CN113776533A - 可移动设备的重定位方法及装置 - Google Patents

Abstract

本申请提供了一种可移动设备的重定位方法及装置，包括：获取传感器在工作环境中采集的传感器数据；在根据传感器数据确定的第一识别标识的数量大于或等于数量阈值的情况下，从工作环境的全局地图中所记录的第二识别标识中，确定与第一识别标识匹配的第二识别标识；根据第一识别标识与第二识别标识的对应关系，计算得到可移动设备的初始位姿信息；根据初始位姿信息、全局地图、传感器数据，确定可移动设备的目标位姿信息。在本申请中，通过在相似工作环境中部署识别标识可以降低相似局部区域的之间相似性，从而降低重定位的奇异性问题的发生几率。针对时常发生较大变化的工作场景，使得粗定位的过程不受环境变化的影响，提高了定位精度。

Description

可移动设备的重定位方法及装置

技术领域

本申请属于定位技术领域，特别是涉及一种可移动设备的重定位方法及装置。

背景技术

可移动设备的重定位是指可移动设备在工作初始时刻，或在丢失位姿(位置和移动方向)的情况下，重新确定位姿的过程。

在目前，可移动设备可以采用激光雷达实现重定位，激光雷达重定位是指，将激光雷达当前采集的点云数据，与针对可移动设备的工作环境预设的点云地图进行各种位姿的匹配，从而计算各种位姿的匹配得分，最终将得分满足需求的位姿确定为最终位姿。

但是，目前方案中，点云地图是预先建立的，在工作环境发生大比例变动的情况下，点云地图与工作环境之间存在较大差异，采用点云地图进行重定位时会造成定位精度大幅下降或者定位失败，另外，在相似工作环境中，如长走廊、工作环境存在若干个相似的局部区域，由于环境中局部区域之间的相似性，可能会导致重定位时输出错误位姿。

发明内容

本申请提供一种可移动设备的重定位方法及装置，以便解决现有技术中重定位时会造成定位精度大幅下降或者定位失败的问题。

为了解决上述技术问题，本申请是这样实现的：

第一方面，本申请实施例提供了一种可移动设备的重定位方法，所述可移动设备的重定位方法包括：

获取传感器在工作环境中采集的传感器数据；

在根据所述传感器数据确定的第一识别标识的数量大于或等于数量阈值的情况下，从所述工作环境的全局地图中所记录的第二识别标识中，确定与所述第一识别标识匹配的第二识别标识；所述第一识别标识为所述工作环境中设置的识别标识；

根据所述第一识别标识与所述第二识别标识的对应关系，计算得到所述可移动设备的初始位姿信息；

根据所述初始位姿信息、所述全局地图、所述传感器数据，确定所述可移动设备的目标位姿信息。

第二方面，本申请实施例提供了一种可移动设备的重定位装置，所述可移动设备的重定位装置包括：

获取模块，用于获取传感器在工作环境中采集的传感器数据；

匹配模块，用于在根据所述传感器数据确定的第一识别标识的数量大于或等于数量阈值的情况下，从所述工作环境的全局地图中所记录的第二识别标识中，确定与所述第一识别标识匹配的第二识别标识；所述第一识别标识为所述工作环境中设置的识别标识；

粗定位模块，用于根据所述第一识别标识与所述第二识别标识的对应关系，计算得到所述可移动设备的初始位姿信息；

精定位模块，用于根据所述初始位姿信息、所述全局地图、所述传感器数据，确定所述可移动设备的目标位姿信息。

本申请实施例的第三方面，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上存储计算机程序，所述计算机程序被处理器执行时实现上述所述的可移动设备的重定位方法的步骤。

本申请实施例的第四方面，提供了一种装置，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述所述的可移动设备的重定位方法的步骤。

在本申请实施例中，本申请包括：获取传感器在工作环境中采集的传感器数据；在根据传感器数据确定工作环境中的第一识别标识的数量大于或等于预设数量阈值的情况下，从工作环境的全局地图中所记录的第二识别标识中，确定与第一识别标识匹配的第二识别标识；全局地图中记录有工作环境中布置的识别标识的位置；根据第一识别标识与第二识别标识的对应关系，计算得到可移动设备的初始位姿信息；根据初始位姿信息、全局地图、传感器数据，确定可移动设备的目标位姿信息。在本申请中，可以在可移动设备的工作环境中布置多个易于被识别的识别标识，通过在相似工作环境中部署识别标识可以降低相似局部区域的之间相似性，从而降低重定位的奇异性问题的发生几率。针对时常发生较大变化的工作场景，由于场景中识别标识的位置固定不变，则可以基于识别标识进行粗定位，使得粗定位的过程不受环境变化的影响，提高了定位精度。

附图说明

图1是本申请实施例提供的一种可移动设备的重定位方法的步骤示意图；

图2是本申请实施例提供的一种工作环境的示意图；

图3是本申请实施例提供的另一种工作环境的示意图；

图4是本申请实施例提供的一种可移动设备的重定位方法的具体步骤示意图；

图5是本申请实施例提供的一种可移动设备的重定位装置的结构框图；

图6是本申请实施例提供的一种装置的框图。

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作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。

