CN116699577A

CN116699577A - 一种2d激光定位质量评估方法及系统、存储介质

Info

Publication number: CN116699577A
Application number: CN202310964885.6A
Authority: CN
Inventors: 吴国翔; 张腾宇; 赵越
Original assignee: Shanghai Xiangong Intelligent Technology Co ltd
Current assignee: Shanghai Xiangong Intelligent Technology Co ltd
Priority date: 2023-08-02
Filing date: 2023-08-02
Publication date: 2023-09-05
Anticipated expiration: 2043-08-02
Also published as: CN116699577B

Abstract

本发明提供了一种2D激光定位质量评估方法及系统、存储介质，其方法步骤包括：根据规划路径及移动机器人激光雷达的探测范围，在2D地图中确定出评估区域及区域内的地图环境点；计算出地图环境点中有效参考物的点集遍历计算其特征值与特征向量并将特征值最大的特征向量方向作为有效参考物的点集的主方向；当判断点集数量满足最小评估角度分组数量时，将各点集以kmeans算法按主方向分组，后合并主方向角度差小于最小评估角度的分组；反之直接合并主方向角度差小于最小评估角度的点集，以完成分组；分析分组点集的组数及长度，依据评估规则作出评价。籍此以实现无需移动机器人实际运行规划路线，便可评估该规划路线在2D地图中的定位质量。

Description

一种2D激光定位质量评估方法及系统、存储介质

技术领域

本发明涉及自主移动机器人定位分析技术，尤其涉及一种2D激光定位质量评估方法。

背景技术

目前现代化工厂智能化的需求日益增长，大型仓储、纺织等工厂对于货物搬运自动化能力的要求也越来越高。通常这些工厂场景具有面积大，作业点位多等特点，因此本领域通常会选择基于2D激光的导航方案，其相比于二维码，磁导航等非激光导航方案，胜在不需要对工厂进行改造，便可具备更通用的场景适应能力，因此该方案也是目前主流的导航方案。

在实际场景中，移动机器人的工作路径往往错综复杂，只有保证在所有的工作路径上具备良好的定位精度才可以正常完成工作。由于实际中工作站点数量众多，在施工阶段，往往是如本发明图2所示，先通过激光雷达构建2D地图，然后人工手动控制移动机器人到各个站点在软件上标记，然后再将各个站点路线根据实际的需要连接起来，这样一来，有些线路上的定位情况在没有运行之前是无法知道的，因此难免有些线路的定位精度很差，就会影响后续的工作。

为此本领域通常的做法是，需要移动机器人尝试在场地中实际运行，并通过定位算法（比如广泛使用的粒子滤波）计算当前移动机器人的激光扫描数据与周围2D地图的匹配情况，来评估定位质量，但由于并不对当前探测的地图环境进行评估，因此往往会出现定位算法输出很高的置信度，但是实际环境无法计算出准确的位置（比如长走廊，机器人只能探测到走廊的两侧墙面），因此此时的实际定位质量并不高。可见采用定位算法来评估定位质量存在一定的局限性。

发明内容

为此，本发明的主要目的在于提供一种2D激光定位质量评估方法及系统、存储介质，以实现无需移动机器人实际运行规划路线，便可评估该规划路线在2D地图中的定位质量，并解决背景技术中现有定位算法的局限性问题。

为了实现上述目的，根据本发明的第一个方面，提供了一种2D激光定位质量评估方法，其步骤包括：

步骤S100 根据规划路径及移动机器人激光雷达的探测范围，在2D地图中确定出评估区域及区域内的地图环境点；

步骤S200计算出地图环境点中有效参考物的点集，以供遍历计算其特征值与特征向量并将特征值最大的特征向量方向作为有效参考物的点集的主方向；

步骤S300当判断点集数量满足最小评估角度分组数量时，将各点集以kmeans算法按主方向分组，然后合并主方向角度差小于最小评估角度的分组；反之则直接合并主方向角度差小于最小评估角度的点集，以完成分组；

