CN117968735B - 检测自移动设备定位状态的方法、自移动设备及存储介质 - Google Patents

检测自移动设备定位状态的方法、自移动设备及存储介质 Download PDF

Info

Publication number
CN117968735B
CN117968735B CN202410389754.4A CN202410389754A CN117968735B CN 117968735 B CN117968735 B CN 117968735B CN 202410389754 A CN202410389754 A CN 202410389754A CN 117968735 B CN117968735 B CN 117968735B
Authority
CN
China
Prior art keywords
boundary
self
pixel
information
mobile device
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.)
Active
Application number
CN202410389754.4A
Other languages
English (en)
Other versions
CN117968735A (zh
Inventor
郭睿
王斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Zhumang Technology Co ltd
Original Assignee
Shenzhen Zhumang Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Zhumang Technology Co ltd filed Critical Shenzhen Zhumang Technology Co ltd
Priority to CN202410389754.4A priority Critical patent/CN117968735B/zh
Publication of CN117968735A publication Critical patent/CN117968735A/zh
Application granted granted Critical
Publication of CN117968735B publication Critical patent/CN117968735B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种检测自移动设备定位状态的方法、自移动设备及存储介质，涉及人工智能领域。所述方法包括：获取所述自移动设备当前采集的点云数据，根据所述点云数据确定所述自移动设备所处环境对应的第一像素边界信息；获取环境栅格地图，根据所述自移动设备的位置从所述环境栅格地图中确定局部子图，并获取所述局部子图对应的第二像素边界信息；确定所述第一像素边界信息与所述第二像素边界信息的匹配信息；根据所述匹配信息确定所述自移动设备的定位状态。本申请旨在解决了相关技术中自移动设备无法准确且高效地判定定位状态，导致容易误判定位状态而出现诡异导航行为以及重大安全风险的问题。

Description

检测自移动设备定位状态的方法、自移动设备及存储介质
技术领域
本申请涉及人工智能领域，尤其涉及一种检测自移动设备定位状态的方法、自移动设备及存储介质。
背景技术
随着自移动设备（如可移动的机器人）的快速发展，自移动设备的应用范围越来越广泛。在实际生产和生活中，自移动设备已经广泛应用于酒店、商超、楼宇、机场等商业场景中。自移动设备在进行导航定位的过程中，对于自移动设备的定位状态有很高的要求，一般需要保证自移动设备的定位状态为良好状态，才会使自移动设备执行导航任务。然而，自移动设备在实际环境中可能会受到动态物体围堵、环境变化、被人挟持或推拉拖拽等影响，从而导致定位丢失（异常状态）。目前，相关技术中自移动设备无法准确且高效地判定定位状态，导致容易误判定位状态。
发明内容
本申请提供了一种检测自移动设备定位状态的方法、自移动设备及计算机可读存储介质，解决了相关技术中自移动设备无法准确且高效地判定定位状态，导致容易误判定位状态而出现诡异导航行为以及重大安全风险的问题。
第一方面，本申请提供了一种检测自移动设备定位状态的方法，所述方法包括：
获取所述自移动设备当前采集的点云数据，根据所述点云数据确定所述自移动设备所处环境对应的第一像素边界信息；
获取环境栅格地图，根据所述自移动设备的位置从所述环境栅格地图中确定局部子图，并获取所述局部子图对应的第二像素边界信息；
确定所述第一像素边界信息与所述第二像素边界信息的匹配信息；
根据所述匹配信息确定所述自移动设备的定位状态。
此外，为实现上述目的，本申请还提供一种自移动设备，所述自移动设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述的计算机程序并在执行所述的计算机程序时实现本申请实施例提供的检测自移动设备定位状态的方法的步骤。
此外，为实现上述目的，本申请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，所述计算机程序被处理器执行时使所述处理器实现本申请实施例提供的检测自移动设备定位状态的方法的步骤。
本申请实施例公开的检测自移动设备定位状态的方法、自移动设备及计算机可读存储介质，通过获取自移动设备当前采集的点云数据，根据点云数据确定自移动设备所处环境对应的第一像素边界信息；获取环境栅格地图，根据自移动设备的位置从环境栅格地图中确定局部子图，并获取局部子图对应的第二像素边界信息；确定第一像素边界信息与第二像素边界信息的匹配信息；根据匹配信息确定自移动设备的定位状态。由此可以使得自移动设备能够准确且高效地判定定位状态，避免出现误判定位状态而出现诡异导航行为以及重大安全风险的情况，同时能够便于自移动设备根据其不同的定位状态而执行定位快速修正措施或者重定位措施，以保证定位尽可能不丢以及在丢失后能及时恢复，从而提升自移动设备进行导航的定位鲁棒性，减少人为干涉频次，降低运维成本，降低安全风险，提升运行效率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例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。
图1是本申请实施例提供的一种定位检测系统的结构示意图；
图2是本申请实施例提供的一种自移动设备的结构示意图；
图3是本申请实施例提供的一种检测自移动设备定位状态的方法的示意性流程图；
图4是本申请实施例提供的一种第二像素边界信息与目标边界区域的位置关系的示意图；
