信息處理方法和信息處理設(shè)備的制作方法
【專利摘要】本發(fā)明公開了一種信息處理方法和設(shè)備，應(yīng)用于可移動電子設(shè)備，所述可移動電子設(shè)備被用于未知環(huán)境的即時定位與地圖構(gòu)建。所述方法包括：獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點；計算所述當(dāng)前節(jié)點的位置信息；確定所述當(dāng)前節(jié)點的誤差范圍；判斷在所述當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點；以及如果在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點，則對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。因此，在本發(fā)明中，可以在更為準(zhǔn)確地提供用于機器人路徑的位置估計的同時，有效地檢測機器人運動軌跡的環(huán)路閉合，從而對現(xiàn)有技術(shù)中的SLAM方法進行了充分優(yōu)化。
【專利說明】信息處理方法和信息處理設(shè)備
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計算機【技術(shù)領(lǐng)域】，更具體地，本發(fā)明涉及一種信息處理方法和信息處理設(shè)備。
【背景技術(shù)】
[0002]即時定位與地圖構(gòu)建(SimultaneousLocalization and Mapping, SLAM)是目前在機器人定位方面的熱門研究課題。所謂SLAM就是將可移動電子設(shè)備(例如，移動機器人)定位與環(huán)境地圖創(chuàng)建融為一體，即機器人在運動過程中根據(jù)自身位姿估計和傳感器對環(huán)境的感知構(gòu)建增量式環(huán)境地圖，同時利用該地圖實現(xiàn)自身的定位。
[0003]現(xiàn)有技術(shù)中的SLAM方法主要包括掃描匹配(scan-matching)方法和特征匹配(feature-matching)方法兩種。該掃描匹配方法往往應(yīng)用于二維(2D)的SLAM方法中；而該特征匹配方法往往應(yīng)用于三維(3D)的SLAM方法中，
[0004]在2D-SLAM的過程中，人們往往無法使用該特征匹配方法，這是由于在該2D-SLAM的過程中在一幀掃描數(shù)據(jù)中將獲得極少量的掃描點，并且每一個掃描點的坐標(biāo)點僅僅具有二維坐標(biāo)U，y)，這將導(dǎo)致很難從這些掃描點中提取出可在后續(xù)特征匹配時使用的特征點，從而導(dǎo)致無法有效地完成特征匹配過程，進而難以準(zhǔn)確地估計機器人在未知環(huán)境中的運動軌跡。相反地，該掃描匹配方法可以提供用于機器人路徑的更為精確的位置估計，然而，它卻難以有效地檢測機器人運動軌跡的環(huán)路閉合(簡稱為閉環(huán))。
[0005]在3D-SLAM的過程中，人們往往無法使用該掃描匹配方法，這是由于在3D-SLAM的過程中在一幀掃描數(shù)據(jù)中將獲得極大量的掃描點，并且每一個掃描點的坐標(biāo)點具有三維坐標(biāo)(X，y, z)，即比2D情況下多出一維坐標(biāo)，這將導(dǎo)致使用該掃描匹配方法時，運算量巨大，占用系統(tǒng)資源過多，且速度緩慢，從而難以快速地檢測到機器人運動軌跡中的環(huán)路閉合。相反地，該特征匹配方法可以很好地實現(xiàn)閉環(huán)檢測，然而，它在機器人運動軌跡估計方面只能產(chǎn)生較差的結(jié)果。
[0006]因此，需要一種新型的信息處理方法和信息處理設(shè)備來解決上述問題。

【發(fā)明內(nèi)容】

[0007]為了解決上述技術(shù)問題，根據(jù)本發(fā)明的一個方面，提供了一種信息處理方法，應(yīng)用于可移動電子設(shè)備，所述可移動電子設(shè)備被用于未知環(huán)境的即時定位與地圖構(gòu)建，其特征在于，所述方法包括:獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點；計算所述當(dāng)前節(jié)點的位置信息；確定所述當(dāng)前節(jié)點的誤差范圍；判斷在所述當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點；以及如果在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點，則對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。
[0008]此外，根據(jù)本發(fā)明的另一方面，提供了一種信息處理設(shè)備，應(yīng)用于可移動電子設(shè)備，所述可移動電子設(shè)備被用于未知環(huán)境的即時定位與地圖構(gòu)建，其特征在于，所述信息處理設(shè)備包括:節(jié)點獲取單元，用于獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點；位置計算單元，用于計算所述當(dāng)前節(jié)點的位置信息；誤差確定單元，用于確定所述當(dāng)前節(jié)點的誤差范圍；范圍判斷單元，用于判斷在所述當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點；以及環(huán)路檢測單元，用于如果在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點，則對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。
[0009]與現(xiàn)有技術(shù)相比，采用根據(jù)本發(fā)明的信息處理方和信息處理設(shè)備，可以獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點，計算所述當(dāng)前節(jié)點的位置信息和誤差范圍，并且當(dāng)在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點時，對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。因此，在本發(fā)明中，可以在更為準(zhǔn)確地提供用于機器人路徑的位置估計的同時，有效地檢測機器人運動軌跡的環(huán)路閉合，從而對現(xiàn)有技術(shù)中的SLAM方法進行了充分優(yōu)化。
[0010]本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。
【專利附圖】