随着物联网、人工智能、大数据等智能化技术的发展，利用这些智能化技术对传统物流业进行转型升级的需求愈加强劲，智慧物流(ILS，Intelligent Logistics System)成为物流领域的研究热点。智慧物流利用人工智能、大数据以及各种信息传感器、射频识别技术、全球定位系统(GPS，Global Positioning System)等物联网装置和技术，广泛应用于物料的运输、仓储、配送、包装、装卸和信息服务等基本活动环节，实现物料管理过程的智能化分析决策、自动化运作和高效率优化管理。物联网技术包括传感设备、射频识别(RFID，Radio Frequency Identification)技术、激光红外扫描、红外感应识别等，物联网能够将物流中的物料与网络实现有效连接，并可实时监控物料，还可感知仓库的湿度、温度等环境数据，保障物料的储存环境。通过大数据技术可感知、采集物流中所有数据，上传至信息平台数据层，对数据进行过滤、挖掘、分析等作业，最终对业务流程(如运输、入库、存取、拣选、包装、分拣、出库、盘点、配送等环节)提供精准的数据支持。人工智能在物流中的应用方向可以大致分为两种：1)以人工智能技术赋能的如无人卡车、自动导引运输车(AGV，Automated Guided Vehicle)、自主移动机器人(AMR，Autonomous Mobile Robot)、叉车、穿梭车、堆垛机、无人配送车、无人机、服务机器人、机械臂、智能终端等智能设备代替部分人工；2)通过计算机视觉、机器学习、运筹优化等技术或算法驱动的如运输设备管理系统、仓储管理、设备调度系统、订单分配系统等软件系统提高人工效率。随着智慧物流的研究和进步，该项技术在众多领域展开了应用，例如零售及电商、电子产品、烟草、医药、工业制造、鞋服、纺织、食品等领域。

图1是本申请实施例提供的一种可移动设备的重定位方法的步骤流程图，如图1所示，该方法可以包括：

步骤101、获取传感器在工作环境中采集的传感器数据。

在具体应用中，可移动设备的重定位过程包括粗定位和精定位。粗定位是指提供一个可移动设备的大致的位姿(位姿包括所处位置和方向)，精定位则可以根据粗定位结果，缩小位姿搜索范围，得到最终位姿。

在本申请提供的一种可移动设备的重定位方法应用于具有传感器的可移动设备，可移动设备的工作环境中布置有多个识别标识，其中，识别标识具有较强的被识别特性，可以被可移动设备的传感器所识别到，识别标识的作用是在工作环境中区分于其他物体，达到提供一个路标参考的作用，如通过在相似工作环境中部署识别标识可以降低相似局部区域的之间相似性，降低重定位的奇异性问题(即重定位输出多个位姿)的发生几率。针对时常发生较大变化的工作场景，由于场景中识别标识的位置固定不变，则可以基于识别标识进行粗定位，使得粗定位的过程不受环境变化的影响，提高了定位精度。

一种实现情况下，若传感器为激光雷达，则根据激光雷达的工作特性，可以将识别标识设定为可反光的反光识别标识，反光识别标识的表面采用高折射率的材料，如，反光板、反光柱等，激光雷达的激光光束发射至反光识别标识表面，反射回来的光束被激光雷达接收到后，激光雷达可以计算与反光识别标识之间的距离以及反射强度，从而识别到反光识别标识。

另一种实现情况下，若传感器为摄像头，则可以将识别标识设定为较显眼的标识符，如，特殊图像符号，具有鲜艳颜色的特定图案等，摄像头可以基于采集的图像中包含的识别标识，实现对识别标识的识别。

以下通过图2和图3对可移动设备所处的工作环境中，识别标识的布局方式进行举例。

参照图2，其示出了本申请实施例提供的一种工作环境的示意图，其示出了一条前进方向为X方向的长走廊场景10，长走廊场景10中，由于走廊的长度超出了传感器的测量距离，则可移动设备处于这种场景时，仅能对左右方向的墙壁进行测量，而难以在前后方向上进行测量，导致可移动设备难以确定一个位姿初值，使得在将采集的传感器数据与全局地图匹配时，会输出多个位姿结果，造成重定位奇异性问题。为了解决这个问题，本申请实施例可以在长走廊场景10中，布局多个识别标识20(至少3个)，使得在具有相似性的长走廊中，通过识别标识区别于相似部分，降低奇异性问题的发生几率。

参照图3，其示出了本申请实施例提供的另一种工作环境的示意图，其示出了一种具有局部相似性的场景30，该场景30中，存在区域31和区域32，区域31和区域32非常相似，即二者的布局、环境相似，可移动设备处于这种场景时，易造成重定位奇异性问题。为了解决这个问题，本申请实施例可以在场景30中，布局多个识别标识20(至少3个)，使得在具有相似性的场景30中，通过识别标识区别于相似部分，降低奇异性问题的发生几率。

在该步骤中，可移动设备在工作初始时刻无初始的位姿，或可移动设备丢失自身位姿的情况下，可以基于定位指令控制可移动设备进行重定位，可移动设备可以响应于重定位的定位指令，获取传感器在工作环境中采集的传感器数据，其中，传感器数据可以包括可移动设备所识别到的第一识别标识的数量和位置。

如，场景中布置了10个定位标识，可移动设备在某一时刻通过传感器识别到3个定位标识，则传感器采集的传感器数据中包含着3个定位标识的位置。

其中，传感器数据可以具有多种类型，在传感器为摄像头时，传感器数据可以为摄像头采集的图像；在传感器为激光雷达时，传感器数据可以为点云数据，点云数据是指在一个三维坐标系统中的一组位置向量的集合，一些情况下，点云数据除了具有几何位置以外，还可以有颜色信息和强度信息，颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息赋予点云中对应的点；强度信息的获取是激光雷达采集到的回波强度。

步骤102、在根据所述传感器数据确定工作环境中的第一识别标识的数量大于或等于预设数量阈值的情况下，从所述工作环境的全局地图中所记录的第二识别标识中，确定与所述第一识别标识匹配的第二识别标识。

所述全局地图中记录有所述工作环境中布置的识别标识的位置；第一识别标识为所述工作环境中设置的识别标识。

在本申请实施例中，可以针对传感器所识别到的第一识别标识的数量，来决定粗定位的方式，若要通过利用识别标识来进行粗定位，则需要所识别到的第一识别标识的数量大于或等于预设数量阈值(如3个)，若所识别到的第一识别标识的数量小于预设数量阈值，则无法利用识别标识来进行粗定位，则可以选取其他的粗定位方式，如灰度匹配定位。

进一步的，在第一识别标识的数量大于或等于预设数量阈值的情况下，可以利用识别标识来进行粗定位，这种粗定位方式是将由识别到的两个第一识别标识组成的标识组，与由预设的全局地图中记录的两个第二识别标识组成的标识组进行匹配，从而确定由第一识别标识的位置和第二识别标识的位置组成的匹配对，最后根据这些匹配对，基于最小二乘算法，求解初始位姿信息。

具体的，传感器所识别到的第一识别标识的位置，可以反映可移动设备所处的大致区域，通过将传感器坐标系下两个第一识别标识组成的标识组，与地图坐标系下两个第二识别标识组成的标识组进行匹配，可以得到传感器坐标系下第一识别标识与地图坐标系下对应的第二识别标识的匹配对，标识组之间的匹配过程，反映了传感器坐标系下标识组代表的局部位置，与地图坐标系下与该局部位置相似的位置之间的匹配。匹配对即反映了两个坐标系下相似位置之间的对应关系，基于匹配对和最小二乘算法，可以得到用于求解初始位姿信息的方程式，从而求得初始位姿信息。

其中，全局地图是根据可移动设备的工作环境预先设置的地图，在可移动设备执行任务之前，可以根据工作环境的传感器数据(如环境照片，环境点云数据)，构建全局地图。全局地图可以根据实际需求进行更新，如每隔预设时间重新构建一次全局地图，或，在工作环境发生较大变化的情况下，更新全局地图。

步骤103、根据所述第一识别标识与所述第二识别标识的对应关系，计算得到所述可移动设备的初始位姿信息。

在本申请实施例中，匹配对包括一个第一识别标识与一个第二识别标识的对应关系，由于匹配对反映了两个坐标系下相似位置之间的对应关系，则所得到的所有匹配对，反映了传感器坐标系下的局部位置，与地图坐标系下对应的相似位置之间的对应关系，得到这种匹配的对应关系后，可以基于最小二乘算法构建用于求解初始位姿信息的方程式，从而求得初始位姿信息。其中，最小二乘法是一种在误差估计、不确定度、系统辨识及预测、预报等数据处理诸多学科领域得到广泛应用的数学工具，其通过最小化误差的平方和寻找数据的最佳函数匹配，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小，在本申请实施例中，可以根据第一识别标识与第二识别标识的对应关系，构建最小二乘方程式，并通过求解最小二乘方程式，将求得的解作为初始位姿信息。初始位姿信息是可移动设备通过粗定位得到一个位姿初始值，其反映了可移动设备所处的大致位置和方向，由于其精度还不足以满足可移动设备的导航使用，因此后续还需要基于该初始位姿信息进行精定位，从而得到精确的目标位姿信息。

步骤104、根据所述初始位姿信息、所述全局地图、所述传感器数据，确定所述可移动设备的目标位姿信息。

在获得了粗定位的初始位姿信息结果后，可移动设备可以进一步进行精定位，即以初始位姿信息为基础，进行传感器采集的传感器数据与全局地图的匹配，从而求解得到可移动设备最终的目标位姿信息，目标位姿信息可以为可移动设备在精定位后得到的精确位姿，其反映了可移动设备的精确位置和方向，可移动设备可以以目标位姿信息为当前的导航位姿，进行后续的工作。

具体的，可以在全局地图中初始位姿附近设置一个搜索窗口，搜索窗口中按照搜索步长可以设定有多个候选位姿，在传感器为激光雷达传感器的情况下，基于初始位姿信息和每个候选位姿的组合，可以得到经过候选位姿变换过的激光点云，将该经过候选位姿变换过的激光点云与全局地图进行匹配，可以得到该候选位姿的得分，得分最高的候选位姿再经过插值和平滑函数的优化后，可以构建用于求解目标位姿信息的最小二乘方程，从而求解得到目标位姿信息。

综上，本申请实施例提供的一种可移动设备的重定位方法，包括：获取传感器在工作环境中采集的传感器数据；在根据传感器数据确定工作环境中的第一识别标识的数量大于或等于预设数量阈值的情况下，从工作环境的全局地图中所记录的第二识别标识中，确定与第一识别标识匹配的第二识别标识；全局地图中记录有工作环境中布置的识别标识的位置；根据第一识别标识与第二识别标识的对应关系，计算得到可移动设备的初始位姿信息；根据初始位姿信息、全局地图、传感器数据，确定可移动设备的目标位姿信息。在本申请中，可以在可移动设备的工作环境中布置多个易于被识别的识别标识，通过在相似工作环境中部署识别标识可以降低相似局部区域的之间相似性，从而降低重定位的奇异性问题的发生几率。针对时常发生较大变化的工作场景，由于场景中识别标识的位置固定不变，则可以基于识别标识进行粗定位，使得粗定位的过程不受环境变化的影响，提高了定位精度。

图4是本申请实施例提供的一种可移动设备的重定位方法的具体步骤流程图，如图4所示，该方法可以包括：

步骤201、获取传感器在工作环境中采集的传感器数据。

该步骤具体可以参照上述步骤101，此处不再赘述。

可选的，所述传感器包括激光雷达传感器，所述传感器数据包括激光点云数据，所述识别标识包括反光识别标识，所述全局地图包括根据激光点云数据构建的栅格地图。

在本申请实施例的一种实现方式下，传感器可以为激光雷达传感器，则根据激光雷达的工作特性，可以将识别标识设定为可反光的反光识别标识，反光识别标识的表面采用高折射率的材料，如，反光板、反光柱等，激光雷达的激光光束发射至反光识别标识表面，反射回来的光束被激光雷达接收到后，激光雷达可以计算与反光识别标识之间的距离以及反射强度，从而识别到反光识别标识。全局地图则可以为根据激光点云数据构建的栅格地图。

其中，栅格地图也称为占据栅格地图(Occupancy Grid Map)占据栅格地图是将工作环境划分成一定大小的栅格，每个栅格有两种状态：占用和空闲，两种状态的概率之和为1，每个栅格内存储有栅格的占据比(占用概率/空闲概率)。建立栅格地图的过程中，激光点云会落入不同栅格内，因此建立栅格地图的过程其实是在更新每个栅格被占用的概率。具体的，激光雷达传感器每次发射光束扫描环境，其视野范围内的栅格的概率都会被更新，一个栅格被激光击中次数越多，表示它被占用的概率越高。

步骤202、在根据所述传感器数据确定工作环境中的第一识别标识的数量大于或等于预设数量阈值的情况下，从所述工作环境的全局地图中所记录的第二识别标识中，确定与所述第一识别标识匹配的第二识别标识。

其中，所述全局地图中记录有所述工作环境中布置的识别标识的位置；所述第一识别标识为所述工作环境中设置的识别标识。

该步骤具体可以参照上述步骤102，此处不再赘述。

可选的，步骤202具体可以包括：

子步骤2021、分别计算两个所述第一识别标识间的第一线段，与两个所述第二识别标识间的第二线段之间的相似度。

子步骤2022、确定相似度大于或等于相似度阈值的目标第一线段和目标第二线段，其中，所述目标第一线段两端的第一识别标识与所述目标第二线段两端的第二识别标识一一对应。

在本申请实施例中，假设工作环境中布置了m个识别标识，传感器所扫描到的n个第一识别标识构成的集合为Li＝{L1、L2…Ln}，全局地图中记录的多个第二识别标识构成的集合为Mi＝{M1、M2…Mm}。本申请实施例可以基于传感器坐标系下的集合Li和地图坐标系下的集合Mi进行粗定位，粗定位的方式是将由两个第一识别标识组成的第一线段，与两个第二识别标识组成的第二线段进行匹配，从而确定由第一识别标识的位置和第二识别标识的位置组成的匹配对，最后根据这些匹配对，基于最小二乘算法，求解初始位姿信息。

在该步骤中，可以通过计算两个第一识别标识构成的第一线段与两个第二识别标识构成的第二线段之间的相似度，来确定第一识别标识与对应第二识别标识之间的匹配程度，基于相似度大于或等于预设相似度阈值的目标第一线段和目标第二线段，可以从构成目标第一线段和目标第二线段的识别标识中，选取由第一识别标识与第二识别标识构成的对应关系。

可选的，每个所述第一线段为第一基准识别标识与任一其他第一识别标识之间的线段，所述第一基准标识是根据所述传感器数据确定的多个第一识别标识之一；每个所述第二线段为第二基准识别标识与任一其他第二识别标识之间的线段，所述第二基准标识是所述全局地图中所记录的多个第二识别标识之一，所述子步骤2021包括：

子步骤A1、根据所述第一线段的第一长度和所述第二线段的第二长度的差值的绝对值，以及所述第一长度和所述第二长度中的较小值，分别计算所述第一线段与所述第二线段之间的相似度。

在本申请实施例中，对第一线段和第二线段的建立过程，先通过以下示例进行说明：

假设工作环境中布置了m个识别标识，传感器所扫描到的n个第一识别标识构成的集合为Li＝{L1、L2…Ln}，全局地图中记录的多个第二识别标识构成的集合为Mi＝{M1、M2…Mm}。

第一步可以从集合Li中随机提取一个第一反光标识La，从集合Mi中随机提取一个第二反光标识Mm，并将{La，Mm}作为一个匹配对，同时可以将第一反光标识La作为基准第一识别标识，以及将第二反光标识Mm作为基准第二识别标识。

第二步可以从集合Li的剩余第一反光标识中随机选取一个第一反光标识Lb，从集合Mm的剩余第二反光标识中随机选取一个第二反光标识Mn，并基于基准第一反光标识La和第一反光标识Lb建立一个第一线段{La，Lb}，以及基于基准第二反光标识Mm和第二反光标识Mn建立一个第二线段{Mm，Mn}。之后可以计算第一线段{La，Lb}和第二线段{Mm，Mn}之间的相似度，在计算完这两个标识组的相似度后，可以进一步从集合Li中除了基准第一反光标识La、第一反光标识Lb之外的剩余第一反光标识中随机选取一个第一反光标识Lc，从集合Mm中除了基准第二反光标识Mm、第二反光标识Mn之外剩余的第二反光标识中随机选取一个第二反光标识Mo，然后建立第一线段{La，Lc}，以及第二线段{Mm，Mo}，再进行第一线段{La，Lc}以及第二线段{Mm，Mo}之间的相似度计算。之后重复上述建立标识组的操作，直至达到终止条件。

本申请实施例中，由于第一线段{La，Lb}记录了传感器坐标系下基准第一识别标识La和第一识别标识Lb的位置坐标，则根据La、Lb的位置坐标可以构成一条第一线段line1；由于第二线段{Mm，Mn}记录了地图坐标系下基准第二识别标识Mm和第二识别标识Mn的位置坐标，则根据Mm、Mn的位置坐标可以构成一条第二线段line2。并且，由于一条线段在不同坐标系下的绝对长度是相同的，因此可以计算第一线段line1和第二线段line2的相似度。对于示例之外的其他第一线段和第二线段同理。

具体的，第一线段line1和第二线段line2的相似度计算可以参照下述公式1：

公式1：

其中，S为第一线段line1和第二线段line2的相似度，d为第一线段line1的第一长度，d’为第二线段line2的第二长度，δ为最大容忍长度差值，可以根据实际需求进行取值。min(d，d’)是指取d和d’中的最小值。

子步骤2022包括：

子步骤B1、将所述基准第一识别标识与所述基准第二识别标识组成一个所述对应关系。

子步骤B2、将构成所述目标第一线段的两个第一识别标识中除了基准第一识别标识的另一个第一识别标识，与构成所述目标第二线段的两个第二识别标识中除了基准第二识别标识的另一个第二识别标识组成另一个所述对应关系。

在本申请实施例中，针对上述对第一线段{La，Lb}和第二线段{Mm，Mn}示例，假设第一线段{La，Lb}和第二线段{Mm，Mn}的相似度大于预设相似度阈值，则除了将其中的基准第一识别标识La和基准第二识别标识Mm构成一个对应关系{La，Mm}之外，还可以将第一线段{La，Lb}中的另一个第一识别标识Lb与第二线段{Mm，Mn}中的另一个第二识别标识Mn组成另一个对应关系{Lb，Mn}。对于示例之外的其他目标第一线段和目标第二线段同理。

可选的，在确定与所述第一识别标识匹配的第二识别标识的过程中，终止匹配的条件包括：完成了所有第一识别标识和第二识别标识之间的匹配、匹配时长大于或等于预设时长、得到的所述对应关系的数量大于或等于对应关系数量阈值中的任意一种。

在本申请实施例中，确定匹配对的过程中，存在匹配终止条件，如，在完成了所有第一识别标识和第二识别标识之间的匹配时，终止匹配；或匹配时长大于或等于预设时长时，为了避免匹配时长过长而影响到用户体验，可以终止匹配；或按照实际需求，在得到的对应关系的数量大于或等于匹配对数量阈值时，认为得到的对应关系已可以进行粗定位，匹配终止。

步骤203、根据所述第一识别标识与所述第二识别标识的对应关系，计算得到所述可移动设备的初始位姿信息。

该步骤具体可以参照上述步骤103，此处不再赘述。

可选的，步骤203具体可以通过根据所述对应关系，以及所述可移动设备的传感器坐标系到所述全局地图的地图坐标系的转换关系，确定所述可移动设备的初始位姿信息的方式实现，具体实现过程包括：

子步骤2031、根据所述对应关系、最小二乘求解算法，以及所述可移动设备的传感器坐标系到所述全局地图的地图坐标系的转换关系，构建所述初始位姿信息的第一求解方程表达式。

子步骤2032、根据所述第一求解方程表达式，计算得到所述可移动设备的初始位姿信息。

在本申请实施例中，可移动设备的导航需要基于地图坐标系进行实现，由于可移动设备的传感器采集的传感器数据是传感器坐标系下的，则可以基于最小二乘求解算法、对应关系、以及传感器坐标系到地图坐标系的转换关系，构建用于求解初始位姿信息的第一求解方程表达式。

例如，假设步骤202得到了三组对应关系{Li，Mi}，i＝1、2、3。Li是传感器坐标系下的识别标识的位置坐标，定义为(Xli，Yli)；Mi是地图坐标系下的识别标识的位置坐标，定义为(Xmi，Ymi)。要求解的初始位姿信息是可移动设备在地图中的位置(x，y)以及角度θ，由于Li和Mi之间存在匹配关系，则将Li的坐标由传感器坐标系转换到地图坐标系，得到的结果应该是Mi，由此可以得到以下公式2。

公式2：

其中，T_l ^m表示传感器坐标系到地图坐标系的转换关系。

基于T_l ^m和公式2，可以求解三个未知量(x，y，θ)，基于最小二乘求解算法构建三个及以上的方程，即求得可移动设备在地图中的位置(x，y)以及角度θ，从而能够得到初始位姿信息

步骤204、根据所述初始位姿信息、所述全局地图、所述传感器数据，确定所述可移动设备的目标位姿信息。

该步骤具体可以参照上述步骤104，此处不再赘述。

可选的，步骤204具体可以包括：

子步骤2041、通过所述初始位姿信息，在所述全局地图中确定局部搜索区域。

子步骤2042、采用所述传感器数据，在所述局部搜索区域中进行位姿匹配操作，并根据匹配度最大的位姿信息得到所述目标位姿信息.

在本申请实施例中，基于粗定位得到初始位姿信息进行进一步的精定位，可以得到用于指导可移动设备进行导航的目标位姿信息，可以将精定位过程描述为：给定一个初始位姿附近的搜索窗口，按照窗口大小及搜索步长确定多个候选位姿，通过匹配得到一个最优位姿，使得传感器数据出现的概率最大化。

在该步骤中，可以在初始位姿附近设置一个搜索窗口w。给定搜索窗口大小和搜索步长，可以得到多个处于所述全局地图的地图坐标系下的候选位姿的表达式。候选位姿信息的数量与搜索窗口的大小和搜索步长有关。

在该步骤中，定义传感器数据为{hk}，在传感器为激光雷达传感器时，hk是指第k个激光点在激光雷达坐标系下的位置坐标，对于任意一个候选位姿信息T_ε，得到对应的处于全局地图的地图坐标系下的激光点云位置坐标表达式如下：

其中，εx，εy分别是可移动设备在地图坐标系下的坐标，εθ是可移动设备的方向角，由于精定位过程可以被描述为给定一个初始位姿附近的搜索窗口，按照窗口大小及搜索步长确定多个候选位姿，通过匹配得到一个最优位姿，使得传感器数据出现的概率最大化，因此可以将其总结为如下非线性优化问题：