图5是本申请实施例提供的另一种检测自移动设备定位状态的方法的示意性流程图。
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。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
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。
现有在酒店、商超、楼宇、机场等商业场景中营运的可移动设备（比如机器人），目前的导航方案一般是基于激光导航方案，即由自适应蒙特卡洛定位（Adaptive MonteCarlo Localization，AMCL）算法提供导航定位支持，其不可避免的会受到动态物体围堵、环境变化、被人挟持或推拉拖拽等影响，导致定位丢失出现诡异导航行为以及重大安全风险。因此导航过程中定位状态的持续评估与快速恢复是非常必要的。然而，或许是考虑整机成本或算法实现难度等因素，目前营运的机器人通常将重心放在多传感器融合上以追求尽可能保证定位不丢。若一旦丢失，只能将希望寄托在AMCL算法的自身缓慢移动来自主恢复上或者一些人工应急的干预措施上，如原地手动重定位或拖回起始点重新开机定位。虽然人工应急干预是机器运营必不可少的保证措施，但频繁的人工应急干预会影响机器的营运效率和用户体验。另外，通过AMCL粒子发散来评估定位丢失或自主定位恢复，因其响应往往极为迟缓以致其恢复几率往往也极低。
为此，本申请的实施例提供了一种检测自移动设备定位状态的方法、自移动设备及计算机可读存储介质。其中，该检测自移动设备定位状态的方法可以应用于自移动设备中。该自移动设备可以通过获取自移动设备当前采集的点云数据，根据点云数据确定自移动设备所处环境对应的第一像素边界信息；获取环境栅格地图，根据自移动设备的位置从环境栅格地图中确定局部子图，并获取局部子图对应的第二像素边界信息；确定第一像素边界信息与第二像素边界信息的匹配信息；根据匹配信息确定自移动设备的定位状态。由此可以使得自移动设备能够准确且高效地判定定位状态，避免出现误判定位状态而出现诡异导航行为以及重大安全风险的情况，同时能够便于自移动设备根据其不同的定位状态而执行定位快速修正措施或者重定位措施，以保证定位尽可能不丢以及在丢失后能及时恢复，从而提升自移动设备进行导航的定位鲁棒性，减少人为干涉频次，降低运维成本，降低安全风险，提升运行效率。
请参阅图1，图1是本申请实施例提供的一种定位检测系统10的结构示意图。如图1所示，定位检测系统10可以包括自移动设备100和服务器200。其中，自移动设备100与服务器200可以通过蓝牙、4G、5G、6G、WIFI等无线通信方式进行通信。
示例性的，自移动设备100可以是扫地机器人、送餐机器人、扫雪机器人以及迎宾机器人等移动机器人。
示例性的，服务器200可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
需要说明的是，在本申请实施例中的检测自移动设备定位状态的方法对应的执行主体可以是自移动设备100，也可以是服务器200。当执行主体为服务器200时，自移动设备100可以将当前采集的点云数据以及环境栅格地图等数据上传至服务器200，由服务器200根据点云数据确定自移动设备100所处环境对应的第一像素边界信息；根据自移动设备100的位置从环境栅格地图中确定局部子图，并获取局部子图对应的第二像素边界信息；确定第一像素边界信息与第二像素边界信息的匹配信息；根据匹配信息确定自移动设备的定位状态。在本申请实施例中，为了便于说明，将以自移动设备100为执行主体说明如何进行重定位。
请参阅图2，图2是本申请实施例提供的一种自移动设备100的结构示意图。自移动设备100可以包括处理器1001、存储器1002以及激光雷达1003，其中处理器1001、存储器1002以及激光雷达1003可以通过总线连接，该总线可以为集成电路（Inter-integratedCircuit，I2C）总线等任意适用的总线。
其中，存储器1002可以包括存储介质和内存储器。存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器1001执行任意一实施例所描述的检测自移动设备定位状态的方法。
激光雷达1003，用于对自移动设备100进行定位。例如，可以通过激光雷达1003测量自移动设备100的位置，并生成自移动设备100对应的局部地图。
处理器1001用于提供计算和控制能力，支撑整个自移动设备100的运行。
其中，处理器1001可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是通用处理器、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、分立硬件组件等类型的处理器。通用处理器可以是微处理器，或者，通用处理器也可以是任何常规的处理器等。
其中，在一个实施例中，处理器1001用于运行存储在存储器1002中的计算机程序，以实现如下步骤：
获取所述自移动设备当前采集的点云数据，根据所述点云数据确定所述自移动设备所处环境对应的第一像素边界信息；获取环境栅格地图，根据所述自移动设备的位置从所述环境栅格地图中确定局部子图，并获取所述局部子图对应的第二像素边界信息；确定所述第一像素边界信息与所述第二像素边界信息的匹配信息；根据所述匹配信息确定所述自移动设备的定位状态。
在一个实施例中，处理器1001在实现根据所述点云数据确定所述自移动设备所处环境对应的第一像素边界信息时，用于实现：
根据所述点云数据确定所述自移动设备所处环境对应的空间边界信息；获取所述点云数据对应的坐标转换关系；根据所述坐标转换关系对所述空间边界信息进行坐标转换，得到第一像素边界信息。
在一个实施例中，处理器1001在实现根据所述点云数据确定所述自移动设备所处环境对应的空间边界信息时，还用于实现：
将所述点云数据中数据点数目大于或等于第一预设数目的连续数据点确定为目标连续数据点；将所述目标连续数据点对应的坐标信息作为所述空间边界信息。
在一个实施例中，处理器1001在实现根据所述自移动设备的位置从所述环境栅格地图中确定局部子图时，用于实现：
获取所述自移动设备的当前位姿信息；根据所述当前位姿信息，确定所述自移动设备在所述环境栅格地图中的位置；基于预设的图像截取范围，以所述自移动设备在所述环境栅格地图的位置为中心对所述环境栅格地图进行图像截取处理，得到局部子图。
在一个实施例中，处理器1001在实现获取所述局部子图对应的第二像素边界信息时，用于实现：
将所述局部子图中像素点数目大于或等于第二预设数目的连续像素点确定为目标连续像素点，其中，所述连续像素点由存在位置相邻且类型相同的第一像素点构成，所述第一像素点为用于表征所述自移动设备不可通行的像素点；将所述目标连续像素点对应的坐标信息作为所述第二像素边界信息。
