的形式表征图像与图像的关联信息、图像与特征点的关联信息、特征点与特征点的关联关系。即,存在关联关系的图像、特征点被作为一个信息关联项存储在信息关联层中。为了降低加载信息关联层的数据量,信息关联层中的信息关联项仅保存存在关联关系的图像、特征点的标识,而不存储图像和特征点的具体信息。
在通过地图拓扑连通层确定出目标拓扑节点后,如图1b和1c所示,便可基于该目标拓扑节点关联的至少一个图像的标识,从信息关联层中获取与所述至少一个图像的标识存在关联关系的至少一个定位元素的标识。
这里需要说明的是:与图像存在关联的定位元素可以是图像,也可以是特征点。
可见,本实施例中将图像与图像间的关联信息、图像与特征点间的关联信息、以及特征点与特征点间的关联信息,存储在信息关联层中。在通过地图拓扑连通层的第一层索引查找到至少一个图像的标识后,再通过信息关联层,这个第二层索引查找到与该至少一个图像的标识存在关联关系的至少一个定位元素的标识,进而根据所述至少一个定位元素的标识,从空间元素层中获取到用于定位的所述至少一个定位元素,以及所述至少一个定位元素对应的坐标信息。也就是说,本实施例将现有的地图数据进行了进一步的加工,以建立如地图拓扑连通层及信息关联层这类索引,以便于查找到能准确定位的定位元素及定位元素对应的坐标信息,进而提高定位的准确性,以及实时性。
下面对地图数据的创建过程进行说明。即本实施例提供的所述方法还包括地图数据创建步骤。具体的,参见图1d所示,地图数据创建步骤具体为:
104、获取建图数据;
105、基于所述建图数据创建地图,得到建图结果;
106、对所述建图结果进行处理,得到能局部加载的所述地图数据。
上述步骤104中建图数据可以是自主移动设备的传感器,如图像传感器、惯性导航仪、轮速计、GPS定位系统或北斗定位系统等,在目标空间内行进过程中采集到的。
上述105中,可利用采集到的建图数据,构建基于特征点的视觉定位地图。有关地图构建过程,本实施例不作具体限定,可参见现有技术中的相关内容(如即时定位与地图重建(Simultaneous Localization And Mapping,SLAM)技术)实现。
参见图1d所示,上述106“对所述建图结果进行处理,得到能局部加载的所述地图数据”,可包括:
1061、获取拓扑图,其中,所述拓扑图中包含有多个拓扑节点的节点信息、以及拓扑节点间的连接关系;
1062、基于所述拓扑图,对所述建图结果中包含的图像进行识别,以为所述拓扑图中的拓扑节点确定与其关联的至少一个图像;
1063、将所述拓扑图及所述拓扑图中的拓扑节点关联的至少一个图像的标识进行存储,得到所述地图数据中的地图拓扑连通层。
这里需要说明的是:为了简化图1c,避免图1c过于庞大,将图中各步骤进行了简化。
上述1061中,拓扑图可是用户基于建图结果人为设定的,比如,通过交互界面对建图结果进行区域划分,然后为各区域配置相应的拓扑节点标识。或者,拓扑图是基于建图结果,采用预置的区域划分规则得到的。其中,本实施例对区域划分规则不作具体限定。
上述1062中,有了拓扑图后,每个拓扑节点均对应有节点信息(如区域范围)。建图结果中包含的图像对应有坐标信息;因此可基于各图像的坐标信息,为拓扑图中的各拓扑节点挂载相应的图像对应标识。图像的坐标信息在拓扑节点的节点信息所表征的区域范围内,则该图像即为所述拓扑节点内可观测到的图像。
具体实施时,与拓扑节点关联的图像可以为一个或多个。与拓扑节点关联的图像为多个时,可将所述拓扑节点内可观测到的、不存在共视关系或共视关系不理想(即两张图像间存在的相同特征点少的)的多个图像与所述拓扑节点关联。因此,上述1062中对所述建图结果中包含的图像进行的识别可包含:对图像对应坐标信息所在区域范围的识别、以及同一区域范围内的多个图像共视关系的识别。
继续参见图1d,上述106“对所述建图结果进行处理,得到能局部加载的所述地图数据”,还可包括:
1064、从所述建图结果中提取图像及特征点,以构建空间元素层;
1065、从所述建图结果中提取共视信息,以对所述建图结果中包含的图像及特征点进行聚类,得到聚类结果;
1066、根据所述聚类结果,构建信息关联层。
上述1065、共视信息中含有图像与图像、特征点与特征点、图像与特征点的共视关系。上述聚类过程,就是将存在共视关系的图像、特征点进行聚类,以得到多个聚类组,方便后续局部加载,而不是全量加载。
上述1066、聚类结果包含多个聚类组,每个聚类组包含有聚为一组的多个定位元素。定位元素可以是图像。也可以是特征点。将聚为一组的多个定位元素对应的标识作为信息关联层中的一个关联信息项进行存储。
得到地图拓扑连通层、信息关联层以及空间元素层后,可对这三层数据进行分块保存,以在定位过程中的不同阶段,加载相应层数据。如图1c所示,在定位初期,先加载地图拓扑连通层,并利用位姿信息确定目标拓扑节点;进入定位中期,加载信息关联层中的局部关联信息,并基于局部关联信息确定出至少一个定位元素的标识;进入定位数据获取阶段,加载空间元素层中的局部定位元素信息,即至少一个定位元素及定位元素的坐标信息。定位阶段,如图1c所示,基于环境图像、所述至少一个定位元素及定位元素的坐标信息进行定位,得到自主移动设备在地图坐标系下的位姿信息。由此可见,本申请实施例将地图数据划分为了不同的层级,根据定位的进度,调取相应的层级数据,减少了全量地图加载与调度时资源的消耗,实现了低消耗下的视觉实时定位。
