定位方法、装置、电子设备和存储介质制造方法及图纸

本公开实施例提供了一种定位方法、装置、电子设备和存储介质。该方法包括：获取当前位置的目标局部语义点云地图、全局语义栅格地图和激光点云地图，其中，所述全局语义栅格地图的每个栅格中记录有所述栅格内存在目标语义对象的概率值；基于所述目标局部语义点云地图和所述全局语义栅格地图进行位姿识别，得到候选位姿集合；根据所述激光点云地图和所述候选位姿集合确定目标位姿，所述目标位姿包括回环位姿和/或重定位位姿。本公开实施例通过采用上述技术方案，能够减少定位过程中所需的计算量，提高回环检测/重定位的速度。

【技术实现步骤摘要】
定位方法、装置、电子设备和存储介质
本公开实施例涉及定位
，尤其涉及一种定位方法、装置、电子设备和存储介质。
技术介绍
在实现机器人的自主导航时，需要对机器人进行定位，如对机器人进行回环检测或重定位。目前，一般采用基于2D激光雷达的即时定位与地图构建(SimultaneousLocalizationAndMapping，SLAM)技术来为室内机器人进行定位，采用回环检测模块将当前位置的局部激光点云与历史地图中的激光点云进行匹配，判断机器人当前所处的位置是否为其曾经经过的位置，并将检测到的回环位姿发送给后端。然而，现有2D激光SLAM算法利用激光点云间匹配进行回环检测的方式，由于激光点云提供的信息有限，容易出现误匹配，进而导致地图构建出现较大误差，导致回环检测的误检率较高，无法满足定位需求。
技术实现思路
本公开实施例提供一种定位方法、装置、电子设备和存储介质，以降低定位过程中的误检率。第一方面，本公开实施例提供了一种定位方法，包括：获取当前位置的目标局部语义点云地图、全局语义栅格地图和激光点云地图，其中，所述全局语义栅格地图的每个栅格中记录有所述栅格内存在目标语义对象的概率值；基于所述目标局部语义点云地图和所述全局语义栅格地图进行位姿识别，得到候选位姿集合；根据所述激光点云地图和所述候选位姿集合确定目标位姿，所述目标位姿包括回环位姿和/或重定位位姿。第二方面，本公开实施例还提供了一种定位装置，包括：地图获取模块，用于获取当前位置的目标局部语义点云地图、全局语义栅格地图和激光点云地图，其中，所述全局语义栅格地图的每个栅格中记录有所述栅格内存在目标语义对象的概率值；候选位姿识别模块，用于基于所述目标局部语义点云地图和所述全局语义栅格地图进行位姿识别，得到候选位姿集合；目标位姿确定模块，用于根据所述激光点云地图和所述候选位姿集合确定目标位姿，所述目标位姿包括回环位姿和/或重定位位姿。第三方面，本公开实施例还提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例所述的定位方法。第四方面，本公开实施例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，该程序被处理器执行时实现如本公开实施例所述的定位方法。本公开实施例提供的定位方法、装置、电子设备和存储介质，获取当前位置的目标局部语义点云地图、全局语义栅格地图和激光点云地图，其中，全局语义栅格地图的每个栅格中记录有该栅格内存在目标语义对象的概率值；基于该目标局部语义点云地图和全局语义栅格地图进行位姿识别，得到候选位姿结合；根据该激光点云地图和该候选位姿集合确定机器人的回环检测位姿和/或重定位位姿。本公开实施例通过采用上述技术方案，首先利用语义信息对机器人进行粗定位，再利用激光点云信息对机器人进行精定位，不仅能够减少定位过程中所需的计算量，提高回环检测/重定位的速度；还能够提高回环检测/重定位的准确性，降低误检率。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1为本公开实施例提供的一种定位方法的流程示意图；图2为本公开实施例提供的另一种定位方法的流程示意图；图3为本公开实施例提供的又一种定位方法的流程示意图；图4为本公开实施例提供的一种定位装置的结构框图；图5为本公开实施例提供的一种电子设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。图1为本公开实施例提供的一种定位方法的流程示意图。该方法可以由定位装置执行，其中，该装置可以由软件和/或硬件实现，可配置于需要进行的设备中，典型的，可以配置于机器人中。本公开实施例提供的定位方法适用于对进行回环检测和/或重定位的场景。如图1所示，本实施例提供的定位方法可以包括：S101、获取当前位置的目标局部语义点云地图、全局语义栅格地图和激光点云地图，其中，所述全局语义栅格地图的每个栅格中记录有所述栅格内存在目标语义对象的概率值。其中，本实施例所提供的定位方法可应用于对需要进行重定位/回环检测的任一设备进行重定位回环检测，尤其可应用于对机器人进行重定位/回环检测，以下以对机器人进行重定位/回环检测为例进行说明。语义点云地图可以为由语义点云构成的二维地图，其可以为多通道地图，每个通道对应一个类别的语义对象，即不同类别的语义对象的点云可以位于不同的通道中。相应的，目标局部语义点云地图可以为机器人在当前位置附近一定距离(如15m等)范围之内采集得到的语义点云所构成的点云地图。全局语义栅格地图可以为与机器人在当前场景中的全局语义点云地图对应的栅格地图，全局语义栅格地图具有多个通道，每个通道的各栅格中所记录的概率值可以为相应栅格中存在该通道对应语义类别的语义对象的概率。激光点云地图可以为由激光点云构成的二维地图，其可以包括局部激光点云地图和/或全局激光点云地图。该局部激光点云地图可以为机器人在当前位置附近一定距离之内采集得到的激光点云所构成的点云地图，该全局激光点云地图可以为机器人在当前场景中进行导航时所采用的、由激光点云构成的全局地图。在本实施例中，机器人在运行过程中可以每间隔预设时间或者每间隔设定距离采集一帧激光点云，提取一定距离范围内采集的各帧激光点云中局部曲率小于阈值的点本文档来自技高网...