在一个实施例中，处理器1001在实现确定所述第一像素边界信息与所述第二像素边界信息的匹配信息时，用于实现：
基于所述局部子图，对所述第一像素边界信息进行转换，得到第三像素边界信息；根据所述第三像素边界信息在所述局部子图中确定目标边界区域；确定所述第二像素边界信息与所述目标边界区域的位置关系；根据所述位置关系确定所述第一像素边界信息与所述第二像素边界信息的匹配信息。
在一个实施例中，处理器1001在实现确定所述第二像素边界信息与所述目标边界区域的位置关系时，用于实现：
将所述第二像素边界信息中位于所述目标边界区域内或边界的第一像素点作为第二像素点；将所述第二像素边界信息中位于所述目标边界区域外的第一像素点作为第三像素点；
处理器1001在实现根据所述位置关系确定所述第一像素边界信息与所述第二像素边界信息的匹配信息，包括：
根据所述第二像素点和所述第三像素点，确定所述匹配信息。
在一个实施例中，处理器1001在实现根据所述第二像素点和所述第三像素点，确定所述匹配信息时，用于实现：
获取第一类边界和第二类边界的边界数量，其中，所述第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，所述第二类边界由连续数目小于所述第二预设数目的第二像素点构成；获取第三类边界和第四类边界的边界数量，其中，所述第三类边界由第三像素点构成，所述第四类边界由目标连续像素点构成；根据所述第一类边界、所述第二类边界、所述第三类边界和所述第四类边界的边界数量，确定边界匹配交并比；将所述边界匹配交并比作为所述匹配信息。
在一个实施例中，处理器1001在实现根据所述第二像素点和所述第三像素点，确定所述匹配信息时，用于实现：
获取第一类边界和第二类边界对应的点云数量，其中，所述第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，所述第二类边界由连续数目小于所述第二预设数目的第二像素点构成；获取第三类边界对应的点云数量，其中，所述第三类边界由第三像素点构成；根据所述第一类边界、所述第二类边界和所述第三类边界对应的点云数量，确定边界匹配交并比；将所述边界匹配交并比作为所述匹配信息。
在一个实施例中，处理器1001在实现根据所述第二像素点和所述第三像素点，确定所述匹配信息时，用于实现：
获取第一类边界和第四类边界对应的边界匹配权重和，其中，所述第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，所述第四类边界由目标连续像素点构成；根据所述第一类边界和所述第四类边界对应的边界匹配权重和，确定边界匹配交并比；将所述边界匹配交并比作为所述匹配信息
在一个实施例中，所述匹配信息包括边界匹配交并比，若所述边界匹配交并比小于第一预设阈值且大于或等于第二预设阈值；处理器1001在实现根据所述匹配信息确定所述自移动设备的定位状态之后，还用于实现：
根据所述第二像素边界信息和第三像素边界信息进行点云匹配，得到所述自移动设备的位姿优化信息；根据所述位姿优化信息对所述自移动设备的当前位姿信息进行优化，得到第一目标位姿，并根据所述第一目标位姿生成所述自移动设备的定位信息。
在一个实施例中，所述匹配信息包括边界匹配交并比，若所述边界匹配交并比小于第二预设阈值；处理器1001在实现根据所述匹配信息确定所述自移动设备的定位状态之后，还用于实现：
基于所述自移动设备的当前位姿信息进行重定位处理，得到第二目标位姿，并根据所述第二目标位姿生成所述自移动设备的定位信息。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。请参阅图3，图3是本申请实施例提供的一种检测自移动设备定位状态的方法的示意性流程图。如图3所示，该检测自移动设备定位状态的方法可以包括步骤S101至步骤S104。
S101、获取自移动设备当前采集的点云数据，根据点云数据确定自移动设备所处环境对应的第一像素边界信息。
其中，点云数据是指在一个三维坐标系统中的一组向量的集合。在本申请中，自移动设备采集到的是自移动设备所处环境对应的点云数据。第一像素边界信息可以为在点云数据中提取得到并转换后的边界信息，此时的边界信息是在map坐标系上表示的坐标信息。
需要说明的是，本申请的自移动设备可以设置有2D激光雷达、3D激光雷达或者其它能生成点云数据的传感器。
在一些实施例中，根据点云数据确定自移动设备环境对应的空间边界信息；获取点云数据对应的坐标转换关系；根据坐标转换关系对空间边界信息进行坐标转换，得到第一像素边界信息。由此可以准确地提取点云数据并转换得到第一像素边界信息。
其中，空间边界信息可以为在点云数据中直接提取得到的边界信息，此时的边界信息是在三维空间坐标系上表示的坐标信息。坐标转换关系用于转换边界信息对应的坐标系，可以指tf（tensorflow函数）映射。
需要说明的是，tf映射是指某一刻时自移动设备由机器人本体（base_link）坐标系转换到激光坐标系、由里程计（odom）坐标系转换到base_link坐标系、地图（map）坐标系转换到odom坐标系等等之间的位姿转换关系，所有这些转换关系会构成一个tf树。此时需要通过tf映射获取跟激光帧同一时刻的坐标转换关系来进行边界信息对应坐标系的转换。
示例性的，在本实施例中，需要获取与点云数据同一时刻的坐标转换关系，通过该时刻的坐标转换关系将三维空间坐标系下的边界信息转换到map坐标系下，此时坐标转换关系需要提供：map->odom->base_link->激光雷达（laser_link）的位姿变换。
具体地，从点云数据中提取得到自移动设备环境对应的空间边界信息，根据点云数据对应的时间戳获取对应时刻的坐标转换关系，最后根据坐标转换关系对空间边界信息进行坐标系的转换，从而得到第一像素边界信息。
在一些实施例中，将点云数据中数据点数目大于或等于第一预设数目的连续数据点确定为目标连续数据点；将目标连续数据点对应的坐标信息作为空间边界信息。由此可以在点云数据中过滤激光噪点、短小细微等物体边界信息，从而得到目标连续数据点。
其中，数据点数目为数据点的数量，连续数据点由存在位置相邻且类型相同的数据点构成，目标连续数据点为数据点数目大于或等于第一预设数目的连续数据点，第一预设数目可以为任意数值，一般可以取值为3，在此不做具体限定。
具体地，只要某个数据点存在位置相邻且类型相同的数据点，则可以认为该数据点与其相邻的数据点作为连续数据点。
需要说明的是，位置相邻可以为上、下、左、右、左上、左下、右上、右下等方向上相邻的位置。同时，相邻的两个数据点需要满足连续数据点判定条件，连续数据点判定条件为相邻的两个数据点的激光量程误差的绝对值需要小于预设距离，一般地，预设距离可以为5cm，即环境栅格地图的最小栅格分辨率。同时，相邻的两个数据点还需要满足相邻的数据点不为INF，INF表示没有实际测量值。
