自移动设备的重定位方法、设备及存储介质技术

本申请属于人工智能技术领域，具体涉及一种自移动设备的重定位方法、设备及存储介质。该方法包括：响应于对自移动设备在工作区域内进行重定位的指令，获取自移动设备基于当前所处位置采集的当前环境信息；对当前环境信息进行识别，得到当前环境信息对应的区域标识信息；在区域地图中确定区域标识信息指示的局部区域地图；获取局部区域地图中至少一个地图位置对应的模板环境信息；将当前环境信息与模板环境信息进行匹配，以确定自移动设备在局部区域地图中位置。可以解决自移动设备重定位方式繁琐的问题。通过在自移动设备需要进行重定位时识别区域标识信息，并使用区域标识信息指示的局部区域地图进行重定位，可以提高重定位的效率。效率。效率。

【技术实现步骤摘要】
自移动设备的重定位方法、设备及存储介质


[0001]本申请属于人工智能
，具体涉及一种自移动设备的重定位方法、设备及存储介质。

技术介绍

[0002]目前，自移动设备可以借助同步定位与建图(Simultaneous Localization and Mapping，SLAM)技术实现自主定位和导航。然而，在进行SLAM过程中，可能会被劫持等情况，例如：被搬动、悬空或者被大范围拖动等情况。此时，自移动设备的定位就会出现不可控的漂移误差，需要进行重定位。
[0003]传统的重定位方法，包括：自移动设备从被劫持后的位置寻找原始的出发位置，从而完成对自移动设备的重定位。
[0004]然而，传统的重定位方式过于繁琐，这就会导致重定位效率较低的问题。