其中，w为一个搜索窗口，Mnearest(Tεhk)是全局地图中离Tεhk最近的栅格单元的占用概率。传感器数据为hk，初始位姿信息为T_ε。

可选的，所述传感器包括激光雷达传感器，所述传感器数据包括激光点云数据，所述识别标识包括反光识别标识，所述全局地图包括根据激光点云数据构建的栅格地图，子步骤2042具体可以包括：

子步骤C1、根据所述传感器数据、搜索窗口的大小以及搜索步长，确定针对所述局部搜索区域的多个候选位姿信息。

子步骤C2、在所述局部搜索区域中，确定每个所述候选位姿信息对应的激光点云数据所击中的栅格。

子步骤C3、计算击中的所有的栅格的占用概率平均值，并将所述占用概率平均值作为所述候选位姿信息的匹配度。

子步骤C4、根据匹配度最大的候选位姿信息得到所述目标位姿信息。

进一步的，需要从多个候选位姿信息中选取一个最佳的候选位姿信息，每个候选位姿信息与全局地图匹配会计算一个得分。最佳的候选位姿信息的评价标准是得分最高。在传感器为激光雷达传感器的情况下，得分计算是所有激光点云击中全局地图中栅格的占用概率平均值。所以得分越高，激光点云出现概率越高，候选位姿信息越接近真实位姿。这部分在具体实现时可以用到一个加速搜索的策略叫分支定界。

在该步骤中，可以先确定每个位姿表达式在全局地图中对应的离散区域，离散区域反映了激光点云击中的位置，之后可以将离散区域包含的所有栅格的占用概率平均值(反映了该候选位姿下所有激光点云击中全局地图中栅格的占用概率均值)，作为该位姿表达式对应的候选位姿信息的得分。

在本申请实施例中，由于得到的得分最大的候选位姿信息是栅格分辨率级别的精度，考虑到地图栅格的分辨率导致的精度有限，若希望更近一步优化精度，则需要进行插值(M_smooth函数该函数的输出结果为栅格被占用的概率，是(0，1)以内的数)，插值算法具体可以为双三次插值算法。通过插值的优化，能够提供比栅格分辨率更好的精度。这部分等价的最小二乘问题式子如下：希望栅格被占据概率最大，等价于栅格不被占用的概率最小。基于最小二乘算法构建的第二求解方程表达式，可以得到目标位姿信息。

其中，M_smooth函数为插值函数，传感器数据为hk，初始位姿信息为T_ε。

可选的，在步骤201之后，所述方法还可以包括：

步骤205、在所述第一识别标识的数量小于数量阈值的情况下，根据所述传感器数据构建局部地图。

在本申请实施例中，若传感器识别到的第一识别标识的数量小于预设数量阈值(如3个)的情况下，则由于识别到的第一识别标识的数量太少，难以进行基于识别标识的粗定位过程，此时可以进行并行的另一种方案，即基于灰度匹配进行粗定位。

灰度匹配是利用灰度局部图和灰度全局图进行匹配，从而求解出位姿的过程，不同位姿具有不同的得分，得分越高的位姿的价值越大。

在该步骤中，可以先将传感器数据构建局部地图，即可移动设备为当前所处的局部环境构建一张局部地图，现有几种建立方式：1、将可移动设备上的激光雷达传感器旋转一定的角度得到的激光点云数据(相当于多帧激光)，构建为一个局部地图；2、将可移动设备上的激光雷达传感器转360°得到的激光点云(相当于多帧激光)，构建为一个局部地图，这种方式的扫描范围最大，使得后续匹配的成功率越大；3、将可移动设备定位姿得到的激光点云(即一帧激光)，构建为一个局部地图。

步骤206、将所述局部地图转换为局部灰度图，以及将所述全局地图转换为全局灰度图。

在该步骤中，基于灰度匹配需要利用局部灰度图的需求，本申请实施例可以将传感器数据构建局部地图转换为局部灰度图，即将局部地图的栅格内存储的占据比投影至[0，255]的范围内，得到一张局部灰度图。基于灰度匹配需要利用全局灰度图的需求，本申请实施例可以将全局地图转换为全局灰度图，即将全局地图的栅格内存储的占据比投影至[0，255]的范围内，得到一张全局灰度图。

步骤207、将所述灰度局部图与所述全局灰度图进行匹配计算，得到至少一个位姿信息以及每个位姿信息对应的匹配得分。

在本申请实施例中，可以将灰度局部图与全局灰度图的各个位置进行灰度匹配，匹配过程会得到至少一个位姿信息以及每个位姿信息对应的匹配得分，匹配得分反映了位姿信息与全局地图的匹配程度。其中，灰度匹配是通过利用某种相似性度量，计算两幅图像之间的相似度。常用的基于灰度的匹配方法包括：平均绝对差算法、绝对误差和算法、误差平方和算法、平均误差平方和算法、归一化积相关算法等。

步骤208、将所述匹配得分最大的位姿信息作为所述初始位姿信息。

在本申请实施例中，匹配得分最大的位姿信息可以认为是最与全局地图匹配的位姿，在将匹配得分最大的位姿信息作为初始位姿信息之后，可以执行步骤204，以进行后续的精定位过程。

综上，本申请实施例提供的一种可移动设备的重定位方法，包括：获取传感器在工作环境中采集的传感器数据；在根据传感器数据确定工作环境中的第一识别标识的数量大于或等于预设数量阈值的情况下，从工作环境的全局地图中所记录的第二识别标识中，确定与第一识别标识匹配的第二识别标识；全局地图中记录有工作环境中布置的识别标识的位置；根据第一识别标识与第二识别标识的对应关系，计算得到可移动设备的初始位姿信息；根据初始位姿信息、全局地图、传感器数据，确定可移动设备的目标位姿信息。在本申请中，可以在可移动设备的工作环境中布置多个易于被识别的识别标识，通过在相似工作环境中部署识别标识可以降低相似局部区域的之间相似性，从而降低重定位的奇异性问题的发生几率。针对时常发生较大变化的工作场景，由于场景中识别标识的位置固定不变，则可以基于识别标识进行粗定位，使得粗定位的过程不受环境变化的影响，提高了定位精度。

图5是本申请实施例提供的一种可移动设备的重定位装置的结构框图，应用于具有传感器的可移动设备，所述可移动设备的工作环境中布置有多个识别标识，如图5所示，，所述可移动设备的重定位装置包括：

该装置可以包括：

获取模块301，用于获取传感器在工作环境中采集的传感器数据；

匹配模块302，用于在根据所述传感器数据确定的第一识别标识的数量大于或等于数量阈值的情况下，从所述工作环境的全局地图中所记录的第二识别标识中，确定与所述第一识别标识匹配的第二识别标识；所述第一识别标识为所述工作环境中设置的识别标识；

可选的，匹配模块302包括：

相似度子模块，用于分别计算两个所述第一识别标识间的第一线段，与两个所述第二识别标识间的第二线段之间的相似度；

可选的，每个所述第一线段为第一基准识别标识与任一其他第一识别标识之间的线段，所述第一基准标识是根据所述传感器数据确定的多个第一识别标识之一；

每个所述第二线段为第二基准识别标识与任一其他第二识别标识之间的线段，所述第二基准标识是所述全局地图中所记录的多个第二识别标识之一。

可选的，相似度子模块包括：

相似度单元，用于根据所述第一线段的第一长度和所述第二线段的第二长度的差值的绝对值，以及所述第一长度和所述第二长度中的较小值，计算所述第一线段与所述第二线段之间的相似度。

匹配对子模块，用于确定相似度大于或等于相似度阈值的目标第一线段和目标第二线段，其中，所述目标第一线段两端的第一识别标识与所述目标第二线段两端的第二识别标识一一对应。

可选的，匹配对子模块包括：

第一组合单元，用于将所述基准第一识别标识与所述基准第二识别标识组成一个所述对应关系；

第二组合单元，用于将构成所述目标第一线段的两个第一识别标识中除了基准第一识别标识的另一个第一识别标识，与构成所述目标第二线段的两个第二识别标识中除了基准第二识别标识的另一个第二识别标识组成另一个所述对应关系。

粗定位模块303，用于根据所述第一识别标识与所述第二识别标识的对应关系，计算得到所述可移动设备的初始位姿信息；

可选的，粗定位模块303包括：

第一构建子模块，用于根据所述对应关系，以及所述可移动设备的传感器坐标系到所述全局地图的地图坐标系的转换关系，确定所述可移动设备的初始位姿信息。

精定位模块304，用于根据所述初始位姿信息、所述全局地图、所述传感器数据，确定所述可移动设备的目标位姿信息。

可选的，精定位模块304包括：

搜索区域子模块，用于通过所述初始位姿信息，在所述全局地图中确定局部搜索区域；

精定位子模块，用于采用所述传感器数据，在所述局部搜索区域中进行位姿匹配操作，并根据匹配度最大的位姿信息得到所述目标位姿信息。

可选的，所述传感器包括激光雷达传感器，所述传感器数据包括激光点云数据，所述识别标识包括反光识别标识，所述全局地图包括根据激光点云数据构建的栅格地图；精定位子模块包括：

候选单元，用于根据所述传感器数据、搜索窗口的大小以及搜索步长，确定针对所述局部搜索区域的多个候选位姿信息；

击中区域单元，用于在所述局部搜索区域中，确定每个所述候选位姿信息对应的激光点云数据所击中的栅格；

匹配度单元，用于计算击中的所有的栅格的占用概率平均值，并将所述占用概率平均值作为所述候选位姿信息的匹配度；

确定单元，用于根据匹配度最大的候选位姿信息得到所述目标位姿信息。

可选的，在确定与所述第一识别标识匹配的第二识别标识的过程中，终止匹配的条件包括：完成了所有第一识别标识和第二识别标识之间的匹配、匹配时长大于或等于预设时长、得到的所述对应关系的数量大于或等于对应关系数量阈值中的任意一种。

可选的，所述装置还包括：

局部地图模块，用于在所述第一识别标识的数量小于数量阈值的情况下，根据所述传感器数据构建局部地图；

灰度图模块，用于将所述局部地图转换为局部灰度图，以及将所述全局地图转换为全局灰度图；

匹配计算模块，用于将所述灰度局部图与所述全局灰度图进行匹配计算，得到至少一个位姿信息以及每个位姿信息对应的匹配得分；

得分模块，用于将所述匹配得分最大的位姿信息作为所述初始位姿信息。

综上，本申请实施例提供的一种可移动设备的重定位装置，包括：获取传感器在工作环境中采集的传感器数据；在根据传感器数据确定工作环境中的第一识别标识的数量大于或等于预设数量阈值的情况下，从工作环境的全局地图中所记录的第二识别标识中，确定与第一识别标识匹配的第二识别标识；全局地图中记录有工作环境中布置的识别标识的位置；根据第一识别标识与第二识别标识的对应关系，计算得到可移动设备的初始位姿信息；根据初始位姿信息、全局地图、传感器数据，确定可移动设备的目标位姿信息。在本申请中，可以在可移动设备的工作环境中布置多个易于被识别的识别标识，通过在相似工作环境中部署识别标识可以降低相似局部区域的之间相似性，从而降低重定位的奇异性问题的发生几率。针对时常发生较大变化的工作场景，由于场景中识别标识的位置固定不变，则可以基于识别标识进行粗定位，使得粗定位的过程不受环境变化的影响，提高了定位精度。

另外，本申请实施例还提供一种装置，具体可以参照图6，该装置600包括处理器610，存储器620以及存储在存储器620上并可在处理器610上运行的计算机程序，该计算机程序被处理器610执行时实现上述实施例的可移动设备的重定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述的可移动设备的重定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，可以为只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(RandomAccess Memory，简称RAM)、磁碟或者光盘等。

本申请实施例还提供了一种计算机程序，该计算机程序可以存储在云端或本地的存储介质上。在该计算机程序被计算机或处理器运行时用于执行本申请实施例的可移动设备的重定位方法的相应步骤，并且用于实现根据本申请实施例的可移动设备的重定位装置中的相应模块。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (11)

1.一种可移动设备的重定位方法，其特征在于，所述可移动设备的重定位方法包括：

获取传感器在工作环境中采集的传感器数据；

在根据所述传感器数据确定的第一识别标识的数量大于或等于数量阈值的情况下，从所述工作环境的全局地图中所记录的第二识别标识中，确定与所述第一识别标识匹配的第二识别标识；所述第一识别标识为所述工作环境中设置的识别标识；

根据所述第一识别标识与所述第二识别标识的对应关系，计算得到所述可移动设备的初始位姿信息；

根据所述初始位姿信息、所述全局地图、所述传感器数据，确定所述可移动设备的目标位姿信息。

2.根据权利要求1所述的方法，其特征在于，所述从所述工作环境的全局地图中所记录的第二识别标识中，确定与所述第一识别标识匹配的第二识别标识，包括：

分别计算两个所述第一识别标识间的第一线段，与两个所述第二识别标识间的第二线段之间的相似度；

确定相似度大于或等于相似度阈值的目标第一线段和目标第二线段，其中，所述目标第一线段两端的第一识别标识与所述目标第二线段两端的第二识别标识一一对应。

3.根据权利要求2所述的方法，其特征在于，所述分别计算两个所述第一识别标识间的第一线段，与两个所述第二识别标识间的第二线段之间的相似度，包括：

根据所述第一线段的第一长度和所述第二线段的第二长度的差值的绝对值，以及所述第一长度和所述第二长度中的较小值，分别计算所述第一线段与所述第二线段之间的相似度。

4.根据权利要求2或3所述的方法，其特征在于，每个所述第一线段为第一基准识别标识与任一其他第一识别标识之间的线段，所述第一基准标识是根据所述传感器数据确定的多个第一识别标识之一；

每个所述第二线段为第二基准识别标识与任一其他第二识别标识之间的线段，所述第二基准标识是所述全局地图中所记录的多个第二识别标识之一。

5.根据权利要求1至4中任一项所述的方法，其特征在于，在确定与所述第一识别标识匹配的第二识别标识的过程中，终止匹配的条件包括：完成了所有第一识别标识和第二识别标识之间的匹配、匹配时长大于或等于预设时长、得到的所述对应关系的数量大于或等于对应关系数量阈值中的任意一种。

6.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：

在所述第一识别标识的数量小于数量阈值的情况下，根据所述传感器数据构建局部地图；

将所述局部地图转换为局部灰度图，以及将所述全局地图转换为全局灰度图；

将所述灰度局部图与所述全局灰度图进行匹配计算，得到至少一个位姿信息以及每个位姿信息对应的匹配得分；

将所述匹配得分最大的位姿信息作为所述初始位姿信息。

7.根据权利要求1至4中任一项所述的方法，其特征在于，所述根据所述初始位姿信息、所述全局地图、所述传感器数据，确定所述可移动设备的目标位姿信息，包括：

通过所述初始位姿信息，在所述全局地图中确定局部搜索区域；

采用所述传感器数据，在所述局部搜索区域中进行位姿匹配操作，并根据匹配度最大的位姿信息得到所述目标位姿信息。

8.根据权利要求7所述的方法，其特征在于，所述传感器包括激光雷达传感器，所述传感器数据包括激光点云数据，所述识别标识包括反光识别标识，所述全局地图包括根据激光点云数据构建的栅格地图；

所述采用所述传感器数据，在所述局部搜索区域中进行位姿匹配操作，并根据匹配度最大的位姿信息得到所述目标位姿信息，包括：

根据所述传感器数据、搜索窗口的大小以及搜索步长，确定针对所述局部搜索区域的多个候选位姿信息；

在所述局部搜索区域中，确定每个所述候选位姿信息对应的激光点云数据所击中的栅格；

计算击中的所有的栅格的占用概率平均值，并将所述占用概率平均值作为所述候选位姿信息的匹配度；

根据匹配度最大的候选位姿信息得到所述目标位姿信息。

9.一种可移动设备的重定位装置，其特征在于，所述可移动设备的重定位装置包括：

获取模块，用于获取传感器在工作环境中采集的传感器数据；

匹配模块，用于在根据所述传感器数据确定的第一识别标识的数量大于或等于数量阈值的情况下，从所述工作环境的全局地图中所记录的第二识别标识中，确定与所述第一识别标识匹配的第二识别标识；所述第一识别标识为所述工作环境中设置的识别标识；

粗定位模块，用于根据所述第一识别标识与所述第二识别标识的对应关系，计算得到所述可移动设备的初始位姿信息；

精定位模块，用于根据所述初始位姿信息、所述全局地图、所述传感器数据，确定所述可移动设备的目标位姿信息。

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上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的可移动设备的重定位方法的步骤。

11.一种装置，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的可移动设备的重定位方法的步骤。

Images