示例性的，若第一预设数目为3，且存在连续数据点A，连续数据点A的数据点数目为4个，此时连续数据点A的数据点数目大于第一预设数目，则可以将连续数据点A作为目标连续数据点，并将连续数据点A中的多个数据点对应的坐标信息作为空间边界信息。
示例性的，若第一预设数目为3，且存在连续数据点B，连续数据点B的数据点数目为2个，此时连续数据点B的数据点数目小于第一预设数目，则将连续数据点B过滤掉，重新遍历另一个连续数据点。
S102、获取环境栅格地图，根据自移动设备的位置从环境栅格地图中确定局部子图，并获取局部子图对应的第二像素边界信息。
其中，环境栅格地图为自移动设备所处环境的栅格地图，环境栅格地图可以通过自移动设备获取得到，也可以通过自移动设备与电子设备比如电脑、手机等设备进行交互得到。局部子图用于表示自移动设备在环境栅格地图的具体位置的栅格地图。第二像素边界信息可以为在局部地图中提取得到的边界信息，此时的边界信息是在map坐标系上表示的坐标信息。
在一些实施例中，获取自移动设备的当前位姿信息；根据当前位姿信息，确定自移动设备在环境栅格地图中的位置；基于预设的图像截取范围，以自移动设备在环境栅格地图的位置为中心对环境栅格地图进行图像截取处理，得到局部子图。由此可以准确地截取得到局部子图，以便在局部子图中准确地提取得到第二像素边界信息。
其中，当前位姿信息可以表示自移动设备在三维空间坐标系的位置和姿态。图像截取范围可以包括任意图像大小范围，比如可以为16m*16m，在此不做具体限定。
示例性的，可以根据自移动设备的当前位姿信息确定自移动设备在三维空间坐标系的位置和姿态，从而根据自移动设备在三维空间坐标系的位置和姿态确定自移动设备在环境栅格地图中的位置，以自移动设备在环境栅格地图的位置为中心对环境栅格地图进行图像截取处理，比如可以在环境栅格地图中截取16m*16m范围内的地图作为局部子图。
具体地，在进行图像截取处理得到局部子图后，此时局部子图的格式是2D激光栅格地图，因此需要将局部子图的格式转换为单通道单字节图像[a1]。
其中，单通道单字节图像包括第一类像素点。第一类像素点包括多个第一像素点，第一像素点为用于表征自移动设备不可通行的像素点，比如可以表示为0。
需要说明的是，一个像素可以表示真实空间中5cm*5cm范围，也可为其他大小，在此不做具体限定。
在一些实施例中，将局部子图中像素点数目大于或等于第二预设数目的连续像素点确定为目标连续像素点，其中，连续像素点由存在位置相邻且类型相同的第一像素点构成，第一像素点为用于表征自移动设备不可通行的像素点；将目标连续像素点对应的坐标信息作为第二像素边界信息。
其中，像素点数目为像素点的数量，连续像素点由存在位置相邻且类型相同的第一像素点构成，第一像素点为用于表征自移动设备不可通行的像素点。
目标连续像素点为像素点数目大于或等于第二预设数目的连续像素点，第二预设数目可以为任意数值，一般可以取值为3，在此不做具体限定。
具体地，可以通过区域生长算法从局部子图中提取得到目标连续像素点，并将目标连续像素点对应的坐标信息作为第二像素边界信息。
示例性的，可以从左至右、从上到下依次遍历局部子图，获取首个未标记的第一像素点作为种子点，并打上新标签Tabi。然后深度优先或广度优先遍历种子点上、下、左、右、左上、左下、右上、右下八个方向上相邻的第一像素点，若找到相邻的第一像素点，则将相邻的第一像素点贴上相同标签Tabi，依次遍历各相邻的第一像素点的对应的相邻的第一像素点，同样也贴上相同标签Tabi，直到再无新的相邻的第一像素点，此时可以停止遍历，这些相同标签Tabi对应的第一像素点即为一个连续像素点。若连续像素点中相同标签的第一像素点的数目大于或等于第二预设数目，则将该连续像素点作为目标连续像素点，并将目标连续像素点中各个第一像素点对应的坐标信息作为空间边界信息。此时遍历完一个种子点对应的连续像素点，则可以重复上述步骤寻找新的种子点，直到无新的种子点生成为止。
其中，相同标签的第一像素点作为连续像素点，不同标签的连续像素点代表不同的墙体或物体边缘特征。
需要说明的是，只要某个像素点存在位置相邻且类型相同的像素点，则可以认为该像素点与其相邻的像素点作为连续像素点。位置相邻可以为上、下、左、右、左上、左下、右上、右下等方向上相邻的位置。
示例性的，若第二预设数目为3，且存在连续像素点C，连续像素点C的像素点数目为4个，此时连续像素点C的像素点数目大于第二预设数目，则可以将连续像素点C作为目标连续像素点，并将连续像素点C中的多个第一像素点对应的坐标信息作为空间边界信息。
示例性的，若第二预设数目为3，且存在连续像素点D，连续像素点D的像素点数目为2个，此时连续像素点D的像素点数目小于第二预设数目，则将连续像素点D过滤掉，重新遍历另一个第一像素点。
S103、确定第一像素边界信息与第二像素边界信息的匹配信息。
其中，第一像素边界信息与第二像素边界信息的匹配信息可以表示第一像素边界信息与第二像素边界信息的匹配程度，可以用于确定自移动设备的定位状态。一般地，匹配程度越高，说明书自移动设备的定位状态越准确，匹配程度越低，说明书自移动设备的定位状态越不准确。
在一些实施例中，基于局部子图，对第一像素边界信息进行转换，得到第三像素边界信息；根据第三像素边界信息在局部子图中确定目标边界区域；确定第二像素边界信息与目标边界区域的位置关系；根据位置关系确定第一像素边界信息与第二像素边界信息的匹配信息。由此可以通过第二像素边界信息与目标边界区域的位置关系准确地确定匹配信息。
其中，第三像素边界信息可以为第一像素边界信息在局部地图中映射得到的边界信息。目标边界区域可以为第三像素边界信息在局部子图中对应的边界范围，边界范围可以为半径r（比如为1）的圆形搜索范围等，在此不做具体限定。第二像素边界信息与目标边界区域的位置关系可以包括第二像素边界信息位于目标边界区域内或边界或者位于所述目标边界区域外的位置关系。
由于局部子图是在环境栅格地图中经过图像截取后得到的，因此第一像素边界信息和第二像素边界信息的图像坐标系起始点差一个固定的位移偏移量，故可以将第一像素边界信息映射到局部子图对应的坐标系下生成第三像素边界信息。其中，这里的映射只需要将第一像素边界信息中的坐标信息依次减去一个特定的位移量即局部子图对应的坐标系下，这个特定的位移量即是局部子图起始坐标在环境栅格地图中的映射。
示例性的，依次遍历第三像素边界中的各个像素点，以其为圆心，从而生成半径r为1的圆形搜索范围，直到第三像素边界中所有像素点被处理完为止。再依次确定第二像素边界中的各个像素点与各个圆形搜索范围的位置关系，直到第二像素边界中所有像素点被处理完为止，从而根据各个像素点与各个圆形搜索范围的位置关系确定第一像素边界信息与第二像素边界信息的匹配信息。