技术实现思路

[0005]本申请提供了自移动设备的重定位方法、设备及存储介质，可以解决自移动设备由于重定位方式繁琐导致的重定位效率低的问题。本申请提供如下技术方案：
[0006]第一方面，提供了一种自移动设备的重定位方法，所述方法包括：响应于对所述自移动设备在工作区域内进行重定位的指令，获取所述自移动设备基于当前所处位置采集的当前环境信息；
[0007]对所述当前环境信息进行识别，得到所述当前环境信息对应的区域标识信息；
[0008]在所述工作区域的区域地图中确定所述区域标识信息指示的局部区域地图；
[0009]获取所述局部区域地图中至少一个地图位置对应的模板环境信息；
[0010]将所述当前环境信息与所述模板环境信息进行匹配，以确定所述自移动设备在所述局部区域地图中的位置。
[0011]可选地，所述对所述当前环境信息进行识别，得到所述当前环境信息对应的区域标识信息，包括：
[0012]将所述当前环境信息输入预先训练的区域识别模型，得到所述区域标识信息；所述区域识别模型使用训练数据对预设的神经网络模型训练得到；所述训练数据包括样本环境信息和所述样本环境信息对应的区域标签。
[0013]可选地，所述训练数据还包括所述样本环境信息对应的第一障碍物的分类标签，所述第一障碍物的分类标签用于结合所述区域标签对所述神经网络模型进行联合训练，得到所述区域识别模型；相应地，所述将所述当前环境信息输入预先训练的区域识别模型，得到所述区域标识信息，包括：将所述当前环境信息输入所述区域识别模型，得到所述当前环境信息对应的第一障碍物的分类结果和所述区域标识信息；
[0014]或者，
[0015]所述训练数据还包括所述第一障碍物的第一特征信息；相应地，所述将所述当前
环境信息输入预先训练的区域识别模型，得到所述区域标识信息，包括：将所述当前环境信息和所述第一特征信息输入所述区域识别模型，得到所述区域识别模型；
[0016]其中，所述第一障碍物用于指示区域标识信息。
[0017]可选地，所述对所述当前环境信息进行识别，得到所述当前环境信息对应的区域标识信息，还包括：
[0018]获取第一障碍物的第二特征信息，所述第一障碍物用于指示区域标识信息；
[0019]将所述当前环境信息与所述第二特征信息进行匹配；
[0020]在所述当前环境信息包括与所述第二特征信息相匹配的信息的情况下，确定所述当前环境信息对应的区域标识信息为所述第一障碍物指示的区域标识信息。
[0021]可选地，所述第二特征信息包括所述第一障碍物的轮廓信息；所述第二特征信息还包括所述第一障碍物的尺寸信息和/或距离信息。
[0022]可选地，所述区域标识信息为第一障碍物在所述区域地图中的位置坐标；所述在所述工作区域的区域地图中确定所述区域标识信息指示的局部区域地图，包括：
[0023]在所述区域地图中，基于所述区域标识信息确定预设形状和预设尺寸的局部区域地图；
[0024]或者，
[0025]在已进行区域分割的区域地图中，确定所述区域标识信息所属的局部区域地图，所述区域地图预先分割为多个局部区域地图。
[0026]可选地，在所述工作区域的区域地图中确定所述区域标识信息指示的局部区域地图，包括：
[0027]基于区域标识信息与局部区域地图之间的对应关系，确定所述区域标识信息对应的局部区域地图。
[0028]可选地，将所述当前环境信息与所述模板环境信息进行匹配，以确定所述自移动设备的位置，包括：
[0029]将所述当前环境信息和所述模板环境信息输入预先训练的重定位神经网络，得到所述位置；所述重定位神经网络用于确定所述当前环境信息和所述模板环境信息是否匹配，并将匹配的模板环境信息所对应的位置确定为所述位置。
[0030]可选地，所述模板环境信息包括第二障碍物的特征信息。
[0031]第二方面，提供了一种电子设备，所述设备包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的自移动设备的重定位方法。
[0032]第三方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序被处理器执行时用于实现第一方面提供的自移动设备重定位方法。
[0033]本申请的有益效果在于：通过响应于对自移动设备在工作区域内进行重定位的指令，获取自移动设备基于当前所处位置采集的当前环境信息，对当前环境信息进行识别，得到当前环境信息对应的区域标识信息，在工作区域的区域地图中确定区域标识信息指示的局部区域地图，获取局部区域地图中至少一个地图位置对应的模板环境信息，将当前环境信息与模板环境信息进行匹配，以确定自移动设备在局部区域地图中的位置。可以解决自移动设备由于重定位方式繁琐导致的重定位效率低的问题。通过在自移动设备需要进行重
定位时识别区域标识信息，并使用区域标识信息指示的局部区域地图对自移动设备当前所在的位置进行重定位。此时，自移动设备无需在整个工作区域内寻找某个位置，而是使用局部区域地图即可实现重定位，可以提高重定位的效率。同时，自移动设备无需移动至原始的出发位置，只需要将当前所处的位置的当前环境信息与局部区域地图的模板环境信息进行匹配，可以节省自移动设备的资源，且可以进一步提高重定位的效率。
[0034]另外，通过使用第一障碍物的分类标签和区域标签对神经网络模型进行联合训练，得到区域识别模型，训练得到的区域识别模型会更加精确，可以提高区域标识信息识别的准确性。
[0035]另外，在对当前环境信息进行识别时，区域识别模型可以将当前环境信息与第一特征信息进行比较，以确定是否存在第一障碍物，由于第一障碍物可以指示区域标识信息，因此，可以降低网络模型的计算难度，节省自移动设备的计算资源。
附图说明
[0036]图1是本申请一个实施例提供的自移动设备的结构示意图；
[0037]图2是本申请一个实施例提供的自移动设备的重定位方法的流程图；
[0038]图3是本申请一个实施例提供的自移动设备重定位装置的框图；
[0039]图4是本申请一个实施例提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自移动设备的重定位方法，其特征在于，所述方法包括：响应于对所述自移动设备在工作区域内进行重定位的指令，获取所述自移动设备基于当前所处位置采集的当前环境信息；对所述当前环境信息进行识别，得到所述当前环境信息对应的区域标识信息；在所述工作区域的区域地图中确定所述区域标识信息指示的局部区域地图；获取所述局部区域地图中至少一个地图位置对应的模板环境信息；将所述当前环境信息与所述模板环境信息进行匹配，以确定所述自移动设备在所述局部区域地图中的位置。2.根据权利要求1所述的方法，其特征在于，所述对所述当前环境信息进行识别，得到所述当前环境信息对应的区域标识信息，包括：将所述当前环境信息输入预先训练的区域识别模型，得到所述区域标识信息；所述区域识别模型使用训练数据对预设的神经网络模型训练得到；所述训练数据包括样本环境信息和所述样本环境信息对应的区域标签。3.根据权利要求2所述的方法，其特征在于，所述训练数据还包括所述样本环境信息对应的第一障碍物的分类标签，所述第一障碍物的分类标签用于结合所述区域标签对所述神经网络模型进行联合训练，得到所述区域识别模型；相应地，所述将所述当前环境信息输入预先训练的区域识别模型，得到所述区域标识信息，包括：将所述当前环境信息输入所述区域识别模型，得到所述当前环境信息对应的第一障碍物的分类结果和所述区域标识信息；或者，所述训练数据还包括所述第一障碍物的第一特征信息；相应地，所述将所述当前环境信息输入预先训练的区域识别模型，得到所述区域标识信息，包括：将所述当前环境信息和所述第一特征信息输入所述区域识别模型，得到所述区域识别模型；其中，所述第一障碍物用于指示区域标识信息。4.根据权利要求1所述的方法，其特征在于，所述对所述当前环境信息进行识别，得到所述当前环境信息对应的区域标识信息，还包括：获取第一障碍物的第二特征信息，所述第一障碍物用于指示区域标识信息；将所述当前环境信息与所述第...

【专利技术属性】
技术研发人员：罗绍涵，孙佳佳，曹蒙，
申请(专利权)人：追觅创新科技苏州有限公司，
类型：发明
国别省市：