步骤S400分析分组后点集的组数及长度，依据评估规则作出评价。

在可能的优选实施方式中，其中步骤100中确定地图环境点的步骤包括：

步骤S110使用四叉树算法处理2D地图，建立含有地图环境点的节点区块；

步骤S120确定激光雷达所处2D地图中规划路径上的位置，依据激光雷达的探测范围，使用射线投射算法，确定出射线波及的节点区块内的地图环境点。

在可能的优选实施方式中，所述的2D激光定位质量评估方法，其中步骤还包括：

步骤S500依据步骤S400作出的评价，在2D地图中对规划路径上相应的定位评估点进行标记。

在可能的优选实施方式中，其中步骤S200中计算有效参考物点集的步骤包括：

步骤S210将地图环境点生成二值图像；

步骤S220根据离散阈值将图像中较为离散的相邻点排除；依据点集累积长度标准及点距标准，定位出符合条件有效参考物的点集。

在可能的优选实施方式中，其中步骤S300中所述最小评估角度分组数量为至少10组，最小评估角度为18°。

在可能的优选实施方式中，其中步骤S400中所述评估规则包括：

当没有检测到有效的分组点集，视为异常；

当检测到至少两组有效的分组点集，且两个有效分组点集的长度达到预设阈值时，视为当前定位质量良好；

当检测到有效的分组点集数量少于两组时，视为当前定位质量不佳。

为了实现上述目的，对应上述方法，根据本发明的第二个方面，还提供了一种2D激光定位质量评估系统，其包括：

存储单元，用于存储包括如上任一所述2D激光定位质量评估方法步骤的程序，以供处理单元，导航规划单元适时调取执行；

导航规划单元，用于获取2D地图、规划路径，并遍历规划路径，每隔预设距离选取定位评估点；

处理单元，用于根据移动机器人激光雷达的探测范围，在2D地图中确定出评估区域及区域内的地图环境点，以计算出地图环境点中有效参考物的点集，以供遍历计算其特征值与特征向量并将特征值最大的特征向量方向，作为各有效参考物的点集的主方向；之后判断点集数量当满足最小评估角度分组数量时，将各点集以kmeans算法按主方向分组，然后合并主方向角度差小于最小评估角度的分组；反之则直接合并主方向角度差小于最小评估角度的点集，以完成分组；之后分析分组后点集的组数及长度，依据评估规则作出评价。

在可能的优选实施方式中，其中所述导航规划单元，还用于根据作出的评价，在2D地图中对规划路径上相应的定位评估点进行标记。

在可能的优选实施方式中，其中所述处理单元，使用四叉树算法处理2D地图，建立含有地图环境点的节点区块，并在定位评估点处根据激光雷达的探测范围，使用射线投射算法，确定出射线波及的节点区块内的地图环境点。

为了实现上述目的，对应上述方法，根据本发明的第三个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上任一项所述2D激光定位质量评估方法的步骤。

通过本发明提供的该2D激光定位质量评估方法及系统、存储介质，巧妙的跳出了传统的定位算法预估定位质量的思维限制，转而将基于2D激光的定位质量评估问题转化为图像上的聚类、特征分析问题，此举不但降低了计算复杂程度，与算力的要求，同时还解决了传统定位算法方案的局限性问题。更重要的是本方案还无需移动机器人实际运行，便可在2D地图中对规划路径上的定位质量进行评估，籍此大量节省了评估所需的时间及成本。从而有助于提前指出不合理的规划线路，帮助现场人员快速部署作业。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，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为本发明的2D激光定位质量评估方法步骤示意图；

图2为现有2D激光地图中人工标记的移动机器人途径作业站点及规划路径示意图；

图3为现有移动机器人根据其激光雷达的感知范围，能够感知到的地图区域的示意图；

图4为本发明的2D激光定位质量评估方法中，将采用四叉树处理2D地图后的形态示意图；

图5至图8为本发明的2D激光定位质量评估方法中，采用射线投射算法在四叉树地图中，逐步确认出激光雷达照射到的地图环境点的示意图；

图9为本发明的2D激光定位质量评估方法中，示意射线投射算法辐射区域，及投射到的地图环境点的示意图；

图10为本发明的2D激光定位质量评估方法中，将地图环境点转换为二值图的示意图；

图11为本发明的2D激光定位质量评估方法中，表示较为离散的地图环境点的示意图；

图12为本发明的2D激光定位质量评估方法中，表示较为密集的地图环境点的示意图；

图13为本发明的2D激光定位质量评估方法中，表示有效参考物点集及主方向的示意图；

图14为本发明的2D激光定位质量评估方法中，表示移动机器人在长廊环境下的示意图；

图15为本发明的2D激光定位质量评估方法中，表示2D地图中长廊环境及角落环境示意图；

图16为本发明的2D激光定位质量评估方法中，点集分组后的数量及分组情况示意图；

图17为本发明的2D激光定位质量评估方法中，标记定位点定位质量评估结果后，规划路径在2D地图中的示意图；

图18为本发明的2D激光定位质量评估系统结构示意图。

具体实施方式

为了使本领域的技术人员能够更好的理解本发明的技术方案，下面将结合实施例来对本发明的具体技术方案进行清楚、完整地描述，以助于本领域的技术人员进一步理解本发明。显然，本案所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思及相互不冲突的前提下，本申请中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，在本领域普通技术人员没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的揭露及保护范围。

此外本发明的说明书和权利要求书及附图中的术语“第一”、“第二”、“S1”、“S2”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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里描述的那些以外的顺序实施。同时本发明中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。除非另有明确的规定和限定，术语“设置”、“布设”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况，结合现有技术来理解上述术语在本案中的具体含义。

单线激光雷达的工作原理是发射器在激光雷达内部进行匀速的旋转，每旋转一个小角度（称之为角分辨率）即发射一次激光，轮巡一定的角度后，就生成了一帧完整的数据。但也意味着单线激光雷达只能识别同一高度一排点阵，只能描述线状信息，无法描述面以及高度。如图2所示，即为使用单线激光雷达所构建的2D地图。

其中如图2所示，2D地图中的矩形方框就是站点，表示移动机器人工作中需要移动到点的点位，站点之间的连线就是人工设置的工作规划路径。路径可以是直线或者曲线，移动机器人在工作中会沿着路线运行。传统进行定位质量评估时，需要移动机器人实际根据该些站点和规划路径跑一遍，这样才能在过程中评估定位质量。

因此，为了实现无需移动机器人实际运行规划路线，便可评估该规划路线在2D地图中的定位质量。如图1至图15所示，本发明提供了一种2D激光定位质量评估方法，其步骤包括：

步骤S100 根据规划路径及移动机器人激光雷达的探测范围，在2D地图中确定出评估区域及区域内的地图环境点。

具体来说，如图3所示，本示例的场景是移动机器人只使用单线激光，基于预先构建的地图来确定自己当前的位置。而安装在移动机器人上的激光雷达的感知区域如图3所示。其中该激光感知区域受激光本身的探测距离（通常的激光探测距离为20-40米），及探测角度范围（通常180-360°）影响。因此需要预先确定激光雷达的探测范围，才能进行准确的评估。

同时，要想评估规划线路上的任意位置点的定位质量，还需要根据激光雷达的探测范围来确定出2D地图中所能扫描到的评估区域，以获取在该位置上激光能够探测到的地图环境点。假设激光在移动机器人上的安装位置（激光坐标系到车体坐标系的变换矩阵）是已知，给定小车在地图中的位置，就可以计算出激光在地图中的位置，即定位评估点，同时遍历规划路径，每隔预设距离选取定位评估点进行评估，就可以对规划路径进行全程评估。

进一步的，为了在2D地图中确定出评估区域及区域内的地图环境点，本示例步骤包括：

步骤S110使用四叉树算法处理2D地图，建立含有地图环境点的节点区块。

具体的，如图4所示，示例了四叉树地图的生成过程，首先统计出当前地图点的X，Y轴范围，宽度width = x_max – x_min, 高度height = y_max – y_min，创建的根节点就是宽度为width与height中的较大值，如图4中的最外围的框（是个正方形），再将根节点宽高平分后生成4个子节点（子节点也是按照同样的方法生成自己的四个子节点）。由于根节点是统计了整个地图的范围，每个点都被包含在内。

然后将逐个点添加进四叉树。过程为：根据当前点的坐标判断出位于根节点的哪个子节点中（四个方向的某一个）。判断当前子节点时候包含自己的子节点，如果没有自己子节点，生成自己的子节点。生成后需要判断当前的宽度是否为最小宽度（最小宽度通常就是地图的分辨率，比如1mm）。如果比最小宽度大，则继续判断当前点位于该节点的哪个子节点中，为空就继续生成子节点，直到子节点的宽度为最小宽度停止，当前点就位于当前的子节点中。

如果有自己的子节点，则继续判断当前点位于该节点的哪个子节点中，不为空就继续判断位于哪个子节点中，直到子节点的宽度为最小宽度停止，当前点就位于当前的子节点中，由此生成四叉树地图，从而确定出含有地图环境点的节点区块。

步骤S120确定激光雷达所处2D地图中规划路径上的位置，依据激光雷达的探测范围，使用射线投射算法（Ray-casting），确定出射线波及的节点区块内的地图环境点。

具体的，如图5至图8所示，这一步是生成指定位置激光所探测到的地图环境点。首先找到当前激光位置落在四叉树的哪个最小子节点上（宽度为最小分辨率），该点就是激光模型的激光发射点，根据当前激光参数的角分辨率以及角度范围，从最小角度开始依次判断，以判断该角度发射的激光是否落在环境点上。

如图6所示，假设当前激光的位置为箭头的起点处，此时定位到死叉的子节点是上方框所示。该子节点也有两个非空的自己节点与两个空的子节点。箭头的方向表示当前激光发射角度θ。此时角度为负，计算出激光位置所属空的子节点A的y最小值，再减去0.01（目的是跳出当前子节点范围）为y_1，如图6中加粗线表示的值，根据直线方程y = tanθ * x +c计算出此y值对应的x值：x_1 = (y_1 - c) / tanθ，判断x_1是否在子节点A点x范围内，如果在，又分两种情况，角度小于-90度（此时应该位于当前子节点的右外面），令x_2 = 子节点A的x最小值 – 0.01，如果大于-90度（下图的情况），令x_2 =子节点A的x最大值。在根据直线方程，计算对应的y值，y_2 = tanθ * x_2 + c。此时（x_2, y_2）就在图6中圆圈标记处，所属的子节点为图6中下方框（包含3个空子节点与一个非空子节点）所示子节点中的空子节点B。

然后同理找子节点B的y最小值，再减去0.01（目的是跳出当前子节点范围）为y_3，如图7中加粗线表示的值，根据直线方程y = tanθ * x + c计算出此y值对应的x值：x_3 =(y_3 - c) / tanθ，判断x_3是否在子节点B点x范围内，此时的情况为不在（在的情况上述已说明可参考），计算（x_3, y_3）所属的子节点，如图7中下方框子节点左上角的空子节点C（图7中圆圈处）。

依据上述相同的逻辑，可以计算出直线上的点打在图8小内框处的环境点上。

上述示例是射线角度小于0的情况，如果射线角度大于0时，每次使用y的最大值得到y_1，根据直线方程y = tanθ * x + c计算出此y值对应的x值：x_1 = (y_1 - c) / tanθ，判断x_1是否在子节点A点x范围内，如果在，又分两种情况，角度不小于90度，令x_2 = 子节点A的x最小值 – 0.01，如果小于90度，令x_2 =子节点A的x最大值。在根据直线方程，计算对应的y值，y_2 = tanθ * x_2 + c。其余与上述示例一样。

此外，还有两种情况，首先计算出激光最远探测距离点(org_x2, org_y2)，假设激光发射点为（org_x1, org_y1），则：

org_x2 = org_x1 + cosθ * 激光探测距离；

org_y2 = org_y1 + sinθ * 激光探测距离；

情况一，水平线

If (org_x1 > org_x2) x_2 = 子节点A的x最小值 – 0.01， y_2 = org_y1

else x_2 = 子节点A的x最大值, y_2 = org_y1

则计算（x_2, y_2）所属的子节点是否达到了最小分辨率，达到该节点就是激光打到的环境点。没有达到继续执行上面的计算。

情况二，垂直线

If (org_y1 > org_y2) y_2 = 子节点A的y最小值 – 0.01， x_2 = org_x1

else y_2 = 子节点A的y最大值, x_2 = org_x1

最终如图9所示，为激光所在地图位置上使用Ray-casting算法确定出的当前位置处所能照射到的地图上的点，这些点是一系列二维坐标的集合：

为了从图中直观的显示出这些点的痕迹，再将这些点与激光雷达分别连线，便可得到如图9所示的射线图，以示意上述算法的表现形态。

步骤S200计算出地图环境点中有效参考物的点集，以供遍历计算其特征值与特征向量并将特征值最大的特征向量方向作为各有效参考物的点集的主方向。

具体来说，当获得激光雷达所能照射到的地图环境点后，为了进一步用于评估定位质量，本示例中巧妙的跳出了传统的定位算法预估定位质量的思维限制，转而将基于2D激光的定位质量评估问题转化为图像上的聚类、特征分析问题。

为此，本示例中，步骤S200中计算有效参考物点集的步骤包括：

步骤S210如图10所示，将地图环境点生成二值图像。

例如计算上述S中(x,y)的各自的最大值与最小值，得到laser_y_max，laser_y_min,laser x max,laser x min。

按照分辨率m，计算图像的长宽像素值：

图像高度=(laser_y_max -laser_y_min)/m；

图像宽度=(laser_x_max-laser_xmin)/m；

遍历 S中的每个点p，计算每个点对应的像素坐标，并设置该像素处的值为1；

行坐标=图像高度 -(p.y - laser_y_min)/ m；

列坐标=(p.x - laser_x_min)/m。

这些图像点的集合为，该些点按激光的扫描顺序排列。

具体的，如图11所示，在二值图中，如果相邻的点比较离散（如图11的方框内的点），这些点显然并不属于一个环境物体，这样的点并不能为定位提供有效参考，可以剔除。同理，如果有很多相邻点（如下图12中箭头所指之处），这样的点集往往属于较大的环境参考物体，可以为定位提供有效参考。

为了确定出有效参考物的点集。本示例中，示例定义有效的参考点集需要满足点集的累计长度不小于0.5米，两点之间的间距不大于0.1米。以遍历中的点，从而获得所有有效参考物的点集。

之后逐个遍历有效参考物的点集，示例使用库/>函数求解出该些点集的特征值与特征向量，并将各点集中特征值最大的特征向量方向作为该有效参考物的主方向。如13所示，最终可在该二值图中确定出11个有效参考物的点集及其主方向。（图13中圆圈所示）

步骤S300当判断点集数量满足最小评估角度分组数量时，将各点集以kmeans算法按主方向分组，然后合并主方向角度差小于最小评估角度的分组；反之则直接合并主方向角度差小于最小评估角度的点集，以完成分组。

具体来说，如图14所示，发明人根据观察发现，移动机器人在走长走廊的环境下，如果采用最常用的粒子滤波定位算法，假定在位置1处计算位姿，该算法会在当前位置附近不同的位置上撒很多粒子，计算后x方向上的粒子由于探测的环境都与地图（都是两条平行的直线）十分匹配，得分都很高，但是机器人的真实的位置只有一个。最终的位姿是按照所有粒子位置的权重（得分越高权重越高）平均，此时平均后Y方向的位置是准确的，但在X方向上，有很多不同X位置的粒子权重都很高，就导致平均值介于这些X中间，没有办法计算出正确的X值。再对该位置打分时，同样，激光探测的环境与地图也很匹配，得分也会很高，但实际上此时位置的置信度很低。

实际上，发明人认为任何定位算法究其本质，都是当前激光探测到的数据与地图数据的配准过程，因此本案构思上认为对于2D激光来说，能够配准的要求就是至少激光要探测到两个朝向不一样的区域，且两块区域的长度足够长，才能确保定位算法可以正确的求解出当前位置，而对环境（即本案中激光探测到周围环境中有效参考物的点集）进行抽象分析的目的，也正是为了验证该条件是否成立。这样相比使用直接的数学算法，采用抽象的手段进行分析，能够得到准确的质量评估解。

因此，实际中如图15中左侧所示的地图地形，激光探测到两面平行的墙，这种情况就属于定位质量不佳。而如果激光雷达能够探测到两个朝向不一样的区域，两块区域的长度足够长，就足以有效的估计出当前的位置，如图15中右侧地图地形，这时就属于定位质量良好的情况。

进一步的，根据发明人的上述理论，为了确定出不同朝向的物体，需要将探测到的有效参考物的点集分成若干组，并保证每组间的最小评估角度示例不小于18°。其中这里的18°是个经验值，这个值在实际的效果中比较好，直观上也足够区分不同的朝向，但本领域技术人员也可根据实际的环境情况进行适当的调整，因此本示例并未对其进行限制。

其中以最小评估角度为18°为例，实际分组数量可为10组（即180°/18°），将各点集以kmeans算法按主方向分10组，实际上是为了保证最差的情况是18°一组，若当前点集数量大于10组，如上述示例为11组，则可进行kmeans算法分组，然后再合并主方向角度差小于18°的分组，最终则如图16所示，可得0-4共5组；反之若当前点集数量不足10组，则直接合并主方向角度差小于18°的点集，以完成分组。此时便有了可以评价检测到的有效方向的数量（即组数）。

具体的，根据上述发明人的理论，结合发明人的实际经验，此时需要根据前述分组情况及各组的特征进行分析，本示例中优选设置该评估规则为3种对应情况：

1) 当没有检测到有效的分组点集，视为异常。

2) 当检测到至少两组有效的分组点集（视为检测到至少两个方向），且两个有效分组点集的长度达到预设阈值（如大于3米）时，视为当前定位质量良好。

3) 当检测到有效的分组点集数量少于两组时，视为当前定位质量不佳。

此外为了进一步细分定位质量不佳的情况，还可以示例分为：

3.1）如果只有一个分组（一个方向）且长度小于1米，视为当前定位质量极差。意味着给出的建议是，需要提供更多不同方向的有效探测区域。从而可指导路径规划方案进行调整。

3.2）如果只有一个分组（一个方向）且长度大于1米，视为当前定位质量非常差。

3.3）如果分组不少于一个时，且最长的分组其长度小于3米，视为当前定位质量很差。

3.4）如果分组不少于一个时，且除最长分组以外的其他分组长度和小于3米时，视为当前定位质量比较差。

由此，根据上述3.1-3.2的质量评价，意味着给出的建议是，需要提供更多不同方向的有效探测区域。而3.3-3.4的质量评价，意味着给出的建议分别是，需要主方向上提供更多的有效环境参考物、需要非主方向上提供更多的有效环境参考物。从而指导路径规划方案进行调整。

此外上述示例中的长度阈值，可根据实际地图环境情况进行调整，本发明并未作出限制，因此任何基于本发明上述示例的发明构思，所作出的任何适应性调整皆在本发明的揭露范围。

进一步的，为了直观的了解2D地图上规划路径的定位质量评估情况，在优选示例中，如图17所示，本方法示例还包括：

步骤S500依据步骤S400作出的评价，在2D地图中对规划路径上相应的定位评估点进行标记。其中该标记可对应步骤S400中不同的评价结果，以进行不同的标识，如采用不同的颜色进行标记，从而当将各定位评估点都显示自身标记时，便可直观的显示规划路径各个位置处的定位质量，如图17中方框指示的区域，则代表着定位质量不佳的问题，从而给出建议调整的提示。