在一些实施例中，将第二像素边界信息中位于目标边界区域内或边界的第一像素点作为第二像素点；将第二像素边界信息中位于目标边界区域外的第一像素点作为第三像素点；根据第二像素点和第三像素点，确定匹配信息。
其中，第二像素点可以为第二像素边界信息中位于目标边界区域内或边界的第一像素点，第三像素点可以第二像素边界信息中为位于目标边界区域外的第一像素点。
如图4所示，图4为本申请实施例提供的一种第二像素边界信息与目标边界区域的位置关系的示意图。其中，图4中的三角形为第三像素边界信息中的各个像素点，图4中半径较大的圆形为第三像素边界信息中的各个像素点对应的目标边界区域，图4中半径较小的圆形为第二像素边界信息中的各个像素点。
其中，图4中示出了第二像素边界信息中的像素点位于目标边界区域内的位置关系、第二像素边界信息中的像素点位于目标边界区域上的位置关系，以及，第二像素边界信息中的像素点位于目标边界区域外的位置关系。
示例性的，依次遍历第三像素边界中的各个像素点，以其为圆心，从而生成半径r为1的圆形搜索范围，直到第三像素边界中所有像素点被处理完为止。再依次遍历第二像素边界中的各个像素点，若第二像素边界中有像素点位于目标边界区域内或边界，则将该像素点作为第二像素点；若第二像素边界中有像素点位于目标边界区域外，则将该像素点作为第三像素点。
在一些实施例中，在得到第三像素边界信息之后，依次确定第二像素边界信息中各像素点与第三像素边界信息中对应的目标像素点的距离；若第二像素边界信息中有像素点与第三像素边界信息中对应的目标像素点的距离小于或等于预设距离阈值，则将第二像素边界信息中该像素点作为第二像素点；若第二像素边界信息中有像素点与第三像素边界信息中对应的目标像素点的距离大于预设距离阈值，则将第二像素边界信息中该像素点作为第三像素点。
其中，目标像素点可以为在第三像素边界信息中与第二像素边界信息中待遍历的像素点距离最近的像素点。预设距离阈值可以为任意长度，比如为1m，在此不做具体限定。
示例性的，若预设距离阈值为1m，第二像素边界信息存在像素点a，其在第三像素边界信息中对应的目标像素点为像素点b。若确定像素点a与像素点b的距离为2m，此时可以确定像素点a与像素点b的距离大于1m，则可以确定像素点a为第三像素点；若确定像素点a与像素点b的距离为0.5m，此时可以确定像素点a与像素点b的距离小于1m，则可以确定像素点a为第二像素点。
在一些实施例中，获取第一类边界和第二类边界的边界数量，其中，第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，第二类边界由连续数目小于第二预设数目的第二像素点构成；获取第三类边界和第四类边界的边界数量，其中，第三类边界由第三像素点构成，第四类边界由目标连续像素点构成；根据第一类边界、第二类边界、第三类边界和第四类边界的边界数量，确定边界匹配交并比；将边界匹配交并比作为匹配信息。由此可以通过边界数量准确地计算得到边界匹配交并比，从而准确地自移动设备的定位状态。
其中，第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，第二类边界由连续数目小于第二预设数目的第二像素点构成。第二预设数目可以为任意数值，一般可以取值为3，在此不做具体限定。第三类边界由第三像素点构成，第四类边界由目标连续像素点构成。连续数目为连续的第二像素点的数量。
具体地，若连续的第二像素点的数量大于或等于第二预设数目，则可以将这些连续的第二像素点作为第一类边界，以此类推，遍历所有的第二像素点，从而确定所有的第一类边界，得到第一类边界的边界数量。若连续的第二像素点的数量小于第二预设数目，或者不存在连续的第二像素点，则可以将这些第二像素点作为第二类边界，以此类推，遍历所有的第二像素点，从而确定所有的第二类边界，得到第二类边界的边界数量。可以通过确定第三像素点对应的数量作为第三类边界的边界数量，可以将目标连续数据点对应的标签数目作为第四类边界的边界数量。
示例性的，边界匹配交并比可以通过以下公式计算得到：
其中，o为第一类边界的边界数量，p为第二类边界的边界数量，q为第三类边界的边界数量，n为第四类边界的边界数量，r为边界匹配交并比。
在一些实施例中，获取第一类边界和第二类边界对应的点云数量，其中，第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，第二类边界由连续数目小于第二预设数目的第二像素点构成；获取第三类边界对应的点云数量，其中，第三类边界由第三像素点构成；根据第一类边界、第二类边界和第三类边界对应的点云数量，确定边界匹配交并比；将边界匹配交并比作为匹配信息。由此可以通过点云数量准确地计算得到边界匹配交并比，从而准确地自移动设备的定位状态。
其中，第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，第二类边界由连续数目小于第二预设数目的第二像素点构成。第二预设数目可以为任意数值，一般可以取值为3，在此不做具体限定。第三类边界由第三像素点构成。连续数目为连续的第二像素点的数量。
具体地，若连续的第二像素点的数量大于或等于第二预设数目，则可以将这些连续的第二像素点作为第一类边界，以此类推，遍历所有的第二像素点，从而确定所有的第一类边界，并获取第一类边界对应的点云数量。若连续的第二像素点的数量小于第二预设数目，或者不存在连续的第二像素点，则可以将这些第二像素点作为第二类边界，以此类推，遍历所有的第二像素点，从而确定所有的第二类边界，并获取第二类边界对应的点云数量。可以通过确定第三像素点对应的点云数量作为第三类边界的点云数量。
示例性的，边界匹配交并比可以通过以下公式计算得到：
其中，o为第一类边界的边界数量，p为第二类边界的边界数量，q为第三类边界的边界数量，n为第四类边界的边界数量，r为边界匹配交并比。
在一些实施例中，获取第一类边界和第四类边界对应的边界匹配权重和，其中，第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，第四类边界由目标连续像素点构成；根据第一类边界和第四类边界对应的边界匹配权重和，确定边界匹配交并比；将边界匹配交并比作为匹配信息。由此可以使得第一类边界的权重越高，从而对定位的结果影响越大，能够使得定位不容易受动态物体干扰，以便准确地计算得到边界匹配交并比，从而准确地自移动设备的定位状态。
其中，第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，第二预设数目可以为任意数值，一般可以取值为3，在此不做具体限定。第四类边界由目标连续像素点构成。连续数目为连续的第二像素点的数量。
