CN115884369A - 机器人楼层定位方法及装置 - Google Patents

Abstract

本公开涉及机器人技术领域，提供了机器人楼层定位方法及装置。上述机器人楼层定位方法包括：在确定机器人处于跨楼层任务场景后，获取机器人当前所处环境中的无线信号源以及对应的信号强度，并在无线信号源中选取信号强度最大的第一数量的初选无线信号源；获取初选无线信号源的信号强度与预设的KNN模型的样本集中的对应在集无线信号源的信号强度的差值的模；在初选无线信号源中选取差值的模最小的第二数量的再选无线信号源；根据再选无线信号源对应的楼层信息标签确定机器人所在的目标楼层。采用上述技术手段，可以解决不能简单精确地定位机器人所在楼层的技术问题。

Description

机器人楼层定位方法及装置

技术领域

本公开涉及机器人技术领域，尤其涉及一种机器人楼层定位方法、装置、电子设备和计算机可读的存储介质。

背景技术

机器人(Robot)是自动执行工作的机器装置。它既可以接受人的指令，与人交流，又可以运行预先编排的程序，也可以根据人工智能技术定制的原则纲领行动。

机器人的任务自动执行过程需要各个环节一步步成功累积，其中一个环节出现问题，整个任务就无法成功。在酒店和楼宇等送货机器人的运行环境中，机器人跨楼层任务中关键环节乘梯过程就可能出现很多异常情况，例如机器人获取到的楼层失败或者错误、乘梯过程中机器人被人搬出电梯或者搬进电梯、搬入其他电梯等情况。一般电梯公司出于安全考虑不会提供与外界通信接口，机器人也就无法通过电梯通信接口获取楼层信息。

相关技术中，可以通过传感器测距结合无线通信方式来确定楼层信息，或者在电梯井内部署定位传感器来确定楼层信息，这些定位方式具有测距困难或者部署困难的问题。如何简单精确地定位机器人所在楼层是当前亟需解决的技术问题。

发明内容

有鉴于此，本公开实施例提供了一种机器人楼层定位方法、装置、电子设备和计算机可读的存储介质，以解决现有技术中无法简单精确地定位机器人所在楼层的问题。

本公开实施例的第一方面，提供了一种机器人楼层定位方法，方法包括：在确定机器人处于跨楼层任务场景后，获取机器人当前所处环境中的无线信号源以及对应的信号强度，并在无线信号源中选取信号强度最大的第一数量的初选无线信号源，其中，第一数量为常数；获取初选无线信号源的信号强度与预设的KNN模型的样本集中的对应在集无线信号源的信号强度的差值的模，其中，样本集包括按照在集无线信号源的物理地址有序排列的在集无线信号源的信号强度的特征向量和对应的楼层信息标签；在初选无线信号源中选取差值的模最小的第二数量的再选无线信号源，其中，第二数量为训练完成的KNN模型的K值；根据再选无线信号源对应的楼层信息标签确定机器人所在的目标楼层。

本公开实施例的第二方面，提供了一种机器人楼层定位装置，包括：信号源初选模块，用于在确定机器人处于跨楼层任务场景后，获取机器人当前所处环境中的无线信号源以及对应的信号强度，在无线信号源中选取信号强度最大的第一数量的初选无线信号源，其中，第一数量为常数；模获取模块，用于获取初选无线信号源的信号强度与预设的KNN模型的样本集中的对应在集无线信号源的信号强度的差值的模，其中，样本集包括按照在集无线信号源的物理地址有序排列的在集无线信号源的信号强度的特征向量和对应的楼层信息标签；信号源再选模块，用于在初选无线信号源中选取差值的模最小的第二数量的再选无线信号源，其中，第二数量为训练完成的KNN模型的K值；楼层确定模块，用于根据再选无线信号源对应的楼层信息标签确定机器人所在的目标楼层。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例与现有技术相比存在的有益效果是：通过选取初选无线信号源，根据KNN模型的样本集再次选取再选无线信号源，并根据再选无线信号源和K最邻近算法确定机器人所处的目标楼层，可以在无需布局传感器的条件下，简单精确地定位机器人楼层。

