CN117687035A - 设备定位方法、装置、设备及存储介质 - Google Patents
设备定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117687035A CN117687035A CN202211077246.XA CN202211077246A CN117687035A CN 117687035 A CN117687035 A CN 117687035A CN 202211077246 A CN202211077246 A CN 202211077246A CN 117687035 A CN117687035 A CN 117687035A
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- laser point
- target
- straight line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims description 21
- 230000009467 reduction Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 5
- 230000037361 pathway Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000010408 sweeping Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000013011 mating Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请提供设备定位方法、装置、设备及存储介质。其中,方法包括:获取多个激光点云数据,所述多个激光点云数据为基于目标设备中设置的激光雷达获取到的;对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征;在所述多个方向特征的一致程度大于预设程度的情况下,确定所述目标设备处于目标通道,其中,所述目标通道是指长度大于预设长度的通道。该技术方案可以实现对目标设备是否处于目标通道(如长走廊环境)的精准检测。
Description
技术领域
本申请涉及定位领域,尤其涉及设备定位方法、装置、设备及存储介质。
背景技术
激光雷达,是以发射激光束探测目标的位置、速度等特征量的雷达系统,其一般由发射系统、接收系统、信号处理系统等组成,其中,发射系统用于向外发射光脉冲,接收系统用于接收外界目标反射回来的光脉冲,信号处理系统用于根据反射回来的光脉冲处理获得外界目标的有关信息,以此完成对外界目标的探测、跟踪和识别。
激光雷达在机器人导航、工程测量等领域都有较多的应用,其可以用于对机器人进行定位。在利用激光雷达对机器人进行定位的过程中,当机器人处于长走廊中时,由于激光与地图的匹配只能提供角度和一个方向上的约束,常常会导致机器人行走在长走廊上而不自知,进而引起机器人的定位产生较大的误差或定位失效。
发明内容
本申请提供设备定位方法、装置、设备及存储介质,以解决机器人处于长走廊环境带来的定位误差。
第一方面,提供一种设备定位方法,包括:
获取多个激光点云数据,所述多个激光点云数据为基于目标设备中设置的激光雷达获取到的;
对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征;
在所述多个方向特征的一致程度大于预设程度的情况下,确定所述目标设备处于目标通道,其中,所述目标通道是指长度大于预设长度的通道。
在该技术方案中,在获取到多个激光点云数据后,通过对多个激光点云数据进行方向特征检测,得到多个激光点云数据对应的多个方向特征,并在多个激光点云数据的方向特征的一致程度大于预设程度的情况下,确定目标设备处于目标通道。目标通道的长度大于预设长度,目标设备处于目标通道可以理解为目标设备处于长走廊环境,通过对多个激光点云数据进行方向特征检测的方式,为激光点云数据赋予方向特征,再通过判断激光点云数据的方向特征的一致程度,可以实现对目标设备是否处于目标通道(如长走廊环境)的精准检测,进而实现对目标设备的精准定位。
结合第一方面,在一种可能的实现方式中,所述对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征,包括:基于所述多个激光点云数据进行直线检测,以得到所述多个激光点云数据对应的至少一条直线,并根据所述至少一条直线确定斜率集合,其中,所述斜率集合包括多个斜率,一个斜率用于指示一个激光点云数据的方向特征。通过对激光点云进行直线检测,并利用斜率来指示激光点云数据的方向特征,方式简单,能够实现对激光点云数据的方向特征的快速检测。
结合第一方面,在一种可能的实现方式中,所述基于所述多个激光点云数据进行直线检测,以得到所述多个激光点云数据对应的至少一条直线,并根据所述至少一条直线确定斜率集合,包括:对所述多个激光点云数据进行直线拟合,以得到所述多个激光点云数据对应的至少一条第一直线,其中,一条第一直线包括多个激光点云数据;确定第一激光点云数据和所述第一激光点云数据对应的斜率,所述第一激光点云数据为位于任意一条第一直线上的激光点云数据,所述第一激光点云数据对应的斜率为所述第一激光点云数据所在的第一直线的斜率;将各第一激光点云数据对应的斜率进行组合,得到所述斜率集合。通过对激光点云数据进行直线拟合并将拟合得到的直线与激光点云数据进行对应以确定斜率集合的方式,方式简单。
结合第一方面,在一种可能的实现方式中,所述基于所述多个激光点云数据进行直线检测,以得到所述多个激光点云数据对应的至少一条直线,并根据所述至少一条直线确定斜率集合,包括:对所述多个激光点云数据进行霍夫直线转换,以得到所述多个激光点云数据对应的多条第二直线,其中,一条第二直线对应一个激光点云数据;确定所述多条第二直线的直线交点;确定目标直线交点对应的目标斜率和相交于所述目标直线交点的第二直线的目标直线数量,所述目标直线交点为任一直线交点;根据各个直线交点对应的斜率和所述各个直线交点对应的直线数量,确定所述斜率集合,其中,所述斜率集合中包含的所述目标斜率的数量等于所述目标直线数量。通过对激光点云数据进行霍夫直线转换并通过确定霍夫直线的交点的斜率的方式来确定斜率集合,方式直观便捷。
结合第一方面,在一种可能的实现方式中,所述确定所述行走移动设备处于目标通道之前,还包括:计算所述斜率集合中的斜率的方差;在所述方差小于第一方差阈值的情况下,确定所述多个方向特征的一致程度大于预设程度。通过计算斜率集合中的斜率的方差来确定激光点云数据的方向特征的一致程度,方式简单。
结合第一方面,在一种可能的实现方式中,所述对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征之前,还包括:对所述多个激光点云数据进行降噪处理;所述对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征,包括:对降噪处理后的激光点云数据进行方向特征检测,以得到降噪处理后的激光点云数据对应的方向特征。在确定激光点云数据的方向特征之前对激光点云数据进行降噪处理,能够保证后续判断目标设备是否处于目标通道的准确度。
结合第一方面,在一种可能的实现方式中所述目标设备中设置有多种定位传感器,所述多种定位传感器包括所述激光雷达,所述多种定位传感器用于对所述目标设备进行定位;所述确定所述目标设备处于目标通道之后,还包括:调整目标设备中至少一种定位传感器对应的融合定位权重,以降低所述激光雷达在所述目标设备的定位过程中的权重占比。在确定目标设备处于长走廊环境之后,通过调整设备中的融合定位权重来降低激光雷达对于定位的权重占比,可以降低激光雷达对于目标设备定位的影响,从而可以提高设备定位的准确度。
第二方面,提供一种设备定位装置,包括:
数据获取模块,用于获取多个激光点云数据,所述多个激光点云数据为基于目标设备中设置的激光雷达获取到的;
特征检测模块,用于对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征;
确定模块,用于在所述多个方向特征的一致程度大于预设程度的情况下,确定所述行走移动设备处于目标通道,其中,所述目标通道是指长度大于预设长度的通道。
第三方面,提供一种计算机设备,包括存储器以及一个或多个处理器,所述存储器连接至所述一个或多个处理器,一个或多个处理器用于执行存储在存储器中的一个或多个计算机程序,一个或多个处理器在执行一个或多个计算机程序时,使得该计算机设备实现上述第一方面的设备定位方法。
第四方面,提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,上述程序指令当被处理器执行时使上述处理器执行上述第一方面的设备定位方法。
本申请可以实现如下技术效果:目标通道的长度大于预设长度,目标设备处于目标通道可以理解为目标设备处于长走廊环境,通过对多个激光点云数据进行方向特征检测的方式,为激光点云数据赋予方向特征,再通过判断激光点云数据的方向特征的一致程度,可以实现对目标设备是否处于目标通道(如长走廊环境)的精准检测,进而实现对目标设备的精准定位。
附图说明
图1是本申请实施例提供的一种设备定位方法的流程示意图;
图2是本申请实施例提供的激光点云数据和拟合直线的示意图;
图3是本申请实施例提供的激光点云数据和霍夫直线的示意图;
图4是本申请实施例提供的激光点云数据和曲线的示意图;
图5是本申请实施例提供的另一种设备定位方法的流程示意图
图6是本申请实施例提供的一种设备定位装置的结构示意图;
图7是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
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描述。
本申请的技术方案可适用于基于激光雷达对设备进行定位的场景,其中,在基于激光雷达对设备进行定位的场景中,设置有激光雷达的目标设备可以通过激光雷达的发射系统向外发射激光脉冲,并通过激光雷达的接收系统接收从外界目标(如墙体、障碍物等)反射回来的激光脉冲,然后通过激光雷达的信号处理系统对激光脉冲进行处理,形成有关于外界目标的激光点云数据。激光点云数据具有空间坐标信息,用于表征外界目标的某个点的空间坐标,可选地,激光点云数据还可以包括颜色信息、反射强度信息、回波次数信息,等等。
本申请的技术方案具体可应用在设置有激光雷达的目标设备上,目标设备例如可以为送餐机器人、运输机器人、扫地机器人等,不限于这里的举例。可选地,本申请的技术方案也可以应用在与目标设备具有连接关系或者配套关系的其他设备上,目标设备与其他设备之间的连接关系可以为有线连接关系,也可以为无线连接关系。例如,目标设备为扫地机器人,其他设备可以是指与扫地机器人配套的基站,或者,其他设备也可以是指与扫地机器人对应的后台服务器(如云服务器),后台服务器与扫地机器人之间基于无线通信传输数据。
本申请的技术原理总体如下:在获取到具有激光雷达的目标设备获取到的激光点云数据的情况下,通过对目标设备的激光雷达获取到的多个激光点云数据进行方向特征检测,得到多个激光点云数据的方向特征,再判断多个激光点云数据的方向特征是否一致,如果多个激光点云数据的方向特征一致,则说明外界目标一直未发生变化,因而可确定目标设备位于一个较长的目标通道中,完成对目标设备处于长走廊环境的精确判定,以实现对目标设备的精准定位。在检测出目标设备处于长走廊环境中后,对目标设备的定位融合权重进行调整,降低激光匹配对于目标设备的定位的影响,从而可以避免定位丢失。
以下具体介绍本申请的技术方案。
参见图1,图1是本申请实施例提供的一种设备定位方法的流程示意图,该方法可以应用在前述提到的目标设备或与目标设备具有连接关系或者配套关系的其他设备上,如图1所示,该方法包括如下步骤:
S101,获取多个激光点云数据。
其中,多个激光点云数据是基于目标设备中设置的激光雷达获取到的;目标设备是指基于激光雷达进行定位的设备,目标设备中可设置有一个或多个定位传感器,该一个或多个定位传感器用于检测目标设备在移动过程中产生的定位数据,定位数据用于确定目标设备在移动过程中的位置和目标设备所处的场景。该一个或多个定位传感器包括激光雷达,基于激光雷达产生的定位数据为激光点云数据。在目标设备中设置有多个定位传感器的情况下,该多个定位传感器还可以包括位移传感器(如霍尔传感器、光电位移传感器)、陀螺仪,等等,不限于这里的描述。
具体地,多个激光点云数据可以是目标设备在移动过程中获取到的多个激光点云数据。
具体地,在该技术方案应用在目标设备的情况下,目标设备可以驱动目标设备中设置的激光雷达向外发出多个光脉冲,并接收外界目标反射回来的光脉冲,以形成多个激光点云数据,从而获取到多个激光点云数据;在该技术方案应用在与目标设备具有连接关系或者配套关系的其他设备的情况下,当目标设备获取到多个激光点云数据时,目标设备可以将多个激光点云数据发送给该其他设备,其他设备接收目标设备发送的多个激光点云数据,从而获取到多个激光点云数据。
S102,对多个激光点云数据进行方向特征检测,以得到多个激光点云数据对应的多个方向特征。
这里,对多个激光点云数据进行方向特征检测,以得到多个激光点云数据对应的多个方向特征是指,通过统一的表达处理方式,对各激光点云数据进行方向性表达,使得处理得到的数据可以用于表达或指示激光点云数据的方向。
在一些可能的场景中,可以利用激光点云数据所在的直线的斜率来表达激光点云数据的方向。
具体地,可以基于多个激光点云数据进行直线检测,以得到多个激光点云数据对应的至少一条直线,并根据至少一条直线确定斜率集合,其中,斜率集合包括多个斜率,一个斜率用于指示一个激光点云数据的方向特征。激光点云数据对应的至少一条直线可以是指激光点云数据所在的直线,也可以是指用于表达激光点云数据的直线。通过对激光点云进行直线检测,并利用斜率来指示激光点云数据的方向特征,方式简单,能够实现对激光点云数据的方向特征的快速检测。
在激光点云数据对应的至少一条直线为激光点云数据所在的直线的情况下,可以通过如下步骤A1-A3确定斜率集合:
A1、对多个激光点云数据进行直线拟合,以得到多个激光点云数据对应的至少一条第一直线。
这里,第一直线为激光点云数据所在的直线,第一直线包括多个激光点云数据。对多个激光点云数据进行直线拟合,是指在多个激光点云数据中寻找直线,使得多个激光点云数据中的大部分激光点云数据都能落在寻找到的直线上。寻找到的直线即为第一直线。
具体实现中,可基于霍夫直线检测、均方根方法等直线拟合方式对多个激光点云数据进行直线拟合,以得到多个激光点云数据对应的至少一条第一直线。
A2、确定第一激光点云数据和第一激光点云数据对应的斜率。
其中,第一激光点云数据为位于任意一条第一直线上的激光点云数据,第一激光点云数据对应的斜率为第一激光点云数据所在的第一直线的斜率。
示例性地,可参考图2,假设图2中的点为激光点云数据,图2中的直线L1~L5为对图2中的激光点云数据拟合得到的直线,则第一激光点云数据可以为直线L1上的点p1、直线L1上的点p2,也可以为直线L2上的点p3,还可以为直线L3上的点P4,等等。当第一激光点云数据为点p1或点p2时,第一激光点云数据对应的斜率为直线L1的斜率k1;当第一激光点云数据为点p3时,第一激光点云数据对应的斜率为直线L2的斜率k2;当第一激光点云数据为点p4时,第一激光点云数据对应的斜率为直线L3的斜率k3。
A3、将各第一激光点云数据对应的斜率进行组合,得到斜率集合。
具体地,将各第一激光点云数据对应的斜率进行组合,是指对每一个第一激光点云数据对应的斜率进行组合,斜率集合中的斜率数量等于第一激光点云数据的总数量。仍以图2为例,将各第一激光点云数据对应的斜率进行组合,是指对落在直线L1~L5的每一个激光点云数据对应的斜率进行组合,得到集合{k1,k1,k2,k3,……}。
通过对激光点云数据进行直线拟合并将拟合得到直线与激光点云数据进行对应以确定斜率集合的方式,方式简单。
在激光点云数据对应的至少一条直线为用于表达激光点云数据的直线的情况下,可以通过如下步骤B1-B4确定上述斜率集合:
B1、对多个激光点云数据进行霍夫直线转换,以得到多个激光点云数据对应的多条第二直线。
这里,对多个激光点云数据进行霍夫直线转换,是指将每个激光点云数据从笛卡尔坐标系转换到霍夫坐标系,通过霍夫坐标系中的一条直线来表达笛卡尔坐标系中的一个坐标点,以表示一个激光点云数据。激光点云数据对应的坐标系在霍夫坐标系中的表示,即为第二直线,一条第二直线对应一个激光点云数据。
示例性地,可参考图3,假设图3中的点(1,0)、(1,1)、(2,1)、(3,2)、(4,1)为激光点云数据,将其进行霍夫转换后得到第二直线如图3中的直线l1~直线l5所示,其中,直线l1(b=-k)为点(1,0)对应的第二直线,直线l2(b=-k+1)为点(1,1)对应的第二直线,直线l3(b=-2k+1)为点(2,1)对应的第二直线,直线l4(b=-3k+2)为点(3,2)对应的第二直线,直线l5(b=-4k+1)为点(4,1)对应的第二直线。
B2、确定多个激光点云数据对应的多条第二直线的交点。
仍以图3为例,由图3可知,直线l1~直线l5存在2个交点,分别为交点P1(0,1)、交点P2(1,-1),则交点P1和交点P2即为确定得到的交点。
B3、确定目标直线交点对应的目标斜率和相交于目标直线交点的第二直线的目标直线数量。
其中,目标直线交点为任一直线交点,目标直线交点对应的目标斜率是指目标直线交点在霍夫坐标系中表示斜率的坐标。以图3为例,图3中表示斜率的坐标为横坐标,目标直线交点可以为交点P1,由图3可知,交点P1的横坐标为0,则交点P1的对应的斜率为0,相交于交点P1的直线有3条;目标直线交点也可以为交点P2,由图3可知,交点P2的横坐标为1,则交点P2对应的斜率为1,相交于交点P2的交点的直线有3条。
B4、根据各个直线交点对应的斜率和各个直线交点对应的直线数量,确定斜率集合。
其中,斜率集合中包含的目标斜率的数量等于目标直线数量,目标斜率是指目标直线交点对应的斜率。以图3为例,交点P1对应的斜率为0,相交于交点P1的直线有3条,交点P2对应的斜率为1,相交于交点P2的交点的直线有3条,则斜率集合为{0,0,0,1,1,1}。
通过对激光点云数据进行霍夫直线转换并通过确定霍夫直线的交点的斜率的方式来确定斜率集合,方式更为直观便捷。
可选地,在一些可能的情况中,在获得各个直线交点对应的斜率和各个直线交点对应的直线数量之后,还可以根据各个直线交点对应的直线数量,选择直线数量大于第一预设数量的直线交点作为候选直线交点,根据候选直线交点对应的斜率和候选直线交点对应的直线数量,确定斜率集合。其中,斜率集合中包含的任一候选直线交点对应的斜率的数量等于任一候选直线交点对应的直线数量。通过选择直线数量大于第一预设数量的直线交点来确定斜率集合,能够剔除激光点云数据中的部分噪声,使得斜率集合中的斜率更能反映激光点云数据的方向的分布情况。
在另一些可能的场景中,也可以用极坐标系中的角度来表达激光点云数据的方向。
具体地,上述步骤S102可以包括如下步骤C1-C4:
C1、对多个激光点云数据进行极坐标曲线转换,以得到多个激光点云数据对应的多条曲线。
这里,对激光点云数据进行极坐标曲线转换,是指将激光点云数据从笛卡尔坐标系转换到极坐标系,通过极坐标系中的一条曲线来表达笛卡尔坐标系中的一个坐标点,以表示一个激光点云数据,即极坐标系中的一条曲线对应笛卡尔坐标系中的一个激光点云数据。
示例性地,可参考图4,假设图4中的点(1,0)、(2,1)、(3,2)为激光点云数据,将其进行极坐标曲线转换后得到的曲线如图4中的曲线s1~曲线s3所示,其中,曲线s1(ρ=cosθ)为点(1,0)对应的曲线,曲线s2(ρ=2cosθ+sinθ)为点(2,1)对应的曲线,曲线s3(ρ=3cosθ+2sinθ)为点(3,2)对应的曲线。
C2、确定多个激光点云数据对应的多条曲线的曲线交点。
仍以图4为例,由图4可知,曲线s1~曲线s3存在1个曲线交点,即交点P3。
C3、确定目标曲线交点对应的目标角度和相交于目标曲线交点的曲线的目标曲线数量。
其中,目标曲线交点为任一曲线交点,目标曲线对应的目标角度是指目标曲线交点在极坐标系中表示角度的坐标。以图4为例,图4中表示角度的坐标为横坐标,目标交点为交点P3,由图3可知,交点P3的横坐标为θ0,则交点P3对应的角度为θ0,相交于交点P3的曲线有3条。
C4、根据各个曲线交点对应的角度和各个曲线交点对应的曲线数量,确定角度集合。
其中,角度集合包括多个角度,一个角度用于指示一个激光点云数据的方向。角度集合中包含的目标角度的数量等于目标曲线数量,目标角度是指目标曲线交点对应的目标角度。以图4为例,交点P3对应的目标角度为θ0,相交于交点P3的曲线有3条,则斜率集合为{θ0,θ0,θ0}。
通过对激光点云数据进行极坐标曲线交换,并利用极坐标系下的角度来表达激光点云数据的方向,能更好地表达激光点云数据的方向,使得激光点云数据的方向更为直观。
可选地,在一些可能的情况中,在获得各个曲线交点对应的角度和各个曲线交点对应的曲线数量之后,还可以根据各个曲线交点对应的曲线数量,选择曲线数量大于第二预设数量的曲线交点作为候选曲线交点,根据候选曲线交点对应的角度和候选曲线交点对应的曲线数量,确定角度集合。其中,角度集合中包含的任一候选曲线交点对应的角度的数量等于该任一候选曲线交点对应的曲线数量。通过选择曲线数量大于第二预设数量的曲线交点来确定角度集合,能够剔除激光点云数据中的部分噪声,使得角度集合中的角度更能反映激光点云数据的方向的分布情况。
不限于上述情况,在可选实施方式中,还可以有更多表达激光点云数据的方式,本申请不做限定。
S103,在多个激光点云数据对应的多个方向特征的一致程度大于预设程度的情况下,确定目标设备处于目标通道。
其中,多个激光点云数据对应的多个方向特征的一致程度用于表征外界目标的相关变化情况。如果多个激光点云数据对应的多个方向特征的一致程度大于预设程度,则说明多个激光点云的方向特征一致,也就说明外界目标未发生变化,从而可确定目标设备处于长度大于预设长度的目标通道,如处于长走廊通道。如果多个激光点云数据对应的多个方向特征的一致程度小于或等于预设程度,则多个激光点云的方向特征不太一致,说明外界目标有发生变化。
在利用激光点云数据所在的直线的斜率来表达激光点云数据的方向的情况下,可以通过斜率集合中的斜率的方差来表征多个激光点云数据对应的多个方向特征的一致程度。具体地,可以计算斜率集合中的斜率的方差,在斜率集合的斜率的方差小于第一方差阈值的情况下,说明斜率集合中的斜率的波动程度较小,斜率的一致程度高,因此可确定多个激光点云数据对应的多个方向特征的一致程度大于预设程度。其中,第一方差阈值可以根据实际情况设定。
在利用极坐标系中的角度来表达激光点云数据的方向的情况下,可以通过角度集合中的角度的方差来表征多个激光点云数据对应的多个方向特征的一致程度。具体地,可以计算角度集合中的角度的方差,在角度集合的角度的小于第二方差阈值的情况下,说明角度集合中的角度的波动程度较小,角度的一致程度高,因此可确定多个激光点云数据对应的多个方向特征的一致程度大于预设程度。其中,第二方差阈值可以根据实际情况设定。
可选地,在斜率集合中的斜率的方差不小于该第一方差阈值或者角度集合中的角度的方差不小于第二方差阈值的情况下,确定多个激光点云数据对应的多个方向特征的一致程度大于预设程度,进一步确定目标设备不在目标通道中。由于方差可以反映数据的离散和波动情况,通过计算方差的方式来确定激光点云数据的方向特征的一致程度进而确定目标设备是否在长度大于预设长度的目标通道中,方式简单。
在上图1的技术方案中,在获取到多个激光点云数据后,通过对多个激光点云数据进行方向特征检测,得到多个激光点云数据对应的多个方向特征,并在多个激光点云数据的方向特征的一致程度大于预设程度的情况下,确定目标设备处于目标通道。目标通道的长度大于预设长度,目标设备处于目标通道可以理解为目标设备处于长走廊环境,通过对多个激光点云数据进行方向特征检测的方式,为激光点云数据赋予方向特征,再通过判断激光点云数据的方向特征的一致程度,可以实现对目标设备是否处于目标通道(如长走廊环境)的精准检测,进而实现对目标设备的精准定位。
参见图5,图5是本申请实施例提供的另一种设备定位方法的流程示意图,该方法可以应用在前述提到的目标设备或与目标设备具有连接关系或者配套关系的其他设备,如图5所示,该方法包括如下步骤:
S201,获取多个激光点云数据。
这里,步骤S201的有关描述可参考前述步骤S101的描述,此处不再赘述。
S202,对多个激光点云数据进行降噪处理。
这里,对多个激光点云数据进行降噪处理,是指去除多个激光点云数据中的噪声激光点云数据。噪声激光点云数据为因为检测误差、外部干扰等原因所产生的孤立或离群的激光点云数据。
在一种可行的方式中,可以基于欧式距离对多个激光点云数据进行聚类,得到多个激光点云数据类,在多个激光点云数据类中确定激光点云数据的数量少于第三预设数量的目标激光点云数据类,去除目标激光点云数据类中的激光点云数据,实现对多个激光点云数据的降噪处理。
具体地,基于欧式距离对多个激光点云数据进行聚类的一种具体过程可以如下:
(1)在多个激光点云数据组成的原始激光数据集中将任意一个激光点云数据确定为聚类点。
(2)在原始激光数据集合中查找与聚类点的欧式距离小于预设距离阈值的激光点云数据。
(3)将与聚类点的欧式距离小于预设距离阈值的激光点云数据和聚类点进行组合,形成组合激光数据集,并将聚类点作为已搜索激光点云数据。
(4)在组合激光数据集中将除去已搜索激光点云数据之外的任一激光点云数据作为聚类点,重复执行步骤(2)和(3),直至查找不到与聚类点的欧式距离小于预设距离阈值的激光点云数据,将组合激光数据集中的激光点云数据作为一个激光点云数据类。
(5)在原始激光数据集合中去除激光点云数据类中的激光点云数据后,清组合激光数据集,重复执行步骤(1)~(4),直至将所有的激光点云数据均划分到激光点云数据类中。
在通过上述步骤(1)~(5)得到的激光点云数据类之后,可以确定每个激光点云数据类中的激光点云数据的数量,将激光点云数据的数量少于第三预设数量的激光点云数据类确定为目标激光点云数据类。通过基于欧式聚类对多个激光点云数据进行聚类,能够实现对激光点云数据的快速聚类,提高数据处理效率。
可选地,也可以基于其他的聚类方式对激光点云数据进行聚类得到多个类,例如,还可以通过Agglomerative算法、基于密度的噪声应用空间聚类(density-based spatialclustering of applications with noise,DBSCAN)等算法对对激光点云数据进行聚类得到多个类。
可选地,也可以通过其他方式对对多个激光点云数据进行降噪处理,本申请不做限制。
S203,对降噪处理后的激光点云数据进行方向特征检测,以得到降噪处理后的激光点云数据对应的方向特征。
S204,在降噪处理后的激光点云数据对应的方向特征的一致程度大于预设程度的情况下,确定目标设备处于目标通道。
其中,步骤S203~S204中基于降噪处理后的激光点云数据确定目标设备是否处于目标通道的具体实施方式,可参考前述步骤S102~S103的有关描述,此处不再赘述。
在上述图5的技术方案中,在获取到多个激光点云数据后,在确定激光点云数据的方向特征之前对激光点云数据进行降噪处理,能够保证确定的多个激光点云数据的方向特征更加准确,进而在根据激光点云数据的方向特征的一致程度判断目标设备是否处于目标通道时能够判断得更准确,从而提高识别目标设备是否处于长走廊环境的准确度。
可选地,在一些的情况中,在目标设备具有多种定位传感器的情况下,在确定目标设备处于目标通道之后,还可以调整目标设备中至少一种定位传感器对应的融合定位权重,以降低激光雷达在目标设备的定位过程中的权重占比。
在一些可能的情况中,可以通过降低激光雷达对应的融合定位权重来降低激光雷达在目标设备的定位过程中的权重占比。例如,在基于自适应蒙特卡洛定位(adaptivementcarto localization,AMCL)算法、激光里程计和轮式里程计的融合算法对目标设备进行定位的场景中,由于AMCL算法和激光里程计均依赖于激光雷达获取到的激光点云数据,因此,可以增大AMCL算法和激光里程计的协方差,以使得AMCL算法和激光里程计对应的权重降低,从而降低激光雷达在目标设备的定位过程中的权重占比。
在另一些可能的情况中,也可以通过提高多个定位传感器中除激光雷达之外的一个或多个定位传感器的融合定位权重来降低激光雷达在目标设备的定位过程中的权重占比。例如,在基于AMCL算法、激光里程计和轮式里程计的融合算法对目标设备进行定位的场景中,可以增大轮式里程计的权重,以降低激光雷达在目标设备的定位过程中的权重占比。
在确定目标设备处于长走廊环境之后,通过调整设备中的融合定位权重来降低激光雷达对于定位的权重占比,可以降低激光雷达对于目标设备定位的影响,从而可以提高设备定位的准确度。
参见图6,图6是本申请实施例提供的一种设备定位装置的结构示意图。如图6所示,该设备定位装置可以为具有激光雷达的目标设备或与目标设备具有连接关系或者配套关系的其他设备。该设备定位装置30包括:
数据获取模块301,用于获取多个激光点云数据,所述多个激光点云数据为基于目标设备中设置的激光雷达获取到的;
特征检测模块302,用于对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征;
确定模块303,用于在所述多个方向特征的一致程度大于预设程度的情况下,确定所述行走移动设备处于目标通道,其中,所述目标通道是指长度大于预设长度的通道。
在一种可能的设计中,上述特征检测模块302具体用于:基于所述多个激光点云数据进行直线检测,以得到所述多个激光点云数据对应的至少一条直线,并根据所述至少一条直线确定斜率集合,其中,所述斜率集合包括多个斜率,一个斜率用于指示一个激光点云数据的方向特征。
在一种可能的设计中,上述特征检测模块302具体用于:对所述多个激光点云数据进行直线拟合,以得到所述多个激光点云数据对应的至少一条第一直线,其中,一条第一直线包括多个激光点云数据;确定第一激光点云数据和所述第一激光点云数据对应的斜率,所述第一激光点云数据为位于任意一条第一直线上的激光点云数据,所述第一激光点云数据对应的斜率为所述第一激光点云数据所在的第一直线的斜率;将各第一激光点云数据对应的斜率进行组合,得到所述斜率集合。
在一种可能的设计中,上述特征检测模块302具体用于:对所述多个激光点云数据进行霍夫直线转换,以得到所述多个激光点云数据对应的多条第二直线,其中,一条第二直线对应一个激光点云数据;确定所述多条第二直线的直线交点;确定目标直线交点对应的目标斜率和相交于所述目标直线交点的第二直线的目标直线数量,所述目标直线交点为任一直线交点;根据各个直线交点对应的斜率和所述各个直线交点对应的直线数量,确定所述斜率集合,其中,所述斜率集合中包含的所述目标斜率的数量等于所述目标直线数量。
在一种可能的设计中,上述设备定位装置30还包括计算模块304,用于计算所述斜率集合中的斜率的方差;在所述方差小于第一方差阈值的情况下,确定所述多个方向特征的一致程度大于预设程度。
在一种可能的设计中,上述设备定位装置30还包括降噪模块305,用于对所述多个激光点云数据进行降噪处理;上述特征检测模块302具体用于:对降噪处理后的激光点云数据进行方向特征检测,以得到降噪处理后的激光点云数据对应的方向特征。
在一种可能的设计中,所述目标设备中设置有多种定位传感器,所述多种定位传感器用于对所述目标设备进行定位,所述定位传感器包括所述激光雷达;上述设备定位装置30还包括调整模块306,用于调整目标设备中至少一种定位传感器对应的融合定位权重,以降低所述激光雷达在所述目标设备的定位过程中的权重占比。
需要说明的是,图6对应的实施例中未提及的内容可参见前述方法实施例的描述,这里不再赘述。
上述装置,在获取到多个激光点云数据后,通过对多个激光点云数据进行方向特征检测,得到多个激光点云数据对应的多个方向特征,并在多个激光点云数据的方向特征的一致程度大于预设程度的情况下,确定目标设备处于目标通道。目标通道的长度大于预设长度,目标设备处于目标通道可以理解为目标设备处于长走廊环境,通过对多个激光点云数据进行方向特征检测的方式,为激光点云数据赋予方向特征,再通过判断激光点云数据的方向特征的一致程度,可以实现对目标设备是否处于目标通道(如长走廊环境)的精准检测,进而实现对目标设备的精准定位。
参见图7,图7是本申请实施例提供的一种计算机设备的结构示意图,该设备定位装置可以为具有激光雷达的目标设备或与目标设备具有连接关系或者配套关系的其他设备。该计算机设备40包括处理器401、存储器402。存储器402连接至处理器401,例如通过总线连接至处理器401。
处理器401被配置为支持该计算机设备40执行上述方法实施例中的方法中相应的功能。该处理器401可以是中央处理器(central processing unit,CPU),网络处理器(network processor,NP),硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(application specific integrated circuit,ASIC),可编程逻辑器件(programmablelogic device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complexprogrammable logic device,CPLD),现场可编程逻辑门阵列(field-programmable gatearray,FPGA),通用阵列逻辑(generic array logic,GAL)或其任意组合。
存储器402用于存储程序代码等。存储器402可以包括易失性存储器(volatilememory,VM),例如随机存取存储器(random access memory,RAM);存储器402也可以包括非易失性存储器(non-volatile memory,NVM),例如只读存储器(read-only memory,ROM),快闪存储器(flash memory),硬盘(hard disk drive,HDD)或固态硬盘(solid-state drive,SSD);存储器402还可以包括上述种类的存储器的组合。
可选地,在计算机设备为目标设备的情况下,计算机设备还包括激光雷达,进一步地,计算机设备还可以包括除激光雷达之外的其他定位传感器,如位移传感器、陀螺仪等。
处理器401可以调用所述程序代码以执行以下操作:
获取多个激光点云数据,所述多个激光点云数据为基于目标设备中设置的激光雷达获取到的;
对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征;
在所述多个方向特征的一致程度大于预设程度的情况下,确定所述目标设备处于目标通道,其中,所述目标通道是指长度大于预设长度的通道。
本申请实施例还提供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,所述计算机程序包括程序指令,所述程序指令当被计算机执行时使所述计算机执行如前述实施例所述的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only memory,ROM)或随机存储记忆体(Random Accessmemory,RAM)等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (10)
1.一种设备定位方法,其特征在于,包括:
获取多个激光点云数据,所述多个激光点云数据为基于目标设备中设置的激光雷达获取到的;
对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征;
在所述多个方向特征的一致程度大于预设程度的情况下,确定所述目标设备处于目标通道,其中,所述目标通道是指长度大于预设长度的通道。
2.根据权利要求1所述的方法,其特征在于,所述对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征,包括:
基于所述多个激光点云数据进行直线检测,以得到所述多个激光点云数据对应的至少一条直线,并根据所述至少一条直线确定斜率集合,其中,所述斜率集合包括多个斜率,一个斜率用于指示一个激光点云数据的方向特征。
3.根据权利要求2所述的方法,其特征在于,所述基于所述多个激光点云数据进行直线检测,以得到所述多个激光点云数据对应的至少一条直线,并根据所述至少一条直线确定斜率集合,包括:
对所述多个激光点云数据进行直线拟合,以得到所述多个激光点云数据对应的至少一条第一直线,其中,一条第一直线包括多个激光点云数据;
确定第一激光点云数据和所述第一激光点云数据对应的斜率,所述第一激光点云数据为位于任意一条第一直线上的激光点云数据,所述第一激光点云数据对应的斜率为所述第一激光点云数据所在的第一直线的斜率;
将各第一激光点云数据对应的斜率进行组合,得到所述斜率集合。
4.根据权利要求2所述的方法,其特征在于,所述基于所述多个激光点云数据进行直线检测,以得到所述多个激光点云数据对应的至少一条直线,并根据所述至少一条直线确定斜率集合,包括:
对所述多个激光点云数据进行霍夫直线转换,以得到所述多个激光点云数据对应的多条第二直线,其中,一条第二直线对应一个激光点云数据;
确定所述多条第二直线的直线交点;
确定目标直线交点对应的目标斜率和相交于所述目标直线交点的第二直线的目标直线数量,所述目标直线交点为任一直线交点;
根据各个直线交点对应的斜率和所述各个直线交点对应的直线数量,确定所述斜率集合,其中,所述斜率集合中包含的所述目标斜率的数量等于所述目标直线数量。
5.根据权利要求2所述的方法,其特征在于,所述确定所述行走移动设备处于目标通道之前,还包括:
计算所述斜率集合中的斜率的方差;
在所述方差小于第一方差阈值的情况下,确定所述多个方向特征的一致程度大于预设程度。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征之前,还包括:
对所述多个激光点云数据进行降噪处理;
所述对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征,包括:
对降噪处理后的激光点云数据进行方向特征检测,以得到降噪处理后的激光点云数据对应的方向特征。
7.根据权利要求1-5任一项所述的方法,其特征在于,所述目标设备中设置有多种定位传感器,所述多种定位传感器包括所述激光雷达,所述多种定位传感器用于对所述目标设备进行定位;
所述确定所述目标设备处于目标通道之后,还包括:
调整目标设备中至少一种定位传感器对应的融合定位权重,以降低所述激光雷达在所述目标设备的定位过程中的权重占比。
8.一种设备定位装置,其特征在于,包括:
数据获取模块,用于获取多个激光点云数据,所述多个激光点云数据为基于目标设备中设置的激光雷达获取到的;
特征检测模块,用于对所述多个激光点云数据进行方向特征检测,以得到所述多个激光点云数据对应的多个方向特征;
确定模块,用于在所述多个方向特征的一致程度大于预设程度的情况下,确定所述行走移动设备处于目标通道,其中,所述目标通道是指长度大于预设长度的通道。
9.一种计算机设备,其特征在于,包括存储器、处理器,所述存储器连接至所述处理器,所述处理器用于执行存储在所述存储器中的一个或多个计算机程序,所述处理器在执行所述一个或多个计算机程序时,使得所述计算机设备实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211077246.XA CN117687035A (zh) | 2022-09-05 | 2022-09-05 | 设备定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211077246.XA CN117687035A (zh) | 2022-09-05 | 2022-09-05 | 设备定位方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117687035A true CN117687035A (zh) | 2024-03-12 |
Family
ID=90127044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211077246.XA Pending CN117687035A (zh) | 2022-09-05 | 2022-09-05 | 设备定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117687035A (zh) |
-
2022
- 2022-09-05 CN CN202211077246.XA patent/CN117687035A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11030803B2 (en) | Method and apparatus for generating raster map | |
CN109285188B (zh) | 用于生成目标物体的位置信息的方法和装置 | |
CN109932713B (zh) | 定位方法、装置、计算机设备、可读存储介质和机器人 | |
US20190202067A1 (en) | Method and device for localizing robot and robot | |
CN108734780B (zh) | 用于生成地图的方法、装置和设备 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN108732554B (zh) | 激光雷达标定方法和装置 | |
CN111913169B (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
CN111856499A (zh) | 基于激光雷达的地图构建方法和装置 | |
CN110618413A (zh) | 基于多线激光雷达的可通行区域检测方法和装置 | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN113932790A (zh) | 一种地图更新方法、装置、系统、电子设备及存储介质 | |
CN113029136A (zh) | 定位信息处理的方法、设备、存储介质及程序产品 | |
CN109489658B (zh) | 一种运动目标定位方法、装置及终端设备 | |
CN111113405B (zh) | 一种机器人获得位置服务的方法及机器人 | |
CN117687035A (zh) | 设备定位方法、装置、设备及存储介质 | |
CN113923772B (zh) | 基站标定方法和装置、计算机设备以及存储介质 | |
CN110940994A (zh) | 定位初始化方法及其系统 | |
JP7220246B2 (ja) | 位置検出方法、装置、機器及び読み取り可能な記憶媒体 | |
CN115453549A (zh) | 一种基于二维激光雷达的环境直角点坐标角度的提取方法 | |
US20210405197A1 (en) | GLOBAL LOCALIZATION APPARATUS AND METHOD IN DYNAMIC ENVIRONMENTS USING 3D LiDAR SCANNER | |
WO2023150961A1 (zh) | 一种标定方法及装置 | |
CN112965076B (zh) | 一种用于机器人的多雷达定位系统及方法 | |
CN112269378B (zh) | 一种激光定位方法及装置 | |
EP4318027A1 (en) | Synchronous control device and method for lidar |
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 |