具体地，若连续的第二像素点的数量大于或等于第二预设数目，则可以将这些连续的第二像素点作为第一类边界，以此类推，遍历所有的第二像素点，从而确定所有的第一类边界，得到第一类边界的边界数量，可以将目标连续数据点对应的标签数目作为第四类边界的边界数量。
示例性的，可以令第一类边界对应的边界匹配权重和为Wvalid，第四类边界对应的边界匹配权重和为Wall，统计第一类边界对应的点云数目记作oi。此时边界i的边界匹配权重和可以记作wi，则或或。此时Wall= Wall+wi, 如果为第一类边界, 则Wvalid= Wvalid+wi，最后依次处理完第三像素边界信息中的所有像素点。由此可以使得第一类边界的权重越高，从而对定位的结果影响越大，能够使得定位不容易受动态物体干扰。
示例性的，边界匹配交并比可以通过以下公式计算得到：
其中，为第一类边界对应的边界匹配权重，为第四类边界对应的边界匹配权重和，r为边界匹配交并比。
S104、根据匹配信息确定自移动设备的定位状态。
其中，匹配信息可以包括边界匹配交并比，自移动设备的定位状态可以包括第一类型、第二类型、第三类型。第一类型用于表示定位状态良好，第二类型用于表示定位状态一般，第三类型用于表示定位状态很差。
具体地，若边界匹配交并比大于或等于第一预设阈值，定位状态为第一类型；若边界匹配交并比小于第一预设阈值且大于或等于第二预设阈值，所述定位状态为第二类型；若边界匹配交并比小于第二预设阈值，所述定位状态为第三类型。
其中，第一预设阈值和第二预设阈值可以根据实际情况设定，比如第一预设阈值可以为0.6，第二预设阈值可以为0.3，在此不做具体限定。
具体地，若确定自移动设备的定位状态为第一类型，此时表示自移动设备的定位状态良好，此时得到自移动设备的定位信息比较准确，无需进行优化处理。
在一些实施例中，若边界匹配交并比小于第一预设阈值且大于或等于第二预设阈值，此时确定定位状态为第二类型。根据匹配信息确定自移动设备的定位状态之后，根据第二像素边界信息和第三像素边界信息进行点云匹配，得到自移动设备的位姿优化信息；根据位姿优化信息对自移动设备的当前位姿信息进行优化，得到第一目标位姿，并根据第一目标位姿生成自移动设备的定位信息。由此可以对自移动设备的位姿进行修正并优化，从而准确地生成自移动设备的定位信息。
其中，位姿优化信息可以包括位姿优化时间和优化位姿变化量等用于对位姿进行优化的信息。第一目标位姿为对当前位姿信息进行优化处理得到的位姿。
具体地，可以将第二像素边界信息和第三像素边界信息中的像素点当作点云做最近迭代算法（Iterative Closest Point，ICP）进行匹配优化，得到优化位姿变化量记作delt_T；用delt_T左乘或右乘来修正下一次AMCL（Adaptive Monte Carlo Localization，导航与定位）模块的运动预测，再执行AMCL粒子优化，从而输出新的定位信息。
示例性的，自移动设备可以基于预设的位姿优化时间间隔对自移动设备的里程计数据进行位姿优化，得到自移动设备在位姿优化时间间隔内的优化位姿变化量。其中，位姿优化时间间隔可以表示为delt_T，位姿优化时间间隔delt_T可以根据实际情况设定，具体数值在此不作限定。优化位姿变化量可以表示为delt_T。
需要说明的是，在本申请实施例中，位姿优化是指对里程计数据进行AMCL优化。其中，AMCL优化的具体过程，可以参见相关技术，在此不作赘述。
在一些实施例中，若边界匹配交并比小于第二预设阈值，此时确定定位状态为第三类型。根据匹配信息确定自移动设备的定位状态之后，基于自移动设备的当前位姿信息进行重定位处理，得到第二目标位姿，并根据第二目标位姿生成自移动设备的定位信息。由此可以对自移动设备的位姿进行重定位处理，从而准确地生成自移动设备的定位信息。
其中，第二目标位姿为对当前位姿信息进行重定位处理后得到的位姿。
具体地，可以基于当前位姿信息进行快速重定位处理，从而得到重定位优化位姿即第二目标位姿，并用第二目标位姿重新初始化AMCL定位模块，生成自移动设备的定位信息。
需要说明的是，快速重定位处理可基于梯度或轮廓匹配算法加ICP点云优化实现，也可基于其他算法方案实现，可以原地旋转也可以不旋转。本申请方案中不作具体限制，重定位处理的具体过程，可以参见相关技术，在此不作赘述。
需要说明的是，定位状态良好（即第一类型）中的偏差可能为场景变化较大或者定位结果存在一定偏差等因素造成，场景变化较大，机器也能正常运行，故可不做处理；而定位状态一般（即第二类型）中的偏差则可能由于里程计累计误差较大或者优化结果不够精准所致，则可采用定位快速修正操作。而定位状态很差（即第三类型）中的偏差可能为场景发生严重变化或者定位结果飘飞等因素造成，则需要采用重定位操作。
请参阅图5，图5是本申请实施例提供的另一种检测自移动设备定位状态的示意性流程图。如图5所示，检测自移动设备定位状态可以包括以下步骤：
S201、获取自移动设备当前采集的点云数据以及当前时刻的位姿信息和坐标转换关系。
S202、遍历点云数据提取得到空间边界信息，并通过坐标转换关系将空间边界信息转换为第一像素边界信息。
S203、以自移动设备的位置为中心在环境栅格地图中截取得到局部子图。
S204、利用区域生长算法在局部子图中提取得到第二像素边界信息。
S205、依次将第一像素边界信息映射到局部子图坐标系中以生成第三像素边界信息。
S206、依次遍历第三像素边界信息中各个像素点，以其为中心生成圆形搜索范围，并确定第二像素边界信息与目标边界区域的位置关系。
S207、根据第二像素边界信息与目标边界区域的位置关系确定第一类边界、第二类边界、第三类边界和第四类边界的对应参数。
S208、计算边界匹配交并比r；若r≥r0，则转S209；若r0≥r≥r1，则转S210若r<r1，则转S211。
S209、说明定位状态良好。
S210、说明定位状态一般，并执行定位快速修正操作。
S211、说明定位状态很差，并执行重定位操作。
本申请实施例公开的检测自移动设备定位状态的方法、自移动设备及计算机可读存储介质，通过获取自移动设备当前采集的点云数据，根据点云数据确定自移动设备所处环境对应的第一像素边界信息；获取环境栅格地图，根据自移动设备的位置从环境栅格地图中确定局部子图，并获取局部子图对应的第二像素边界信息；确定第一像素边界信息与第二像素边界信息的匹配信息；根据匹配信息确定自移动设备的定位状态。由此可以使得自移动设备能够准确且高效地判定定位状态，避免出现误判定位状态而出现诡异导航行为以及重大安全风险的情况，同时能够根据其不同定位状态而执行不同程度的定位快速修正、恢复措施，以保证定位尽可能不丢以及在丢失后能及时恢复，从而提升自移动设备进行导航的定位鲁棒性，减少人为干涉频次，降低运维成本，降低安全风险，提升运行效率。