另外,需要补充的是:自主移动设备在空间内行进通常是连续性的。比如,无人驾驶车辆行进在某一条街道上,在此次定位时采集到的环境图像与上一次定位时采集到的环境图像可能存在共视关系,除非转弯、掉头等情况环境图像会与上次定位时采集到的环境图像无共视关系。在此次定位时采集到的环境图像与上一次定位时采集到的环境图像存在共视关系的情况下,本实施例中步骤102的从地图数据中获取的部分数据可包含上一次定位时所获取部分数据,即上一次定位时获取到的至少一个定位元素及定位元素对应的坐标信息。在本实施例中可基于此次定位时自主移动设备的惯性导航仪采集到的惯性信息与上一次定位时采集的惯性数据,确定自主移动设备是否发生行进姿态的变化。拐弯、掉头时,自主移动设备均会发送姿态变化,直行时,自主移动设备的姿态大体不会发生变化。
为了能在下一次定位时获取到此处定位使用的部分数据,本实施例提供的所述方法还可包括如下步骤:
107、保存此次定位获取到的所述部分数据;
108、在下一次定位事件发生时,调取所述部分数据,以结合所述部分数据进行定位。
上述107中保存此次定位获取到的所述部分数据,也是为了便于调取。
结合上文中的内容,可知步骤108中下一次定位时能结合此次定位时使用的部分数据,需具备如下条件:自主移动设备在两次连续定位过程中的姿态变化不大(即在允许范围内);换句话说,自主移动设备两次连续定位采集的图像具有共视关系。
在另一种可实现的技术方案中,本实施例提供的所述方法还可包括如下步骤:
109、统计多次定位事件中所获取的部分数据;
110、基于共视关系,将所述多次定位事件中所获取的部分数据划分为不同类别;
111、统计所述多次定位事件中所获取的部分数据包含的图像出现连续帧的概率。
上述步骤109统计得到的地图数据中部分数据在各次定位事件中的使用情况、上述110划分出的不同类别、以及统计出的出现连续帧的概率,等信息,均可作为下一次定位事件中,判定是否结合此次定位中使用的部分数据的依据。相应的,上述步骤108“在下一次定位事件发生时,调取所述部分数据,以结合所述部分数据进行定位”,包括:
在下一次定位事件发生时,获取统计得到的地图数据中部分数据在各次定位事件中的使用情况、将所述多次定位事件中所获取的部分数据划分出的不同类别、以及统计所述多次定位事件中所获取的部分数据包含的图像出现连续帧的概率,判定是否加载此次定位时使用的所述部分数据;
若判定为是,则加载此次定位时使用的所述部分数据;
若判定为否,则根据下一次定位事件中采集到的位姿信息,从地图数据中获取部分数据。
参见图1c所示,经上述步骤109~111得到的统计信息作为下一次定位事件中是否加载与此次定位相同的定位元素及定位元素的坐标信息的判定依据。
进一步的,如图1c所示,流程中还添加有判定是否定位结束的步骤,在定位结束(比如停车)时结束定位;在未结束时,继续本实施例中提及的各步骤进行定位。
图2为本申请一示例性实施例提供的一种地图创建方法的流程示意图,该方法可适用于创建设备,可至少包括以下步骤:
201、获取目标空间的建图数据;
202、基于所述建图数据创建地图,得到建图结果;
203、对所述建图结果进行处理,得到能局部加载的地图数据,以便于在一次定位事件中,能基于位姿信息从所述地图数据中获取部分数据,且能基于该部分数据完成定位。
在一种可实现的技术方案中,上述步骤203“对所述建图结果进行处理,得到能局部加载的地图数据”,包括:
2031、获取拓扑图,其中,所述拓扑图中包含有多个拓扑节点的节点信息、以及拓扑节点间的连接关系;
2032、基于所述拓扑图,对所述建图结果中包含的图像进行识别,以为所述拓扑图中的拓扑节点确定与其关联的至少一个图像;
2033、将所述拓扑图及所述拓扑图中的拓扑节点关联的至少一个图像的标识进行存储,得到所述地图数据中的地图拓扑连通层。
上述2031“获取拓扑图”,可采用如下中的任一步骤实现:
响应于用户针对目标空间触发的区域划分操作,根据所述用户的区域划分结果及多个区域间的连通关系,为划分出的区域配置相应的拓扑节点标识及对应的节点信息,并建立存在连通关系的两拓扑节点间的边;
根据区域划分规则,对所述目标空间进行区域划分;基于区域划分结果及多个区域间的连通关系,为划分出的区域配置相应的拓扑节点标识及相应的节点信息,并建立存在连通关系的两拓扑节点间的边。
进一步的,上述步骤203“对所述建图结果进行处理,得到能局部加载的地图数据”,还包括:
2034、从所述建图结果中提取图像及特征点,以构建空间元素层;
2035、从所述建图结果中提取共视信息,以对所述建图结果中包含的图像及特征点进行聚类,得到聚类结果;
2036、根据所述聚类结果,构建信息关联层。
具体的,所述聚类结果包含有至少两个聚类组。相应的,步骤2036“根据所述聚类结果,构建信息关联层”,包括:
获取一个聚类组内的多个定位元素,其中,所述定位元素为图像或特征点;
将一个聚类组内的多个定位元素的标识作为所述信息关联层中的一个关联信息项进行存储。
有关本实施例中各步骤的更详尽的内容,可参见上文中的相应内容,的此处不作赘述。
图3a与图3b为本申请提供的定位系统的结构示意图。该定位系统包括:自主移动设备31及服务端设备32;其中:
所述自主移动设备31,用于采集位姿信息及环境图像,向所述服务端设备32发送定位请求;
所述服务端设备32,用于在接收到所述定位请求后,利用所述自主移动设备采集到的所述位姿信息,从地图数据中获取部分数据;根据所述环境图像与所述部分数据,对所述自主移动设备31进行定位;
所述自主移动设备31,用于接收所述服务端设备32反馈的定位结果。
进一步的,本实施例提供的定位系统还可包括采集设备。所述采集设备可以与自主移动设备31是同一设备,也可以是不同设备。具体的,
所述采集设备,用于采集建图数据,并将所述建图数据发送至所述服务端设备;
所述服务端设备32,还用于根据所述建图数据创建地图,得到建图结果;对所述建图结果进行处理,得到能局部加载的所述地图数据,以在一次定位事件中,能基于位姿信息从所述地图数据中获取部分数据,且能基于该部分数据完成定位。
相应地,前述地图拓扑连通层、信息关联层,以及空间元素层都可存储于服务端设备32,以供服务端设备32在接收到自主移动设备31发送的定位请求后,逐层、局部的进行数据加载,以对自主移动设备31进行定位。
服务端设备可以是服务器集群、单个服务器、虚拟服务器等。
本实施例中所述服务端设备还可实现上述方法实施例中的相应功能,具体可参见前述内容,此处不再赘述。
本申请还提供了一种定位系统,其结构同上述图3a和3b。上述实施例中,自主移动设备完全依赖服务端设备进行定位,本地仅采集数据。而本申请实施例的不同之处在于,本实施例中自主移动设备本地具有一定的数据处理能力,仅从服务端设备处获取相应数据,然后基于获取到的数据进行定位。即,
所述自主移动设备,用于采集位姿信息及环境图像,向所述服务端设备发送地图数据获取请求;
所述服务端设备,用于接收到所述地图数据获取请求后,根据所述自主移动设备采集的所述位姿信息,从地图数据中获取部分数据;将所述部分数据发送至所述自主移动设备;
所述自主移动设备,还用于根据所述环境图像与所述部分数据,进行定位。
同样的,前述的地图拓扑连通层、信息关联层,以及空间元素层都可存储于服务端设备32,以供服务端设备32在接收到自主移动设备31发送的地图数据获取请求后,逐层、局部的进行数据加载,以为自主移动设备31反馈数量少、且能保证定位精度的部分数据。
服务端设备可以是服务器集群、单个服务器、虚拟服务器等。
本实施例中所述服务端设备还可实现上述方法实施例中的相应功能,具体可参见前述内容,此处不再赘述。
图4为本申请一示例性实施例提供的一种定位装置的结构示意图;其中,该装置包括:获取模块41及定位模块42。其中:获取模块41,用于获取位姿信息及环境图像;以及利用所述位姿信息,从地图数据中获取部分数据。定位模块42,用于根据所述环境图像与所述部分数据,进行定位。
进一步的,所述地图数据包含有多个区域的区域信息以及所述多个区域分别对应的区域地图数据;以及获取模块41在用于利用所述位姿信息,从地图数据中获取部分数据时,具体用于:
获取所述地图数据中的所述多个区域的区域信息;基于多个区域的区域信息,在所述多个区域中确定出所述位姿信息所属的目标区域;获取所述地图数据中所述目标区域对应的区域地图数据。
可选地,所述地图数据包含有地图拓扑连通层,所述地图拓扑连通层存储有多个拓扑节点的节点信息、与拓扑节点关联的至少一个图像的标识、以及拓扑节点间的连接关系。其中,一个拓扑节点对应所述多个区域中的一个区域;一个拓扑节点的节点信息包含所述拓扑节点对应区域的区域范围信息;存在连接关系的两个拓扑节点分别对应的两个区域相邻;与拓扑节点关联的至少一个图像的标识为该拓扑节点对应区域的区域信息。
进一步的,所述获取模块41在用于基于多个区域的区域信息,在所述多个区域中确定出所述位姿信息所属的目标区域时,具体用于:
基于所述地图拓扑连通层中多个拓扑节点的节点信息,计算所述位姿信息所属的目标拓扑节点。
可选地,所述地图数据还包含有信息关联层及空间元素层,其中,所述空间元素层存储有多个定位元素及定位元素对应的坐标信息,定位元素为图像或特征点;所述信息关联层存储有图像与图像间的关联信息、图像与特征点间的关联信息、以及特征点与特征点间的关联信息。相应的,所述获取模块在获取所述地图数据中所述目标区域对应的区域地图数据时,具体用于:
从所述地图拓扑连通层中,获取与所述目标拓扑节点关联的至少一个图像的标识;
基于所述目标拓扑节点关联的至少一个图像的标识,从所述信息关联层获取与所述至少一个图像的标识存在关联关系的至少一个定位元素的标识;其中,所述定位元素为图像或特征点;
根据所述至少一个所述定位元素的标识,从所述空间元素层中获取所述至少一个定位元素,以及所述至少一个定位元素对应的坐标信息;
其中,所述目标区域对应的区域地图数据包括:所述至少一个定位元素,以及所述至少一个定位元素对应的坐标信息。
进一步的,定位模块42在用于根据所述环境图像与所述部分数据,进行定位时,具体用于:基于所述环境图像、至少一个定位元素以及所述至少一个定位元素的坐标信息,进行定位。
进一步的,上述装置还包括创建模块及处理模块。其中,创建模块用于获取建图数据,基于所述建图数据创建地图,得到建图结果。处理模块用于对所述建图结果进行处理,得到所述地图数据。
进一步的,所述处理模块在对所述建图结果进行处理,得到所述地图数据时,具体用于:
获取拓扑图,其中,所述拓扑图中包含有多个拓扑节点的节点信息、以及拓扑节点间的连接关系;
基于所述拓扑图,对所述建图结果中包含的图像进行识别,以为所述拓扑图中的拓扑节点确定与其关联的至少一个图像;
将所述拓扑图及所述拓扑图中的拓扑节点关联的至少一个图像的标识进行存储,得到所述地图数据中的地图拓扑连通层。
进一步的,所述处理模块在对所述建图结果进行处理,得到所述地图数据时,具体用于:
从所述建图结果中提取图像及特征点,以构建空间元素层;
从所述建图结果中提取共视信息,以对所述建图结果中包含的图像及特征点进行聚类,得到聚类结果;
根据所述聚类结果,构建信息关联层。
进一步的,本实施例提供的所述装置还包括保存模块及调取模块。其中,所述保存模块用于保存此次定位获取到的所述部分数据。所述调取模块用于在下一次定位事件发生时,调取所述部分数据,以结合所述部分数据进行定位。
进一步的,本实施例提供的所述装置还包括统计模块。该统计模块用于统计多次定位事件中所获取的部分数据;基于共视关系,将所述多次定位事件中所获取的部分数据划分为不同类别;统计所述多次定位事件中所获取的部分数据包含的图像出现连续帧的概率。
这里需要说明的是:上述实施例提供的定位装置可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容,此处不再赘述。
图5为本申请一示例性实施例提供的一种地图创建装置的结构示意图。
其中,该装置包括:获取模块51、创建模块52及处理模块53,其中:获取模块51,用于获取目标空间的建图数据。创建模块52,用于基于所述建图数据创建地图,得到建图结果。处理模块53,用于对所述建图结果进行处理,得到能局部加载的地图数据,以便于在一次定位事件中,能基于位姿信息从所述地图数据中获取部分数据,且能基于该部分数据完成定位。
进一步的,所述处理模块53在对所述建图结果进行处理,得到能局部加载的地图数据时,具体用于:
获取拓扑图,其中,所述拓扑图中包含有多个拓扑节点的节点信息、以及拓扑节点间的连接关系;
基于所述拓扑图,对所述建图结果中包含的图像进行识别,以为所述拓扑图中的拓扑节点确定与其关联的至少一个图像;
将所述拓扑图及所述拓扑图中的拓扑节点关联的至少一个图像的标识进行存储,得到所述地图数据中的地图拓扑连通层。
进一步的,所述处理模块53在获取拓扑图时,采用如下中的任一种方式实现:
响应于用户针对目标空间触发的区域划分操作,根据所述用户的区域划分结果及多个区域间的连通关系,为划分出的区域配置相应的拓扑节点标识及对应的节点信息,并建立存在连通关系的两拓扑节点间的边;
根据区域划分规则,对所述目标空间进行区域划分;基于区域划分结果及多个区域间的连通关系,为划分出的区域配置相应的拓扑节点标识及相应的节点信息,并建立存在连通关系的两拓扑节点间的边。
进一步的,所述处理模块53在对所述建图结果进行处理,得到能局部加载的地图数据时,具体用于:
从所述建图结果中提取图像及特征点,以构建空间元素层;
从所述建图结果中提取共视信息,以对所述建图结果中包含的图像及特征点进行聚类,得到聚类结果;
根据所述聚类结果,构建信息关联层。
进一步的,所述聚类结果包含有至少两个聚类组。相应的,所述处理模块53在根据所述聚类结果,构建信息关联层时,具体用于:
获取一个聚类组内的多个定位元素,其中,所述定位元素为图像或特征点;将一个聚类组内的多个定位元素的标识作为所述信息关联层中的一个关联信息项进行存储。
这里需要说明的是:上述实施例提供的定位装置可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容,此处不再赘述。
图6示出了本申请一实施例提供的自主移动设备的结构示意图。如图所示,所述自主移动设备包括:传感器组件67、存储器61及处理器62;其中,
所述传感器组件67,用于采集位姿信息及环境图像;
所述存储器61,用于存储程序;
所述处理器62,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取所述位姿信息及环境图像;
利用所述位姿信息,从地图数据中获取部分数据;
根据所述环境图像与所述部分数据,进行定位。
上述存储器61可被配置为存储其它各种数据以支持在的自主移动设备上的操作。这些数据的示例包括用于在的自主移动设备上操作的任何应用程序或方法的指令。存储器61可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
上述处理器62在执行存储器61中的程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面各实施例的描述。
进一步,如图6所示,自主移动设备还包括:行进组件68、通信组件63、显示器64、电源组件65、音频组件66等其它组件。图6中仅示意性给出部分组件,并不意味着自主移动设备只包括图6所示组件。
本申请另一实施例提供的自主移动设备,其结构与上述图6类同。自主移动设备包括:传感器组件、存储器及处理器;其中,
所述传感器组件,用于在目标空间内移动过程中采集建图数据;
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取所述建图数据;
基于所述建图数据创建地图,得到建图结果;
对所述建图结果进行处理,得到能局部加载的地图数据,以便于在一次定位事件中,能基于位姿信息从所述地图数据中获取部分数据,且能基于该部分数据完成定位。
上述存储器可被配置为存储其它各种数据以支持在自主移动设备上的操作。这些数据的示例包括用于在自主移动设备上操作的任何应用程序或方法的指令。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
上述处理器在执行存储器中的程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面各实施例的描述。
图7示出了本申请一实施例提供的服务端设备的结构示意图。如图7所示,所述服务端设备包括通信组件73、存储器71及处理器72,其中,
所述存储器71,用于存储程序;
所述处理器72,与所述存储器71耦合,用于执行所述存储器71中存储的所述程序,以用于:
通过所述通信组件接收自主移动设备发送的定位请求;
基于所述定位请求,获取所述自主移动设备采集到的位姿信息及环境图像;
利用所述自主移动设备采集到的所述位姿信息,从地图数据中获取部分数据;
根据所述环境图像与所述部分数据,对所述自主移动设备进行定位。
上述存储器71可被配置为存储其它各种数据以支持在服务端设备上的操作。这些数据的示例包括用于在服务端设备上操作的任何应用程序或方法的指令。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
上述处理器在执行存储器中的程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面各实施例的描述。
进一步,如图7所示,服务端设备还包括:通信组件73、显示器74、电源组件75、音频组件76等其它组件。图7中仅示意性给出部分组件,并不意味着服务端设备只包括图7所示组件。
本申请还提供一种服务端设备,该服务端设备的结构与上图7类同。服务端设备包括通信组件、存储器及处理器,其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
通过所述通信组件接收自主移动设备在目标空间内移动过程中采集到建图数据;
根据所述建图数据创建地图,得到建图结果;
对所述建图结果进行处理,得到能局部加载的所述地图数据,以在一次定位事件中,能基于位姿信息从所述地图数据中获取部分数据,且能基于该部分数据完成定位。
上述处理器在执行存储器中的程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面各实施例的描述。
相应的,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被计算机执行时能够实现上述各实施例提供的各方法的步骤或功能。
下面结合具体应用场景对本申请实施例提供的技术方案进行说明。
应用场景一
超市服务机器人可设置有供用户触发查找商品是否有货,以及查找商品位置的操作指令的显示屏,其存储有超市中多个商品所属的分类、以及所放置的货架、超市地图,以及货架在超市地图中的位置等。若超市服务机器人获取到用户通过超市服务机器人的显示屏触发的寻找目标商品指令,可拍摄当前位置的货架图像,并通过惯性导航仪与定位系统确定当前位姿;确定当前位姿所属的货架区域;从内部存储器加载该货架区域(该货架区域为超市地图总区域的子区域)对应的定位资源,其中,该定位资源包括多个待分析图像;利用拍摄的货架图像对定位资源进行分析,确定出定位资源中与货架图像的相似度最高的目标图像对应的位置信息,将该位置信息作为超市服务机器人的位置信息,进而根据该位置信息,与自身存储的目标商品的位置规划其行进至目标商品的路径,以为用户提供引路服务或路径提示服务。
应用场景二
无人机飞行至街区时,在其当前位置拍摄街区画面,并通过惯性导航仪与定位系统(如GPS或北斗定位系统)确定当前的GPS定位信息;然后通过无人机的传输模块将GPS定位信息传输至云端服务器,云端服务器接受到GPS定位信息后,根据其自身存储的地图信息,确定与接收到的GPS定位信息所对应的街区范围信息,并将该街区范围信息对应的多张图像与特征点信息反馈至无人机,无人机根据其拍摄到的街区画面,与接收自云端服务器的多张图像与特征点信息进行定位。
自动驾驶车辆(或称为自移动设备),除具有上述各实施例中提及的创建地图、定位、导航的功能外,还会涉及到其他的算法模块。根据自动驾驶车辆类型的不同,这些算法模块也会有所不同。例如,对于物流车辆、公共服务车辆、医疗服务车辆、终端服务车辆会涉及不同的算法模块。下面分别针对这四种自动驾驶车辆对算法模块进行举例说明:
其中,物流车辆是指物流场景中使用的车辆,例如可以是带自动分拣功能的物流车辆、带冷藏保温功能的物流车辆、带测量功能的物流车辆。这些物流车辆会涉及不同算法模块。例如,对于物流车辆,可以带有自动化的分拣装置,该分拣装置可以在物流车辆到达目的地后自动把货物取出并搬送、分拣、存放。这就涉及用于货物分拣的算法模块,该算法模块主要实现货物取出、搬运、分拣以及存放等逻辑控制。
又例如,针对冷链物流场景,物流车辆还可以带有冷藏保温装置,该冷藏保温装置可以实现运输的水果、蔬菜、水产品、冷冻食品以及其它易腐烂的食品进行冷藏或保温,使之处于合适的温度环境,解决易腐烂食品的长途运输问题。这就涉及用于冷藏保温控制的算法模块,该算法模块主要用于根据食品(或物品)性质、易腐性、运输时间、当前季节、气候等信息动态、自适应计算冷餐或保温的合适温度,根据该合适温度对冷藏保温装置进行自动调节,这样在车辆运输不同食品或物品时运输人员无需手动调整温度,将运输人员从繁琐的温度调控中解放出来,提高冷藏保温运输的效率。
又例如,在大多物流场景中,是根据包裹体积和/或重量进行收费的,而物流包裹的数量非常庞大,单纯依靠快递员对包裹体积和/或重量进行测量,效率非常低,人工成本较高。因此,在一些物流车辆中,增设了测量装置,可自动测量物流包裹的体积和/或重量,并计算物流包裹的费用。这就涉及用于物流包裹测量的算法模块,该算法模块主要用于识别物流包裹的类型,确定物流包裹的测量方式,如进行体积测量还是重量测量或者是同时进行体积和重量的组合测量,并可根据确定的测量方式完成体积和/或重量的测量,以及根据测量结果完成费用计算。
其中,公共服务车辆是指提供某种公共服务的车辆,例如可以是消防车、除冰车、洒水车、铲雪车、垃圾处理车辆、交通指挥车辆等。这些公共服务车辆会涉及不同算法模块。
例如,对于自动驾驶的消防车,其主要任务是针对火灾现场进行合理的灭火任务,这就涉及用于灭火任务的算法模块,该算法模块至少需要实现火灾状况的识别、灭火方案的规划以及对灭火装置的自动控制等逻辑。
又例如,对于除冰车,其主要任务是清除路面上结的冰雪,这就涉及除冰的算法模块,该算法模块至少需要实现路面上冰雪状况的识别、根据冰雪状况制定除冰方案,如哪些路段需要采取除冰,哪些路段无需除冰,是否采用撒盐方式、撒盐克数等,以及在确定除冰方案的情况下对除冰装置的自动控制等逻辑。
其中,医疗服务车辆是指能够提供一种或多种医疗服务的自动驾驶车辆,该种车辆可提供消毒、测温、配药、隔离等医疗服务,这就涉及提供各种自助医疗服务的算法模块,这些算法模块主要实现消毒需求的识别以及对消毒装置的控制,以使消毒装置为病人进行消毒,或者对病人位置的识别,控制测温装置自动贴近病人额头等位置为病人进行测温,或者,用于实现对病症的判断,根据判断结果给出药方并需要实现对药品/药品容器的识别,以及对取药机械手的控制,使之按药方为病人抓取药品,等等。
其中,终端服务车辆是指可代替一些终端设备面向用户提供某种便利服务的自助型的自动驾驶车辆,例如这些车辆可以为用户提供打印、考勤、扫描、开锁、支付、零售等服务。
例如,在一些应用场景中,用户经常需要到特定位置去打印或扫描文档,费时费力。于是,出现一种可以为用户提供打印/扫描服务的终端服务车辆,这些服务车辆可以与用户终端设备互联,用户通过终端设备发出打印指令,服务车辆响应打印指令,自动打印用户所需的文档并可自动将打印出的文档送至用户位置,用户无需去打印机处排队,可极大地提高打印效率。或者,可以响应用户通过终端设备发出的扫描指令,移动至用户位置,用户将待扫描的文档放置的服务车辆的扫描工具上完成扫描,无需到打印/扫描机处排队,省时省力。这就涉及提供打印/扫描服务的算法模块,该算法模块至少需要识别与用户终端设备的互联、打印/扫描指令的响应、用户位置的定位以及行进控制等。
又例如,随着新零售业务的开展,越来越多的电商借助于自助售货机将商品销售送到了各大办公楼、公共区,但这些自助售货机被放置在固定位置,不可移动,用户需要到该自助售货机跟前才能购买所需商品,便利性还是较差。于是出现了可提供零售服务的自助驾驶车辆,这些服务车辆可以承载商品自动移动,并可提供对应的自助购物类APP或购物入口,用户借助于手机等终端通过APP或购物入口可以向提供零售服务的自动驾驶车辆进行下单,该订单中包括待购买的商品名称、数量以及用户位置,该车辆收到下单请求之后,可以确定当前剩余商品是否具有用户购买的商品以及数量是否足够,在确定具有用户购买的商品且数量足够的情况下,可携带这些商品自动移动至用户位置,将这些商品提供给用户,进一步提高用户购物的便利性,节约用户时间,让用户将时间用于更为重要的事情上。这就涉及提供零售服务的算法模块,这些算法模块主要实现响应用户下单请求、订单处理、商品信息维护、用户位置定位、支付管理等逻辑。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (12)
1.一种定位方法,其特征在于,包括:
获取位姿信息及环境图像;
利用所述位姿信息,从地图数据中获取部分数据;
根据所述环境图像与所述部分数据,进行定位。
2.根据权利要求1所述的方法,其特征在于,所述地图数据包含有多个区域的区域信息以及所述多个区域分别对应的区域地图数据;以及
利用所述位姿信息,从地图数据中获取部分数据,包括:
获取所述地图数据中的所述多个区域的区域信息;
基于多个区域的区域信息,在所述多个区域中确定出所述位姿信息所属的目标区域;
获取所述地图数据中所述目标区域对应的区域地图数据。
3.根据权利要求2所述的方法,其特征在于,所述地图数据包含有地图拓扑连通层,所述地图拓扑连通层存储有多个拓扑节点的节点信息、与拓扑节点关联的至少一个图像的标识、以及拓扑节点间的连接关系;
其中,一个拓扑节点对应所述多个区域中的一个区域;
一个拓扑节点的节点信息包含所述拓扑节点对应区域的区域范围信息;
存在连接关系的两个拓扑节点分别对应的两个区域相邻;
与拓扑节点关联的至少一个图像的标识为该拓扑节点对应区域的区域信息。
4.根据权利要求3所述的方法,其特征在于,基于多个区域的区域信息,在所述多个区域中确定出所述位姿信息所属的目标区域,包括:
基于所述地图拓扑连通层中多个拓扑节点的节点信息,计算所述位姿信息所属的目标拓扑节点。
5.根据权利要求4所述的方法,其特征在于,所述地图数据还包含有信息关联层及空间元素层,其中,所述空间元素层存储有多个定位元素及定位元素对应的坐标信息,定位元素为图像或特征点;所述信息关联层存储有图像与图像间的关联信息、图像与特征点间的关联信息、以及特征点与特征点间的关联信息;
以及获取所述地图数据中所述目标区域对应的区域地图数据,包括:
从所述地图拓扑连通层中,获取与所述目标拓扑节点关联的至少一个图像的标识;
基于所述目标拓扑节点关联的至少一个图像的标识,从所述信息关联层获取与所述至少一个图像的标识存在关联关系的至少一个定位元素的标识;其中,所述定位元素为图像或特征点;
根据所述至少一个所述定位元素的标识,从所述空间元素层中获取所述至少一个定位元素,以及所述至少一个定位元素对应的坐标信息;
其中,所述目标区域对应的区域地图数据包括:所述至少一个定位元素,以及所述至少一个定位元素对应的坐标信息。
6.根据权利要求1至5中任一项所述的方法,其特征在于,还包括:
获取建图数据;
基于所述建图数据创建地图,得到建图结果;
对所述建图结果进行处理,得到能局部加载的所述地图数据。
7.根据权利要求6所述的方法,其特征在于,对所述建图结果进行处理,得到所述地图数据,包括:
获取拓扑图,其中,所述拓扑图中包含有多个拓扑节点的节点信息、以及拓扑节点间的连接关系;
基于所述拓扑图,对所述建图结果中包含的图像进行识别,以为所述拓扑图中的拓扑节点确定与其关联的至少一个图像;
将所述拓扑图及所述拓扑图中的拓扑节点关联的至少一个图像的标识进行存储,得到所述地图数据中的地图拓扑连通层。
8.根据权利要求7所述的方法,其特征在于,对所述建图结果进行处理,得到所述地图数据,还包括:
从所述建图结果中提取图像及特征点,以构建空间元素层;
从所述建图结果中提取共视信息,以对所述建图结果中包含的图像及特征点进行聚类,得到聚类结果;
根据所述聚类结果,构建信息关联层。
9.根据权利要求1所述的方法,其特征在于,还包括:
保存此次定位获取到的所述部分数据;
在下一次定位事件发生时,调取所述部分数据,以结合所述部分数据进行定位。
10.一种地图创建方法,其特征在于,包括:
获取目标空间的建图数据;
基于所述建图数据创建地图,得到建图结果;
对所述建图结果进行处理,得到能局部加载的地图数据,以便于在一次定位事件中,能基于位姿信息从所述地图数据中获取部分数据,且能基于该部分数据完成定位。
11.一种定位系统,其特征在于,包括自主移动设备及服务端设备;其中:
所述自主移动设备,用于采集位姿信息及环境图像,向所述服务端设备发送地图数据获取请求;
所述服务端设备,用于接收到所述地图数据获取请求后,根据所述自主移动设备采集的所述位姿信息,从地图数据中获取部分数据;将所述部分数据发送至所述自主移动设备;
所述自主移动设备,还用于根据所述环境图像与所述部分数据,进行定位。
12.一种自主移动设备,其特征在于,包括:传感器组件、存储器及处理器;其中,
所述传感器组件,用于采集位姿信息及环境图像;
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取所述位姿信息及环境图像;
利用所述位姿信息,从地图数据中获取部分数据;
根据所述环境图像与所述部分数据,进行定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110443972.8A CN115235458A (zh) | 2021-04-23 | 2021-04-23 | 定位方法、地图创建方法、定位系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110443972.8A CN115235458A (zh) | 2021-04-23 | 2021-04-23 | 定位方法、地图创建方法、定位系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115235458A true CN115235458A (zh) | 2022-10-25 |