【技术保护点】
1.一种定位方法，其特征在于，包括：/n获取当前位置的目标局部语义点云地图、全局语义栅格地图和激光点云地图，其中，所述全局语义栅格地图的每个栅格中记录有所述栅格内存在目标语义对象的概率值；/n基于所述目标局部语义点云地图和所述全局语义栅格地图进行位姿识别，得到候选位姿集合；/n根据所述激光点云地图和所述候选位姿集合确定目标位姿，所述目标位姿包括回环位姿和/或重定位位姿。/n

【技术特征摘要】
1.一种定位方法，其特征在于，包括：
获取当前位置的目标局部语义点云地图、全局语义栅格地图和激光点云地图，其中，所述全局语义栅格地图的每个栅格中记录有所述栅格内存在目标语义对象的概率值；
基于所述目标局部语义点云地图和所述全局语义栅格地图进行位姿识别，得到候选位姿集合；
根据所述激光点云地图和所述候选位姿集合确定目标位姿，所述目标位姿包括回环位姿和/或重定位位姿。


2.根据权利要求1所述的方法，其特征在于，所述获取当前位置的目标局部语义点云地图、全局语义栅格地图和激光点云地图，包括：
获取当前位置的目标局部语义点云地图、至少两层级的全局语义栅格地图和激光点云地图，其中，不同层级的全局语义栅格地图的分辨率不同。


3.根据权利要求2所述的方法，其特征在于，所述基于所述目标局部语义点云地图和所述全局语义栅格地图进行位姿识别，得到候选位姿集合，包括：
获取由最高层级的全局语义栅格地图中概率值大于零的栅格构成目标栅格栈，其中，各全局语义栅格地图的层级与分辨率负相关；
分别基于所述目标局部语义点云地图计算所述目标栅格栈中的各栅格的第一评价指标以及其他层级的全局语义栅格地图中的至少一个栅格的第一评价指标值，并根据所述第一评价指标值确定候选位姿，以得到候选位姿集合。


4.根据权利要求3所述的方法，其特征在于，所述分别基于所述目标局部语义点云地图计算所述目标栅格栈中的各栅格的第一评价指标以及其他层级的全局语义栅格地图中的至少一个栅格的第一评价指标值，并根据所述第一评价指标值确定候选位姿，以得到候选位姿集合，包括：
构建与所述目标局部语义点云地图相同的当前地图；
创建与所述目标栅格栈相同的当前栅格栈，并控制位于所述当前栅格栈顶端的当前栅格出栈；
基于所述当前地图计算所述当前栅格的第一评价指标值；
如果所述第一评价指标值大于第一指标阈值，则判断所述当前栅格所位于的目标全局语义栅格地图是否为最低层级的语义栅格地图，若是，则将所述当前栅格在全局语义点云地图中对应的位置坐标以及目标角度作为候选位姿添加至候选位姿集合中，若否，则将所述当前栅格在下一层级的栅格地图中对应的栅格添加至所述当前栅格栈中；返回执行控制位于所述当前栅格栈顶端的当前栅格出栈的操作，直至所述当前栅格栈为空为止；其中，所述目标角度为所述当前地图相对于所述目标局部语义点云地图的旋转角度；
如果所述第一评价指标值小于或等于第一指标阈值，则返回执行控制位于所述当前栅格栈顶端的当前栅格出栈的操作，直至所述当前栅格栈为空为止。


5.根据权利要求4所述的方法，其特征在于，还包括：
当所述当前栅格栈为空时，将所述当前地图旋转预设旋转角度，得到旋转后的局部语义点云地图，作为当前地图，并返回执行创建与所述目标栅格栈相同的当前栅格栈的操作，直至所述当前地图旋转一周为止。


6.根据权利要求4所述的方法，其特征在于，所述基于所述当前地图计算所述当前栅格的第一评价指标值，包括：
对所述当前地图进行平移，以将所述当前栅格在所述当前地图中对应的坐标点移动至原点位置，得到平移地图；
获取所述平移地图内的每一个语义特征点在所述目标全局语义栅格地图中对应的栅格中记录的概率值，作为所述语义特征点的概率值；
根据各语义特征点的概率值计算所述当前栅格的第一评价指标值。


7.根据权利要求6所述的方法，其特征在于，所述根据各语义特征点的概率值计算所述当前栅格的第一评价指标值，包括：
如果所述目标全局语义栅格地图不为最低层级的语义栅格地图，则根据各语义特征点的概率值计算各语义特征点的概率平均值，作为所述当前栅格的第一评价指标值；
如果所述当前语义栅格地图为最低层级的语义栅格地图，则根据各语义特征点的概率值计算各语义特征点的概率平均值和惩罚函数平均值，并将所述概率平均值与所述惩罚函数平均值之间的差值，作为所述当前栅格的第一评价指标值，其中，所述惩罚函数平均值用于表征所述当前地图与所述目标全局语义栅格地图...

【专利技术属性】
技术研发人员：朱敏昭，孔涛，李磊，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：北京;11