本申请的实施例中还提供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，该计算机程序中包括程序指令，处理器执行上述程序指令，以实现本申请实施例提供的任一项检测自移动设备定位状态的方法。
例如，该程序被处理器加载，可以执行如下步骤：
获取自移动设备当前采集的点云数据，根据点云数据确定自移动设备所处环境对应的第一像素边界信息；获取环境栅格地图，根据自移动设备的位置从环境栅格地图中确定局部子图，并获取局部子图对应的第二像素边界信息；确定第一像素边界信息与第二像素边界信息的匹配信息；根据匹配信息确定自移动设备的定位状态。
其中，计算机可读存储介质可以是前述实施例的自移动设备的内部存储单元，例如自移动设备的硬盘或内存。计算机可读存储介质也可以是自移动设备的外部存储设备，例如自移动设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字卡(Secure Digital Card，SD Card)，闪存卡(Flash Card)等。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的程序等；存储数据区可存储根据各程序所创建的数据等。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (12)

1.一种检测自移动设备定位状态的方法，其特征在于，所述方法包括：
获取所述自移动设备当前采集的点云数据，根据所述点云数据确定所述自移动设备所处环境对应的第一像素边界信息；
获取环境栅格地图，根据所述自移动设备的位置从所述环境栅格地图中确定局部子图，并获取所述局部子图对应的第二像素边界信息；
基于所述局部子图，对所述第一像素边界信息进行转换，得到第三像素边界信息；
根据所述第三像素边界信息在所述局部子图中确定目标边界区域；
将所述第二像素边界信息中位于所述目标边界区域内或边界的第一像素点作为第二像素点；
将所述第二像素边界信息中位于所述目标边界区域外的第一像素点作为第三像素点；
根据所述第二像素点和所述第三像素点，确定匹配信息；
根据所述匹配信息确定所述自移动设备的定位状态。
2.根据权利要求1所述的检测自移动设备定位状态的方法，其特征在于，所述根据所述点云数据确定所述自移动设备所处环境对应的第一像素边界信息，包括：
根据所述点云数据确定所述自移动设备所处环境对应的空间边界信息；
获取所述点云数据对应的坐标转换关系；
根据所述坐标转换关系对所述空间边界信息进行坐标转换，得到第一像素边界信息。
3.根据权利要求2所述的检测自移动设备定位状态的方法，其特征在于，根据所述点云数据确定所述自移动设备所处环境对应的空间边界信息，包括：
将所述点云数据中数据点数目大于或等于第一预设数目的连续数据点确定为目标连续数据点；
将所述目标连续数据点对应的坐标信息作为所述空间边界信息。
4.根据权利要求1所述的检测自移动设备定位状态的方法，其特征在于，所述根据所述自移动设备的位置从所述环境栅格地图中确定局部子图，包括：
获取所述自移动设备的当前位姿信息；
根据所述当前位姿信息，确定所述自移动设备在所述环境栅格地图中的位置；
基于预设的图像截取范围，以所述自移动设备在所述环境栅格地图的位置为中心对所述环境栅格地图进行图像截取处理，得到局部子图。
5.根据权利要求1所述的检测自移动设备定位状态的方法，其特征在于，所述获取所述局部子图对应的第二像素边界信息，包括：
将所述局部子图中像素点数目大于或等于第二预设数目的连续像素点确定为目标连续像素点，其中，所述连续像素点由存在位置相邻且类型相同的第一像素点构成，所述第一像素点为用于表征所述自移动设备不可通行的像素点；
将所述目标连续像素点对应的坐标信息作为所述第二像素边界信息。
6.根据权利要求1所述的检测自移动设备定位状态的方法，其特征在于，所述根据所述第二像素点和所述第三像素点，确定所述匹配信息，包括：
获取第一类边界和第二类边界的边界数量，其中，所述第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，所述第二类边界由连续数目小于所述第二预设数目的第二像素点构成；
获取第三类边界和第四类边界的边界数量，其中，所述第三类边界由所述第三像素点构成，所述第四类边界由目标连续像素点构成；
根据所述第一类边界、所述第二类边界、所述第三类边界和所述第四类边界的边界数量，确定边界匹配交并比；
将所述边界匹配交并比作为所述匹配信息。
7.根据权利要求1所述的检测自移动设备定位状态的方法，其特征在于，所述根据所述第二像素点和所述第三像素点，确定所述匹配信息，包括：
获取第一类边界和第二类边界对应的点云数量，其中，所述第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，所述第二类边界由连续数目小于所述第二预设数目的第二像素点构成；
获取第三类边界对应的点云数量，其中，所述第三类边界由第三像素点构成；
根据所述第一类边界、所述第二类边界和所述第三类边界对应的点云数量，确定边界匹配交并比；
将所述边界匹配交并比作为所述匹配信息。
8.根据权利要求1所述的检测自移动设备定位状态的方法，其特征在于，所述根据所述第二像素点和所述第三像素点，确定所述匹配信息，包括：
获取第一类边界和第四类边界对应的边界匹配权重和，其中，所述第一类边界由连续数目大于或等于第二预设数目的第二像素点构成，所述第四类边界由目标连续像素点构成；
根据所述第一类边界和所述第四类边界对应的边界匹配权重和，确定边界匹配交并比；
将所述边界匹配交并比作为所述匹配信息。
9.根据权利要求1至8任一项所述的检测自移动设备定位状态的方法，其特征在于，所述匹配信息包括边界匹配交并比，若所述边界匹配交并比小于第一预设阈值且大于或等于第二预设阈值；所述根据所述匹配信息确定所述自移动设备的定位状态之后，所述方法还包括：
根据所述第二像素边界信息和第三像素边界信息进行点云匹配，得到所述自移动设备的位姿优化信息；
根据所述位姿优化信息对所述自移动设备的当前位姿信息进行优化，得到第一目标位姿，并根据所述第一目标位姿生成所述自移动设备的定位信息。
10.根据权利要求1至8任一项所述的检测自移动设备定位状态的方法，其特征在于，所述匹配信息包括边界匹配交并比，若所述边界匹配交并比小于第二预设阈值；所述根据所述匹配信息确定所述自移动设备的定位状态之后，所述方法还包括：
基于所述自移动设备的当前位姿信息进行重定位处理，得到第二目标位姿，并根据所述第二目标位姿生成所述自移动设备的定位信息。
11.一种自移动设备，其特征在于，所述自移动设备包括存储器、处理器、以及雷达；
所述雷达，用于采集点云数据；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至10任一项所述的检测自移动设备定位状态的方法。