附图说明

为了更清楚地说明本公开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公开的一些实施例，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它的附图。

图1是本公开实施例的应用场景的场景示意图；

图2是本公开实施例提供的一种机器人楼层定位方法的流程示意图；

图3是本公开实施例提供的确定目标楼层的方法的流程示意图；

图4是本公开实施例提供的一种机器人楼层定位装置的结构示意图；

图5是本公开实施例提供的一种电子设备的结构示意图。

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，以便透彻理解本公开实施例。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公开。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公开的描述。

在相关技术中，在机器人跨楼层任务中获取机器人楼层时，可以通过红外激光或超宽带传感器测距结合无线通信或网络通信的方式获取机器人所在楼层，也可以在电梯井内电梯停靠各楼层的位置附近安装多个射频识别或者红外传感器来判断电梯是否经过当前楼层，从而获取机器人所在楼层，还可以通过部署无线接入点的方式定位楼层。

其中，红外激光或超宽带传感器测距结合无线通信或网络通信的获取机器人楼层的方式中，传感器测距和无线通信都存在最大距离问题，楼层较高时会造成测距超限，导致无法测量、通信失败，网络通信在电梯井内延迟严重，会导致楼层获取错误。电梯井内部署射频识别或者红外传感器的问题在于，各楼层电梯停靠位置上下均需要部署传感器，精度相对较高但费时费力，部署麻烦。以上两种测量方式均是对电梯楼层测量，并未对机器人楼层进行直接测量，当出现测量结果和其它机器人楼层定位方式的定位结果不一致时难以跟踪。部署无线接入点的方式定位楼层同样具有部署麻烦的问题。

为解决以上问题，本公开实施例提供一种机器人楼层定位方案。

下面将结合附图详细说明根据本公开实施例的一种机器人楼层定位方法和装置。

图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。

终端设备101、102和103可以是硬件，也可以是软件。当终端设备101、102和103为硬件时，其可以是具有显示屏且支持与服务器104通信的各种电子设备，包括但不限于智能手机、机器人、膝上型便携计算机和台式计算机等(比如102可以为机器人)；当终端设备101、102和103为软件时，其可以安装在如上的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备101、102和103上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。

服务器104可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器104可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。

需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时，其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块，也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。

网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(Bluetooth)、近场通信(Near FieldCommunication，NFC)、红外(Infrared)等，本公开实施例对此不作限制。

目标用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接，以接收或发送信息等。需要说明的是，终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。

图2是本公开实施例提供的一种机器人楼层定位方法的流程示意图。图2的机器人楼层定位方法可以由图1的终端设备或服务器执行。如图2所示，该机器人楼层定位方法包括：

步骤S201，在确定机器人处于跨楼层任务场景后，获取机器人当前所处环境中的无线信号源以及对应的信号强度，并在无线信号源中选取信号强度最大的第一数量的初选无线信号源，其中，第一数量为常数。

具体地，机器人的工作场景可以为平层任务场景和跨楼层任务场景。跨楼层任务场景包括跨楼层充电任务的工作场景和跨楼层取物任务或送物任务的工作场景，且并不局限于此。无线信号源可以为WIFI(无线网络)路由器，且并不局限于此。机器人自带的工控机上设置有无线网络设备，通过该无线网络设备，机器人可以对自身所处环境中的无线网络路由器进行搜索，该搜索过程可以在搜索到无线网络路由器的同时获取该无线网络路由器的信号强度。该信号强度可以由RSSI(Received Signal Strength Indicator，接收信号的强度指示)表征。第一数量可以为根据实际需要设定的常数，例如，第一数量可以设定为6个，且并不局限于此。机器人在对自身所处环境中的无线信号源进行搜索时的自身位置可以为跨楼层任务场景中的任一位置。

步骤S202，获取初选无线信号源的信号强度与预设的KNN(K Nearest Neighbors，K最邻近)模型的样本集中的对应在集无线信号源的信号强度的差值的模，其中，样本集包括按照在集无线信号源的物理地址有序排列的在集无线信号源的信号强度的特征向量和对应的楼层信息标签。理论上，在集无线信号源包括所有跨楼层任务场景中的无线信号源，若某一次测量过程中得到该无线信号源的信号强度较小，可以认为在该次测量中该信号强度较小的在集无线信号源对应的信号强度为0。

具体地，KNN模型是一种K最近邻算法模型，KNN算法可以根据待分类样本周围的已知类别样本来判断待分类样本的类别。进一步地，可以根据最近的K个邻居来判断待定样本的类别。对KNN模型进行训练，可以得到使得分类结果较为准确的K值。初选无线信号源对应的在集无线信号源指的是与初选无线信号源具有相同物理地址的在集无线信号源。两个无线信号源的信号强度的差值的模为信号强度大小的差值的绝对值。

步骤S203，在初选无线信号源中选取差值的模最小的第二数量的再选无线信号源，其中，第二数量为训练完成的KNN模型的K值。

步骤S204，根据再选无线信号源对应的楼层信息标签确定机器人所在的目标楼层。

具体地，根据再选无线信号源对应的楼层信息可以确定再选无线信号源对应的楼层，根据楼层的出现频率即可以确定目标楼层。

根据本公开实施例提供的技术方案，通过预先构建KNN模型的采样集并对KNN模型进行训练得到K值，再基于KNN算法应用当前获取到的初选无线信号源和该KNN模型再次选取再选无线信号源，并根据再选无线信号源和K最邻近算法确定机器人所处的目标楼层，相比较现有技术，可以较为简单精确地进行机器人楼层定位。

在本公开实施例中，KNN模型的训练方法包括：获取机器人在跨楼层任务场景中各个楼层搜索无线信号源得到的无线信号源的第二物理地址和对应的信号强度；将第二物理地址对应的信号强度作为特征向量，将搜索到第二物理地址的楼层作为楼层信息标签保存到KNN模型的样本集中；根据样本集对KNN模型进行训练，得到K值。

具体地，可以将搜索得到的全部当前场景中的MAC(Media Access Control，介质访问控制)地址列表中的全部或者部分信号较强的无线信号源的信号强度按照MAC地址有序排列形成上述特征向量。例如，特征向量和楼层信息标签的形式可以为：[RSSI_1，RSSI_2，RSSI_3，…：floor]，其中，RSSI_1，RSSI_2和RSSI_3为分别为按照物理地址的大小排序后序号为1至3的在集无线信号源对应的信号强度值，floor为楼层信息标签。其中，排序的方式可以为由小及大排序，也可以为由大及小排序。

在样本集的采集过程中，机器人在对自身所处环境中的无线信号源进行搜索时的自身位置可以为跨楼层任务场景中的任一位置。

在样本集采样过程中，可以仅保存信号最强的第三数量的无线信号源的信号强度，其余信号较弱的无线信号源的信号强度记作0，即信号较弱的无线信号源的物理地址对应的信号强度为0。其中，第三数量为根据需要设定的常数。若在不同楼层采集10次无线信号源的相关数据，则可以得到10组形式为[RSSI_1，RSSI_2，RSSI_3，…：floor]的数组。

在确定K值时，可以采用一种交叉验证的方式来确定K值，其过程为：按一定规则尝试多个K值，对每一个K值，记录其在验证集上的错误次数，取错误数最小的K为目标K值。采用CNN算法进行楼层定位，不需要部署多余的传感器，仅需要进行前期的数据采集和模型训练工作，便可以简单精确地进行机器人楼层定位。

在步骤S201之前，还需要获取机器人的环境部署信息，并根据环境部署信息确定机器人处于跨楼层任务场景。

具体地，机器人的环境部署信息可以根据机器人的工作任务信息得到，例如，机器人在执行返回指定楼层的充电桩进行充电的工作任务时，涉及到跨楼层任务场景。而在酒店大堂执行迎宾任务时，则不涉及到跨楼层任务场景。

在步骤S202中，获取当前初选无线信号源的第一物理地址和第一信号强度；在在集无线信号源中查找物理地址为第一物理地址的在集无线信号源及其对应的第二信号强度；获取第一信号强度和第二信号强度的差值的模。

具体地，在在集无线信号源中查找物理地址为第一物理地址的在集无线信号源是，根据第一物理地址的大小确定该第一物理地址在采样集中的排序，从而查找到该排序的物理地址对应的信号强度。

同一个物理地址的无线信号源的信号强度的差值的模越小，当前初选无线信号源与对应的在集无线信号源的距离越小，从而可以根据在集无线信号源对应的楼层信息标签推测初选无线信号源所在的楼层，进一步地，根据多个初选无线信号源所在的楼层，即可以推测出机器人所处的楼层。

如图2所示，在步骤S204中，确定机器人所在的目标楼层的过程包括以下步骤：

步骤S301，根据再选无线信号源对应的楼层信息标签获取再选无线信号源对应的楼层。

具体地，如K值为4，即再选无线信号源的数量为4，可以根据楼层信息标签得到这4个再选无线信号源对应的楼层。

步骤S302，根据再选无线信号源对应的楼层的出现频率选取出现频率最高的楼层作为机器人所在的目标楼层。

具体地，若这四个再选无线信号源对应的楼层分别为3，2，3和3，3层出现的频率最高，则可以确定目标楼层为3。

在本公开实施例中，在步骤S204之后，还可以响应于机器人执行跨楼层任务成功，且机器人所在的目标楼层为机器人上报的楼层信息，将机器人当前所处环境中的无线信号源、对应的信号强度以及目标楼层更新到样本集中。

具体地，样本集中记录的可以为各个楼层信号最强的第三数量的无线信号源的相关数据，这些相关数据包括物理地址、信号强度和采集楼层信息。通过将无线信号源的相关数据更新到样本集中，并剔除当前楼层的时间最久的样本集中的在集无线信号源的相关数据，可以闭环自动更新样本集以匹配实时信息。

具体地，机器人上报的楼层信息可以为机器人运行过程中记录的任务信息中的当前楼层信息。

在本公开实施例中，在步骤S204之后，还可以响应于机器人所在的目标楼层不为机器人上报的楼层信息，再次获取目标楼层，并在二次获取的目标楼层仍不为机器人上报的楼层信息时生成告警信号进行告警。

具体地，若目标楼层两次均与机器人上报的楼层信息不同，则需要进行楼层告警，并以目标楼层替换机器人运行过程中记录的任务信息中的当前楼层信息。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

根据本公开实施例的机器人楼层定位方法，通过选取初选无线信号源，根据KNN模型的样本集再次选取再选无线信号源，并根据再选无线信号源和K最邻近算法确定机器人所处的目标楼层，可以在无需布局传感器的条件下，简单精确地定位机器人楼层。

下述为本公开装置实施例，可以用于执行本公开方法实施例。下文描述的机器人楼层定位装置与上文描述的机器人楼层定位方法可相互对应参照。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图4是本公开实施例提供的一种机器人楼层定位装置的示意图。如图4所示，该机器人楼层定位装置包括：

信号源初选模块401，可以用于在确定机器人处于跨楼层任务场景后，获取机器人当前所处环境中的无线信号源以及对应的信号强度，在无线信号源中选取信号强度最大的第一数量的初选无线信号源，其中，第一数量为常数；

模获取模块402，可以用于获取初选无线信号源的信号强度与预设的KNN模型的样本集中的对应在集无线信号源的信号强度的差值的模，其中，样本集包括按照在集无线信号源的物理地址有序排列的在集无线信号源的信号强度的特征向量和对应的楼层信息标签；

信号源再选模块403，可以用于在初选无线信号源中选取差值的模最小的第二数量的再选无线信号源，其中，第二数量为训练完成的KNN模型的K值；

楼层确定模块404，可以用于根据再选无线信号源对应的楼层信息标签确定机器人所在的目标楼层。

根据本公开实施例提供的技术方案，通过预先构建KNN模型的采样集并对KNN模型进行训练得到K值，再基于KNN算法应用当前获取到的初选无线信号源和该KNN模型再次选取再选无线信号源，并根据再选无线信号源和K最邻近算法确定机器人所处的目标楼层，相比较现有技术，可以较为简单精确地进行机器人楼层定位。

在本公开实施例中，楼层确定模块404还可以用于根据再选无线信号源对应的楼层信息标签获取再选无线信号源对应的楼层，并根据再选无线信号源对应的楼层的出现频率选取出现频率最高的楼层作为机器人所在的目标楼层。

在本公开实施例中，模获取模块402还可以用于获取当前初选无线信号源的第一物理地址和第一信号强度，在在集无线信号源中查找物理地址为第一物理地址的在集无线信号源及其对应的第二信号强度，并获取第一信号强度和第二信号强度的差值的模。

在本公开实施例中，机器人楼层定位装置还可以包括训练模块，用于训练KNN模型，该训练模块可以用于：获取机器人在跨楼层任务场景中各个楼层搜索无线信号源得到的无线信号源的第二物理地址和对应的信号强度；将第二物理地址对应的信号强度作为特征向量，将搜索到第二物理地址的楼层作为楼层信息标签保存到KNN模型的样本集中；根据样本集对KNN模型进行训练，得到K值。

在本公开实施例中，机器人楼层定位装置还可以包括更新模块，用于响应于机器人执行跨楼层任务成功，且机器人所在的目标楼层为机器人上报的楼层信息，将机器人当前所处环境中的无线信号源、对应的信号强度以及目标楼层更新到样本集中。

在本公开实施例中，机器人楼层定位装置还可以包括告警模块，用于响应于机器人所在的目标楼层不为机器人上报的楼层信息，再次获取目标楼层，并在二次获取的目标楼层仍不为机器人上报的楼层信息时生成告警信号进行告警。

在本公开实施例中，信号源初选模块401还可以用于获取机器人的环境部署信息；根据环境部署信息确定机器人处于跨楼层任务场景。

由于本公开的示例实施例的机器人楼层定位装置的各个功能模块与上述机器人楼层定位方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的机器人楼层定位方法的实施例。

根据本公开实施例的机器人楼层定位装置，通过选取初选无线信号源，根据KNN模型的样本集再次选取再选无线信号源，并根据再选无线信号源和K最邻近算法确定机器人所处的目标楼层，可以在无需布局传感器的条件下，简单精确地定位机器人楼层。

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，而不应对本公开实施例的实施过程构成任何限定。

图5是本公开实施例提供的电子设备500的示意图。如图5所示，该实施例的电子设备500包括：处理器501、存储器502以及存储在该存储器502中并且可在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序503可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器502中，并由处理器501执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序503在电子设备500中的执行过程。

电子设备500可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备500可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，图5仅仅是电子设备500的示例，并不构成对电子设备500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，电子设备还可以包括输入输出设备、网络接入设备、总线等。

处理器501可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、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。

存储器502可以是电子设备500的内部存储单元，例如，电子设备500的硬盘或内存。存储器502也可以是电子设备500的外部存储设备，例如，电子设备5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，存储器502还可以既包括电子设备500的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及电子设备所需的其它程序和数据。存储器502还可以用于暂时地存储已经输出或者将要输出的数据。

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。

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公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，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，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。

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。

另外，在本公开各个实施例中的各功能单元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。

集成的模块/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存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，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。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (10)

1.一种机器人楼层定位方法，其特征在于，所述方法包括：

在确定机器人处于跨楼层任务场景后，获取所述机器人当前所处环境中的无线信号源以及对应的信号强度，并在所述无线信号源中选取信号强度最大的第一数量的初选无线信号源，其中，第一数量为常数；

获取所述初选无线信号源的信号强度与预设的K最邻近KNN模型的样本集中的对应在集无线信号源的信号强度的差值的模，其中，所述样本集包括按照在集无线信号源的物理地址有序排列的在集无线信号源的信号强度的特征向量和对应的楼层信息标签；

在所述初选无线信号源中选取所述差值的模最小的第二数量的再选无线信号源，其中，第二数量为训练完成的所述KNN模型的K值；

根据所述再选无线信号源对应的楼层信息标签确定所述机器人所在的目标楼层。

2.根据权利要求1所述的方法，其特征在于，根据所述再选无线信号源对应的楼层信息标签确定所述机器人所在的目标楼层，包括：

根据所述再选无线信号源对应的楼层信息标签获取所述再选无线信号源对应的楼层；

根据所述再选无线信号源对应的楼层的出现频率选取出现频率最高的楼层作为所述机器人所在的目标楼层。

3.根据权利要求1所述的方法，其特征在于，获取所述初选无线信号源的信号强度与预设的KNN模型的样本集中的对应在集无线信号源的信号强度的差值的模，包括：

获取当前初选无线信号源的第一物理地址和第一信号强度；

在所述在集无线信号源中查找物理地址为所述第一物理地址的在集无线信号源及其对应的第二信号强度；

获取所述第一信号强度和所述第二信号强度的差值的模。

4.根据权利要求1所述的方法，其特征在于，所述KNN模型的训练方法包括：

获取机器人在所述跨楼层任务场景中各个楼层搜索无线信号源得到的无线信号源的第二物理地址和对应的信号强度；

将所述第二物理地址对应的信号强度作为特征向量，将搜索到所述第二物理地址的楼层作为楼层信息标签保存到所述KNN模型的样本集中；

根据所述样本集对所述KNN模型进行训练，得到K值。

5.根据权利要求1所述的方法，其特征在于，根据所述再选无线信号源对应的楼层信息标签确定所述机器人所在的目标楼层之后，所述方法还包括：

响应于所述机器人执行跨楼层任务成功，且所述机器人所在的目标楼层为机器人上报的楼层信息，将所述机器人当前所处环境中的无线信号源、对应的信号强度以及所述目标楼层更新到所述样本集中。

6.根据权利要求1所述的方法，其特征在于，根据所述再选无线信号源对应的楼层信息标签确定所述机器人所在的目标楼层之后，所述方法还包括：

响应于所述机器人所在的目标楼层不为机器人上报的楼层信息，再次获取所述目标楼层，并在二次获取的所述目标楼层仍不为所述机器人上报的楼层信息时生成告警信号进行告警。

7.根据权利要求1至6任一项所述的方法，其特征在于，获取所述机器人当前所处环境中的无线信号源以及对应的信号强度之前，所述方法还包括：

获取机器人的环境部署信息；

根据所述环境部署信息确定所述机器人处于跨楼层任务场景。

8.一种机器人楼层定位装置，其特征在于，所述装置包括：

信号源初选模块，用于在确定机器人处于跨楼层任务场景后，获取所述机器人当前所处环境中的无线信号源以及对应的信号强度，在所述无线信号源中选取信号强度最大的第一数量的初选无线信号源，其中，第一数量为常数；

模获取模块，用于获取所述初选无线信号源的信号强度与预设的KNN模型的样本集中的对应在集无线信号源的信号强度的差值的模，其中，所述样本集包括按照在集无线信号源的物理地址有序排列的在集无线信号源的信号强度的特征向量和对应的楼层信息标签；

信号源再选模块，用于在所述初选无线信号源中选取所述差值的模最小的第二数量的再选无线信号源，其中，第二数量为训练完成的所述KNN模型的K值；

楼层确定模块，用于根据所述再选无线信号源对应的楼层信息标签确定所述机器人所在的目标楼层。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且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7中任一项所述方法的步骤。

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7中任一项所述方法的步骤。

Images