从而通过上述该2D激光定位质量评估方法的示例，能在2D地图中对规划路径上的定位质量进行评估，籍此大量节省了评估所需的时间及成本。从而有助于提前指出不合理的规划线路，帮助现场人员快速部署作业。

另一方面，对应上述方法示例，如图18所示，本发明还提供了一种2D激光定位质量评估系统，其包括：

存储单元，用于存储包括如上示例中任一所述2D激光定位质量评估方法步骤的程序，以供处理单元，导航规划单元适时调取执行；

进一步的，其中所述导航规划单元，还用于根据作出的评价，在2D地图中对规划路径上相应的定位评估点进行标记。

进一步的，其中所述处理单元，使用四叉树算法处理2D地图，建立含有地图环境点的节点区块，并在定位评估点处根据激光雷达的探测范围，使用射线投射算法，确定出射线波及的节点区块内的地图环境点。

另一方面，对应上述方法示例，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述示例中任一所述2D激光定位质量评估方法的步骤。

综上所述，通过本发明提供的该2D激光定位质量评估方法及系统、存储介质，巧妙的跳出了传统的定位算法预估定位质量的思维限制，转而将基于2D激光的定位质量评估问题转化为图像上的聚类、特征分析问题，此举不但降低了计算复杂程度，与算力的要求，同时还解决了传统定位算法方案的局限性问题。更重要的是本方案还无需移动机器人实际运行，便可在2D地图中对规划路径上的定位质量进行评估，籍此大量节省了评估所需的时间及成本。从而有助于提前指出不合理的规划线路，帮助现场人员快速部署作业。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制，凡在本发明的精神和原则之内，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。

本领域技术人员可以理解，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

此外实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器（processor）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims

1.一种2D激光定位质量评估方法，其步骤包括：

2.根据权利要求1所述的2D激光定位质量评估方法，其中步骤100中确定地图环境点的步骤包括：

3.根据权利要求1所述的2D激光定位质量评估方法，其中步骤还包括：

4.根据权利要求1所述的2D激光定位质量评估方法，其中步骤S200中计算有效参考物点集的步骤包括：

步骤S210将地图环境点生成二值图像；

5.根据权利要求1所述的2D激光定位质量评估方法，其中步骤S300中所述最小评估角度分组数量为至少10组，最小评估角度为18°。

6.根据权利要求1所述的2D激光定位质量评估方法，其中步骤S400中所述评估规则包括：

当没有检测到有效的分组点集，视为异常；

7.一种2D激光定位质量评估系统，其包括：

存储单元，用于存储包括如权利要求1至5中任一所述2D激光定位质量评估方法步骤的程序，以供处理单元，导航规划单元适时调取执行；

处理单元，用于根据移动机器人激光雷达的探测范围，在2D地图中确定出评估区域及区域内的地图环境点，以计算出地图环境点中有效参考物的点集，以供遍历计算其特征值与特征向量并将特征值最大的特征向量方向，作为有效参考物的点集的主方向；之后判断点集数量当满足最小评估角度分组数量时，将各点集以kmeans算法按主方向分组，然后合并主方向角度差小于最小评估角度的分组；反之则直接合并主方向角度差小于最小评估角度的点集，以完成分组；之后分析分组后点集的组数及长度，依据评估规则作出评价。

8.根据权利要求7所述的2D激光定位质量评估系统，其中所述导航规划单元，还用于根据作出的评价，在2D地图中对规划路径上相应的定位评估点进行标记。

9.根据权利要求7或8任一所述的2D激光定位质量评估系统，其中所述处理单元，使用四叉树算法处理2D地图，建立含有地图环境点的节点区块，并在定位评估点处根据激光雷达的探测范围，使用射线投射算法，确定出射线波及的节点区块内的地图环境点。

10.一种计算机可读存储介质，其上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至5中任一项所述2D激光定位质量评估方法的步骤。