12.一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，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至10任一项所述的检测自移动设备定位状态的方法。
CN202410389754.4A 2024-04-02 2024-04-02 检测自移动设备定位状态的方法、自移动设备及存储介质 Active CN117968735B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410389754.4A CN117968735B (zh) 2024-04-02 2024-04-02 检测自移动设备定位状态的方法、自移动设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410389754.4A CN117968735B (zh) 2024-04-02 2024-04-02 检测自移动设备定位状态的方法、自移动设备及存储介质

Publications (2)

Publication Number Publication Date
CN117968735A CN117968735A (zh) 2024-05-03
CN117968735B true CN117968735B (zh) 2024-08-13

Family

ID=90851868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410389754.4A Active CN117968735B (zh) 2024-04-02 2024-04-02 检测自移动设备定位状态的方法、自移动设备及存储介质

Country Status (1)

Country Link
CN (1) CN117968735B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509027A (zh) * 2020-11-11 2021-03-16 深圳市优必选科技股份有限公司 重定位方法、机器人及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110307838B (zh) * 2019-08-26 2019-12-10 深圳市优必选科技股份有限公司 机器人重定位方法、装置、计算机可读存储介质及机器人
CN117519125A (zh) * 2020-02-19 2024-02-06 苏州宝时得电动工具有限公司 自移动设备的控制方法
US11403860B1 (en) * 2022-04-06 2022-08-02 Ecotron Corporation Multi-sensor object detection fusion system and method using point cloud projection
CN115575976A (zh) * 2022-10-13 2023-01-06 深圳市正浩创新科技股份有限公司 沿边路径规划方法、装置、计算机可读介质及电子设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509027A (zh) * 2020-11-11 2021-03-16 深圳市优必选科技股份有限公司 重定位方法、机器人及计算机可读存储介质

Also Published As

Publication number Publication date
CN117968735A (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
CN109087359B (zh) 位姿确定方法、位姿确定装置、介质和计算设备
CN108319655B (zh) 用于生成栅格地图的方法和装置
US10534870B2 (en) Methods, apparatuses and computer program products for automatic, non-parametric, non-iterative three dimensional geographic modeling
CN112880687B (zh) 一种室内定位方法、装置、设备和计算机可读存储介质
CN111540027B (zh) 一种检测方法、装置、电子设备及存储介质
KR20220004939A (ko) 차선 검출 방법, 장치, 전자기기, 저장 매체 및 차량
KR101280392B1 (ko) Ｓｌａｍ 기술 기반 이동 로봇의 지도를 관리하기 위한 장치 및 그 방법
CN112967340A (zh) 同时定位和地图构建方法、装置、电子设备及存储介质
CN114926549B (zh) 三维点云处理方法、装置、设备以及存储介质
CN113658203A (zh) 建筑物三维轮廓提取及神经网络的训练方法和装置
CN113436233A (zh) 自动驾驶车辆的配准方法、装置、电子设备和车辆
CN113587928B (zh) 导航方法、装置、电子设备、存储介质及计算机程序产品
CN113610702B (zh) 一种建图方法、装置、电子设备及存储介质
CN114299242A (zh) 高精地图中图像处理方法、装置、设备以及存储介质
CN113781569B (zh) 一种回环检测方法和装置
CN113435462A (zh) 定位方法、装置、电子设备和介质
CN111538918B (zh) 一种推荐方法、装置、电子设备及存储介质
CN117968735B (zh) 检测自移动设备定位状态的方法、自移动设备及存储介质
EP4083336B1 (en) Method and apparatus for detecting operating terrain, and engineering equipment for detecting operating terrain
CN116299534A (zh) 车辆位姿的确定方法、装置、设备及存储介质
CN114187509B (zh) 对象定位方法、装置、电子设备以及存储介质
CN113724229B (zh) 高程差的确定方法、装置及电子设备
CN113628284B (zh) 位姿标定数据集生成方法、装置、系统、电子设备及介质
KR20210134252A (ko) 이미지 안정화 방법, 장치, 노변 기기 및 클라우드 제어 플랫폼
CN113932793A (zh) 三维坐标定位方法、装置、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant