CN115468557A - 重定位方法、装置、机器人及计算机可读存储介质 - Google Patents

Abstract

本申请适用于控制技术领域，提供了一种重定位方法、装置、机器人及计算机可读存储介质，包括：获取目标区域的多个虚拟激光帧，其中，一个所述虚拟激光帧表示所述目标区域中一个位置处的环境数据；根据实时采集的实际激光帧生成第一地图，所述实际激光帧表示机器人在所述目标区域中当前位置处的环境数据；从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧；根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿。通过上述方法，能够有效减少算法耗时，提高机器人重定位的效率。

Description

重定位方法、装置、机器人及计算机可读存储介质

技术领域

本申请属于控制技术领域，尤其涉及一种重定位方法、装置、机器人及计算机可读存储介质。

背景技术

在导航过程中，机器人感知自身周边环境信息，并结合已有的地图数据确认当前是否存在导航错误的问题。在导航错误的情况下，需要执行重定位，即机器人根据感知的环境信息、配合已有的地图数据对当前导航位置进行调整。

现有的重定位方法，需要将每个实时位置的激光观测值投影到已有地图中，然后通过计算激光点在已有地图中的占用率来计算位姿的置信度，最后将置信度最高的位姿确定为重定位位姿。上述方法中，由于每个实时位置的激光观测值均需要进行坐标转换，以投影到已有地图中，使得算法耗时较长，导致重定位效率较低。

发明内容

本申请实施例提供了一种重定位方法、装置、机器人及计算机可读存储介质，可以有效提高机器人重定位的效率。

第一方面，本申请实施例提供了一种重定位方法，包括：

获取目标区域的多个虚拟激光帧，其中，一个所述虚拟激光帧表示所述目标区域中一个位置处的环境数据；

根据实时采集的实际激光帧生成第一地图，所述实际激光帧表示机器人在所述目标区域中当前位置处的环境数据；

从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧；

根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿。

本申请实施例中，目标区域的虚拟激光帧可以预先离线生成，在重定位过程中，可以直接获取预先生成的虚拟激光帧，节约了重定位的时间；进一步的，根据实时采集的实际激光帧生成的第一地图，相当于机器人当前位置对应的局部地图，而每个虚拟激光帧表示目标区域中一个位置处的环境数据，因此，将第一地图与虚拟激光帧匹配处理，相当于将局部地图和局部环境数据相匹配；最后根据匹配出的目标激光帧和第一地图确定重定位位姿。通过上述方法，只需在目标激光帧和第一地图之间进行坐标转换，无需将每个实际激光帧进行坐标转换，有效减少了算法耗时，提高了机器人重定位的效率。

在第一方面的一种可能的实现方式中，所述获取目标区域的多个虚拟激光帧，包括：

获取所述目标区域的第二地图；

获取所述第二地图中多个采样位置各自对应的环境数据；

根据每个所述采样位置对应的环境数据生成一个虚拟激光帧。

在第一方面的一种可能的实现方式中，每个采样位置对应的环境数据包括多组第一位姿数据，每组第一位姿数据表示当前采样位置周围的一个激光反射点与当前采样位置之间的相对距离和相对角度；

所述根据每个所述采样位置的环境数据生成一个虚拟激光帧，包括：

根据所述采样位置对应的环境数据确定所述采样位置对应的第一坐标系；

将所述采样位置对应的环境数据中的每组所述第一位姿数据变换到所述第一坐标系中，得到变换后的所述第一位姿数据；

根据变换后的所述第一位姿数据生成一个虚拟激光帧。

在第一方面的一种可能的实现方式中，所述实际激光帧包括多组第二位姿数据，每组第二位姿数据表示所述机器人在所述目标区域中当前位置周围的一个激光反射点与所述当前位置之间的相对距离和相对角度；

所述根据实时采集的实际激光帧生成第一地图，包括：

根据所述实际激光帧确定所述机器人在所述目标区域中当前位置对应的第二坐标系；

将所述实际激光帧中的每组所述第二位姿数据变换到所述第二坐标系中，得到变换后的所述第二位姿数据；

根据变换后的所述第二位姿数据生成所述第一地图。

在第一方面的一种可能的实现方式中，所述从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧，包括：

计算所述第一地图与每个所述虚拟激光帧之间的匹配度；

将匹配度最高的虚拟激光帧确定为所述目标激光帧。

在第一方面的一种可能的实现方式中，所述根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿，包括：

计算所述目标激光帧与所述第一地图之间的相对位姿；

根据所述目标激光帧对应的所述机器人的位姿和所述相对位姿，确定所述机器人的重定位位姿。

第二方面，本申请实施例提供了一种重定位装置，包括：

获取单元，用于获取目标区域的多个虚拟激光帧，其中，一个所述虚拟激光帧表示所述目标区域中一个位置处的环境数据；

生成单元，用于根据实时采集的实际激光帧生成第一地图，所述实际激光帧表示机器人在所述目标区域中当前位置处的环境数据；

确定单元，用于从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧；

定位单元，用于根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿。

第三方面，本申请实施例提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的重定位方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的重定位方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的重定位方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的机器人的结构示意图；

图2是本申请实施例提供的离线过程的示意图

图3是本申请实施例提供的激光帧的示意图；

图4是本申请实施例提供的在线过程的流程示意图；

图5是本申请实施例提供的重定位装置的结构框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。

首先介绍本申请的技术背景。激光重定位是指根据单帧或者多帧激光图像，在事先建好的地图中确定位姿。它是后续进行自主导航的基础。现有的激光重定位方法主要有粒子滤波和模板匹配。其中，模板匹配方法的常用步骤为，在重定位过程中，将每个实时位置的激光观测值投影到已有地图中，然后通过计算激光点在已有地图中的占用率来计算位姿的置信度，最后将置信度最高的位姿确定为重定位位姿。上述方法中，由于每个实时位置的激光观测值均需要进行坐标转换，以投影到已有地图中，使得算法耗时较长，导致重定位效率较低。

为了解决上述问题，本申请实施例提供了一种重定位方法。通过本申请提供的方法，能够省却将每个实际激光帧进行坐标转换的步骤，减少了算法耗时，有效提高了机器人的重定位效率，进而提高了产品使用的友好性。

本申请实施例提供的重定位方法可以应用于机器人。所述机器人可以是具有激光扫描功能的仿人机器人、履带机器人和航拍机器人等。参见图1，是本申请实施例提供的机器人的结构示意图。如图1所示，该实施例的机器人1包括：至少一个处理器10(图1中仅示出一个)、存储器11、激光器12以及存储在所述存储器11中并可在所述至少一个处理器10上运行的计算机程序13，所述处理器10执行所述计算机程序13时实现上述任意各个重定位方法实施例中的步骤。

该机器人可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图1仅仅是机器人1的举例，并不构成对机器人1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器10可以是中央处理单元(Central Processing Unit，CPU)，该处理器10还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器11在一些实施例中可以是所述机器人1的内部存储单元，例如机器人1的硬盘或内存。所述存储器11在另一些实施例中也可以是所述机器人1的外部存储设备，例如所述机器人1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括所述机器人1的内部存储单元也包括外部存储设备。所述存储器11用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器11还可以用于暂时地存储已经输出或者将要输出的数据。

如图1所示，激光器、处理器和存储器之间可以通过一条或多条通信线路实现通信连接。

本申请实施例中，激光器12用于实现机器人1的激光扫描功能。其中，激光器12可以包括发射器和接收器，所述激光器12通过所述发射器向目标物体表面发射激光，通过接收器获取由目标物体表面反射的激光、并生成激光点云图，以实现对应的激光扫描功能。

本申请实施例中，所述存储器11可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)、只读存储器(Read Only Memory，ROM)、可编程只读存储器(ProgrammableRead-Only Memory，PROM)、可擦除只读存储器(Erasable ProgrammableRead-OnlyMemory，EPROM)和电可擦除只读存储器(Electric Erasable ProgrammableRead-OnlyMemory，EEPROM)等。其中，所述存储器11用于存储能够实现本申请重定位方法的计算机程序和重定位相关数据。

本申请实施例中，所述处理器10在接收到执行指令后，可相应地执行存储器111中的计算机程序。处理器10可以离线地生成多个虚拟激光帧，并将虚拟激光帧发送至存储器11，以存储。在重定位过程中，处理器10还可以从存储器11中获取已生成的虚拟激光帧，并通过激光器12获取实际激光帧，然后根据重定位方法对虚拟激光帧和实际激光帧进行数据处理，以实现机器人的重定位。

本申请实施例提供的重定位方法可以分为离线过程和在线过程。其中，离线过程用于生成目标区域的多个虚拟激光帧。在线过程用于实时重定位。

首先介绍离线过程。参见图2，是本申请实施例提供的离线过程的示意图。如图2所示，虚拟激光帧的生成方式包括：

S201，获取所述目标区域的第二地图。

其中，目标区域是指机器人的移动区域，在该目标区域内，机器人实时导航、重定位。

第二地图相当于目标区域的全局地图。该第二地图可以根据现有即时定位与地图构建方法(SLAM，Simultaneous Localization and Mapping)生成。例如，家庭服务机器人，其移动区域为整个家庭区域，包括厨房、餐厅、卫生间和客房等，相应的，目标区域为整个家庭区域。再例如，餐厅送餐机器人，其移动区域为某个餐厅的客座区，相应的，目标区域为该餐厅的客座区。

S202，获取所述第二地图中多个采样位置各自对应的环境数据。

本申请实施例中，采样位置可以预先在第二地图中设定的位置。实际应用中，可以根据机器人移动的关键位置点设置采样位置。例如，当第二地图表示整个家庭区域时，每个房间的房门位置为关键位置，则将第二地图中表示房门的位置处设置为采样位置。再例如，当第二地图表示某餐厅的客座区时，每个餐桌邻近过道的位置为关键位置，则将第二地图中表示餐桌邻接过道的位置设置为采样位置。

采样位置还可以是从第二地图中采样获得的。实际应用中，可以预先设定采样间隔，如间隔20cm采一个位置。这样，在获得第二地图后，只需设置初始采样点，即可根据预设的采样间隔依次获得多个采样位置。

本申请实施例中，每个采样位置对应的环境数据包括多组第一位姿数据，每组第一位姿数据表示当前采样位置周围的一个激光反射点与当前采样位置之间的相对距离和相对角度。具体的，一组第一位姿数据可以是一个数组，或一个向量。数组或向量中的元素可以包括采样位置与一个激光反射点之间的x、y坐标、距离值以及相对角度。

S203，根据每个所述采样位置对应的环境数据生成一个虚拟激光帧。

其中，一个所述虚拟激光帧表示所述目标区域中一个位置处的环境数据。

机器人在目标区域中的一个位置处，通过激光器向周围发射激光，激光遇到目标对象后反射，激光器通过接收到的激光计算出目标对象与机器人之间的距离和相对角度，这些数据构成了一个激光帧。参见图3，是本申请实施例提供的激光帧的示意图。如图3所示，当前的采样位置为LO，顶点ABCDEF组成的边界表示墙壁，边界上的实心圆表示激光反射点。图3所示为一个激光帧，可见，一个激光帧中包括多个激光点反射点各自的一组位姿数据。通过激光帧，相当于获取到了机器人当前位置周围的环境数据。一个激光帧对应机器人的一个位姿，包括一个位置和一个角度。

本申请实施例中的虚拟激光帧，可以是由机器人遍历目标区域后生成的；还可以是利用现有的光线投射算法(如Raycasting技术)生成的，该技术能够虚拟出激光光线的出射路径以及激光线路的反射路径，进而能够模拟计算出第二地图中每个采样位置对应的激光帧。

可选的，S203步骤可以包括:

将每个采样位置对应的多组第一位姿数据生成一个矩阵，该矩阵存储为一个虚拟激光帧。其中，矩阵中每一行为一组第一位姿数据，或者，矩阵中每一列为一组第一位姿数据。

实际应用中，可能存在以下情况，每个采样位置对应的多组第一位姿数据的坐标轴不统一。该情况下，各个采样位置对应的虚拟激光帧不符合旋转可变性，进而影响后续在线重定位的准确性。

为了解决上述问题，可选的，S203步骤可以包括：

根据所述采样位置对应的环境数据确定所述采样位置对应的第一坐标系；将所述采样位置对应的环境数据中的每组所述第一位姿数据变换到所述第一坐标系中，得到变换后的所述第一位姿数据；根据变换后的所述第一位姿数据生成一个虚拟激光帧。

具体的，可以通过主成分分析技术(PCA，principal components analysis)对各采样位置的环境数据做上述处理。PCA是一种线性变换，该变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标轴(称为第一主成分)上，第二大方差在第二个坐标轴(第二主成分)上。通过PCA处理后的第一位姿数据，数据统一到主轴上，满足了旋转不变形；并且在保留环境数据中贡献较大的特征的同时，减少了环境数据的维数，进而有利于提高后续在线重定位的效率。

通过上述图2实施例所述的方法，能够预先生成一系列的虚拟激光帧。将这些虚拟激光帧存储在图1实施例所述的存储器中，处理器执行在线过程中，可以从存储器中获取已生成的虚拟激光帧，无需在线生成虚拟激光帧，有利于提高在线重定位的效率。

下面介绍在线过程。参见图4，是本申请实施例提供的在线过程的流程示意图，作为示例而非限定，所述方法可以包括以下步骤：

S401，获取目标区域的多个虚拟激光帧。

可选的，可以获取目标区域对应的所有的虚拟激光帧。例如，对于家庭服务机器人，其移动的目标区域为所有房间，可以获取所有房间中每个采样位置对应的虚拟激光帧，如卧室门口处的虚拟激光帧、玄关门口处的虚拟激光帧和厨房门口处的虚拟激光帧，等等。

可选的，还可以获取实时采集的实际激光帧的位置对应的虚拟激光帧。仍以家庭服务机器人为例，假设实时采集的实际激光帧的位置为卧室门口处，则S301中可以仅获取卧室门口处的虚拟激光帧，或者，可以获取卧室门口处周围预设范围内的所有采样位置各自对应的虚拟激光帧。该方式与上述方式相比，获取到的虚拟激光帧的数量较少，能够减少后续S303中匹配的次数，进而提高重定位的效率。

S402，根据实时采集的实际激光帧生成第一地图，所述实际激光帧表示机器人在所述目标区域中当前位置处的环境数据。

本申请实施例中，实际激光帧包括多组第二位姿数据，每组第二位姿数据表示所述机器人在所述目标区域中当前位置周围的一个激光反射点与所述当前位置之间的相对距离和相对角度。

通常，利用SLAM方法将实时采集的实际激光帧生成第一地图。该第一地图相当于是目标区域内实际激光帧对应位置处的局部地图。实际应用中，可能存在以下情况，实际激光帧中的多组第二位姿数据的坐标轴不统一。该情况下，实际激光帧不符合旋转可变性，进而影响后续在线重定位的准确性。

为了解决上述问题，可选的，S402的一种实现方式为：

根据所述实际激光帧确定所述机器人在所述目标区域中当前位置对应的第二坐标系；将所述实际激光帧中的每组所述第二位姿数据变换到所述第二坐标系中，得到变换后的所述第二位姿数据；根据变换后的所述第二位姿数据生成所述第一地图。

具体的，可以通过主成分分析技术(PCA，principal components analysis)对各采样位置的环境数据做上述处理。具体内容可参见S203实施例中的描述。

通过PCA处理后的第二位姿数据，数据统一到主轴上，满足了旋转不变形；并且在保留数据中贡献较大的特征的同时，减少了数据的维数，进而有利于提高在线重定位的效率。

S403，从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧。

可选的，S403的一种实现方式为：

计算所述第一地图与每个所述虚拟激光帧之间的匹配度；将匹配度最高的虚拟激光帧确定为所述目标激光帧。

具体的，可以通过scan-to-map方法将第一地图和虚拟激光帧进行匹配。例如，现有的scan-to-map方法包括相关性匹配方法、模板匹配方法和粒子滤波方法等。本申请实施例中不对匹配方法做具体限定。

当然，在上述实现方式中，还可以选取匹配度较高的多个虚拟激光帧确定为目标激光帧。

S404，根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿。

如图2实施例中所述，一个激光帧对应机器人的一个位姿，包括一个位置和一个角度。而目标激光帧与第一地图相匹配，说明目标激光帧与第一地图表示相同的机器人位姿。因此，根据目标激光帧对应的位姿和第一地图即可确定出机器人的重定位位姿。

在一个实施例中，S404的一种实现方式为：

计算所述目标激光帧与所述第一地图之间的相对位姿；根据所述目标激光帧对应的所述机器人的位姿和所述相对位姿，确定所述机器人的重定位位姿。

重定位位姿可以包括角度和位置。具体的，可以计算目标激光帧与第一地图之间的相对角度，该相对角度作为其二者之间的相对位姿；然后根据目标激光帧对应的角度和计算出的相对角度，计算当前机器人的角度；再将目标激光帧对应的位置确定为当前机器人的位置。

如S403实施例中所述，当目标激光帧的数量大于1时，相应的，S404可以包括：分别根据每个目标激光帧和第一地图确定机器人的候选位姿；根据所有的候选位姿确定机器人最终的重定位位姿。

计算候选位姿的方法可参考上述实现方式。每个候选位姿包括角度和位置。具体的，根据所有的候选位姿确定机器人最终的重定位位姿，可以包括：将所有候选位姿中的角度的统计值作为机器人重定位位姿的角度；将所有候选位姿中的位置的统计值作为机器人重定位位姿的位置。其中，统计值可以采用平均值、方差、协方差和中位数等等。

本申请实施例中，目标区域的虚拟激光帧可以预先离线生成，在重定位过程中，可以直接获取预先生成的虚拟激光帧，节约了重定位的时间；进一步的，根据实时采集的实际激光帧生成的第一地图，相当于机器人当前位置对应的局部地图，而每个虚拟激光帧表示目标区域中一个位置处的环境数据，因此，将第一地图与虚拟激光帧匹配处理，相当于将局部地图和局部环境数据相匹配；最后根据匹配出的目标激光帧和第一地图确定重定位位姿。通过上述方法，只需在目标激光帧和第一地图之间进行坐标转换，无需将每个实际激光帧进行坐标转换，有效减少了算法耗时，提高了机器人重定位的效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的重定位方法，图5是本申请实施例提供的重定位装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图5，该装置包括：

获取单元51，用于获取目标区域的多个虚拟激光帧，其中，一个所述虚拟激光帧表示所述目标区域中一个位置处的环境数据。

生成单元52，用于根据实时采集的实际激光帧生成第一地图，所述实际激光帧表示机器人在所述目标区域中当前位置处的环境数据。

确定单元53，用于从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧。

定位单元54，用于根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿。

可选的，所述获取单元51还用于：

获取所述目标区域的第二地图；

获取所述第二地图中多个采样位置各自对应的环境数据；

根据每个所述采样位置对应的环境数据生成一个虚拟激光帧。

本申请实施例中，每个采样位置对应的环境数据包括多组第一位姿数据，每组第一位姿数据表示当前采样位置周围的一个激光反射点与当前采样位置之间的相对距离和相对角度。

可选的，所述获取单元51还用于：

根据所述采样位置对应的环境数据确定所述采样位置对应的第一坐标系；

将所述采样位置对应的环境数据中的每组所述第一位姿数据变换到所述第一坐标系中，得到变换后的所述第一位姿数据；

根据变换后的所述第一位姿数据生成一个虚拟激光帧。

本申请实施例中，所述实际激光帧包括多组第二位姿数据，每组第二位姿数据表示所述机器人在所述目标区域中当前位置周围的一个激光反射点与所述当前位置之间的相对距离和相对角度。

可选的，生成单元52还用于：

根据所述实际激光帧确定所述机器人在所述目标区域中当前位置对应的第二坐标系；

将所述实际激光帧中的每组所述第二位姿数据变换到所述第二坐标系中，得到变换后的所述第二位姿数据；

根据变换后的所述第二位姿数据生成所述第一地图。

可选的，确定单元53还用于：

计算所述第一地图与每个所述虚拟激光帧之间的匹配度；

将匹配度最高的虚拟激光帧确定为所述目标激光帧。

可选的，定位单元54还用于：

计算所述目标激光帧与所述第一地图之间的相对位姿；

根据所述目标激光帧对应的所述机器人的位姿和所述相对位姿，确定所述机器人的重定位位姿。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

另外，图5所示的重定位装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元，也可以作为独立的挂件集成到所述终端设备中，还可以作为独立的终端设备存在。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

以上所述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，均应包含在本申请的保护范围之内。

Claims (10)

1.一种重定位方法，其特征在于，包括：

获取目标区域的多个虚拟激光帧，其中，一个所述虚拟激光帧表示所述目标区域中一个位置处的环境数据；

根据实时采集的实际激光帧生成第一地图，所述实际激光帧表示机器人在所述目标区域中当前位置处的环境数据；

从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧；

根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿。

2.如权利要求1所述的重定位方法，其特征在于，所述获取目标区域的多个虚拟激光帧，包括：

获取所述目标区域的第二地图；

获取所述第二地图中多个采样位置各自对应的环境数据；

根据每个所述采样位置对应的环境数据生成一个虚拟激光帧。

3.如权利要求2所述的重定位方法，其特征在于，每个采样位置对应的环境数据包括多组第一位姿数据，每组第一位姿数据表示当前采样位置周围的一个激光反射点与当前采样位置之间的相对距离和相对角度；

所述根据每个所述采样位置的环境数据生成一个虚拟激光帧，包括：

根据所述采样位置对应的环境数据确定所述采样位置对应的第一坐标系；

将所述采样位置对应的环境数据中的每组所述第一位姿数据变换到所述第一坐标系中，得到变换后的所述第一位姿数据；

根据变换后的所述第一位姿数据生成一个虚拟激光帧。

4.如权利要求1所述的重定位方法，其特征在于，所述实际激光帧包括多组第二位姿数据，每组第二位姿数据表示所述机器人在所述目标区域中当前位置周围的一个激光反射点与所述当前位置之间的相对距离和相对角度；

所述根据实时采集的实际激光帧生成第一地图，包括：

根据所述实际激光帧确定所述机器人在所述目标区域中当前位置对应的第二坐标系；

将所述实际激光帧中的每组所述第二位姿数据变换到所述第二坐标系中，得到变换后的所述第二位姿数据；

根据变换后的所述第二位姿数据生成所述第一地图。

5.如权利要求1所述的重定位方法，其特征在于，所述从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧，包括：

计算所述第一地图与每个所述虚拟激光帧之间的匹配度；

将匹配度最高的虚拟激光帧确定为所述目标激光帧。

6.如权利要求1所述的重定位方法，其特征在于，所述根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿，包括：

计算所述目标激光帧与所述第一地图之间的相对位姿；

根据所述目标激光帧对应的所述机器人的位姿和所述相对位姿，确定所述机器人的重定位位姿。

7.一种重定位装置，其特征在于，包括：

获取单元，用于获取目标区域的多个虚拟激光帧，其中，一个所述虚拟激光帧表示所述目标区域中一个位置处的环境数据；

生成单元，用于根据实时采集的实际激光帧生成第一地图，所述实际激光帧表示机器人在所述目标区域中当前位置处的环境数据；

确定单元，用于从多个所述虚拟激光帧中确定与所述第一地图相匹配的目标激光帧；

定位单元，用于根据所述目标激光帧和所述第一地图确定所述机器人的重定位位姿。

8.如权利要求7所述的重定位装置，其特征在于，所述获取单元还用于：

获取所述目标区域的第二地图；

获取所述第二地图中多个采样位置各自对应的环境数据；

根据每个所述采样位置对应的环境数据生成一个虚拟激光帧。

9.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。

Images