Family
ID=83665909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110443972.8A Pending CN115235458A (zh) | 2021-04-23 | 2021-04-23 | 定位方法、地图创建方法、定位系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115235458A (zh) |
-
2021
- 2021-04-23 CN CN202110443972.8A patent/CN115235458A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403590B2 (en) | Systems, apparatuses, and methods of efficient route planning for e-commerce fulfillment | |
US20180231973A1 (en) | System and Methods for a Virtual Reality Showroom with Autonomous Storage and Retrieval | |
US20170193430A1 (en) | Restocking shelves based on image data | |
US11853963B2 (en) | System for crowdsourced cold-chain compliant item selection | |
CA3127331C (en) | Robot gamification for improvement of operator performance | |
CN113452811B (zh) | 数据通信方法、设备、计算机存储介质及系统 | |
US20230419252A1 (en) | Systems and methods for object replacement | |
CN114493402A (zh) | 物流机器人配送时间预测方法和系统 | |
CN115002811A (zh) | 专网管控方法、数据处理方法、设备控制方法及设备 | |
CN115174149A (zh) | 数据转发方法、网页访问的控制方法、设备及系统 | |
CN113825225B (zh) | 专网的漫游注册方法、amf网元、设备及系统 | |
CN115235458A (zh) | 定位方法、地图创建方法、定位系统及设备 | |
CN113965455A (zh) | 网络部署方法、装置及计算机存储介质 | |
Muricho et al. | Drone technology and performance of retail logistics | |
CN115035490A (zh) | 目标检测方法、装置、设备和存储介质 | |
CN113298452A (zh) | 商品库存确定方法及装置、商品处理方法及装置 | |
CN116389398B (zh) | 数据访问控制方法、车辆控制方法及设备 | |
CN113720325A (zh) | 环境变化检测方法、装置、电子设备及计算机存储介质 | |
CN115835309B (zh) | 本地数据的分流方法、车辆控制方法及设备 | |
CN115842697B (zh) | 专网的访问控制方法、虚拟现实设备的控制方法及设备 | |
US12033434B1 (en) | Inventory status determination with fleet management | |
CN115345930A (zh) | 模型训练方法、视觉定位方法、装置和设备 | |
CN115169522A (zh) | Pytorch神经网络的图结构确定方法、装置和设备 | |
CN115017789A (zh) | 网络模型的训练与搜索方法、设备及存储介质 | |
CN115915457B (zh) | 资源调度方法、车辆控制方法、设备及系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230718 Address after: Room 437, Floor 4, Building 3, No. 969, Wenyi West Road, Wuchang Subdistrict, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Wuzhou Online E-Commerce (Beijing) Co.,Ltd. Address before: Room 01, 45 / F, AXA building, 8 Shanton Road, Singapore Applicant before: Alibaba Singapore Holdings Ltd. |