【附圖說明】
[0011]附圖用來提供對本發(fā)明的進一步理解，并且構(gòu)成說明書的一部分，與本發(fā)明的實施例一起用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的限制。在附圖中:
[0012]圖1圖示了根據(jù)本發(fā)明的信息處理方法。
[0013]圖2圖示了根據(jù)本發(fā)明的第一引導(dǎo)設(shè)備。
[0014]圖3圖示了根據(jù)本發(fā)明第一實施例的信息處理方法。
[0015]圖4圖示了根據(jù)本發(fā)明第一實施例的信息處理設(shè)備。
[0016]圖5圖示了根據(jù)本發(fā)明實施例的可移動電子設(shè)備的運動軌跡。
[0017]圖6圖示了根據(jù)本發(fā)明第一實施例的節(jié)點和誤差范圍。
[0018]圖7圖示了根據(jù)本發(fā)明第二實施例的信息處理方法。
[0019]圖8圖示了根據(jù)本發(fā)明第二實施例的信息處理設(shè)備。
[0020]圖9圖示了根據(jù)本發(fā)明第二實施例的節(jié)點、場景和誤差范圍。
[0021]圖1Oa圖示了機器人的真實運動軌跡。
[0022]圖1Ob圖示了根據(jù)現(xiàn)有技術(shù)得到的運動軌跡。
[0023]圖1Oc圖示了根據(jù)本發(fā)明得到的運動軌跡。
【具體實施方式】
[0024]將參照附圖詳細描述根據(jù)本發(fā)明的各個實施例。這里，需要注意的是，在附圖中，將相同的附圖標(biāo)記賦予基本上具有相同或類似結(jié)構(gòu)和功能的組成部分，并且將省略關(guān)于它們的重復(fù)描述。
[0025]在下文中，將參考圖1和2來描述根據(jù)本發(fā)明的信息處理方法和引導(dǎo)設(shè)備。
[0026]圖1圖示了根據(jù)本發(fā)明的信息處理方法，而圖2圖示了根據(jù)本發(fā)明的第一引導(dǎo)設(shè)備 100。
[0027]所述信息處理方法應(yīng)用于可移動電子設(shè)備，所述可移動電子設(shè)備被用于未知環(huán)境的即時定位與地圖構(gòu)建。并且，所述信息處理方法通過圖2所圖示的信息處理設(shè)備來實現(xiàn)。具體地，如圖2所圖示的，所述信息處理設(shè)備100包括:節(jié)點獲取單元110、位置計算單元120、誤差確定單元130、范圍判斷單元140和環(huán)路檢測單元150。
[0028]如圖1所圖示的，所述信息處理方法包括:
[0029]在步驟SllO中，節(jié)點獲取單元110獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點；
[0030]在步驟S120中，位置計算單元120計算所述當(dāng)前節(jié)點的位置信息；
[0031]在步驟S130中，誤差確定單元130確定所述當(dāng)前節(jié)點的誤差范圍；
[0032]在步驟S140中，范圍判斷單元140判斷在所述當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點；以及
[0033]在步驟S150中，如果在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點，則環(huán)路檢測單元150對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。
[0034]由此可見，采用根據(jù)本發(fā)明的信息處理方和信息處理設(shè)備，可以獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點，計算所述當(dāng)前節(jié)點的位置信息和誤差范圍，并且當(dāng)在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點時，對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。因此，在本發(fā)明中，可以在更為準(zhǔn)確地提供用于機器人路徑的位置估計的同時，有效地檢測機器人運動軌跡的環(huán)路閉合，從而對現(xiàn)有技術(shù)中的SLAM方法進行了充分優(yōu)化。
[0035]在下文中，將參考圖3和圖4來描述根據(jù)本發(fā)明第一實施例的信息處理方法和信息處理設(shè)備。
[0036]圖3圖示了根據(jù)本發(fā)明第一實施例的信息處理方法，而圖4圖示了根據(jù)本發(fā)明第一實施例的信息處理設(shè)備100。
[0037]圖3所圖示的根據(jù)本發(fā)明第一實施例的信息處理方法可以應(yīng)用于一個或多個可移動電子設(shè)備，所述可移動電子設(shè)備被用于在未知環(huán)境中進行運動，同時通過執(zhí)行即時定位與地圖構(gòu)建(SLAM)來對自身進行快速定位并生成關(guān)于未知環(huán)境的準(zhǔn)確地圖數(shù)據(jù)。
[0038]所述信息處理方法可以通過圖4所圖示的信息處理設(shè)備100來實現(xiàn)。如圖4所圖示的，與圖2中一樣地，該信息處理設(shè)備100包括:節(jié)點獲取單元110、位置計算單元120、誤差確定單元130、范圍判斷單元140和環(huán)路檢測單元150。此外，優(yōu)選地，該信息處理設(shè)備100還可以包括:特征提取單元160和/或存儲單元170。
[0039]例如，該信息處理設(shè)備100可以作為一個軟件模塊和/或硬件裝置而集成到可移動電子設(shè)備中。這樣，該可移動電子設(shè)備可以在本地快速地處理自身在未知環(huán)境中進行SLAM所獲得的數(shù)據(jù)，從而在沒有任何傳送延遲的情況下進行快速定位并生成地圖數(shù)據(jù)。
[0040]然而，由于該可移動電子設(shè)備在存儲容量和計算性能方面受到限制，所以自開發(fā)式移動機器人在不丟棄其自身數(shù)據(jù)的情況下，不能在未知的、開放環(huán)境中長時間進行SLAM?？紤]到上述問題，替換地，該信息處理設(shè)備100也可以作為一個軟件模塊和/或硬件裝置而集成到一服務(wù)器中，該服務(wù)器通過有線和/或無線地方式與該可移動電子設(shè)備連接，用于接收可移動電子設(shè)備在未知環(huán)境中進行SLAM所獲得的數(shù)據(jù)。所述數(shù)據(jù)至少包括以下數(shù)據(jù)中的一種或者多種:所述可移動電子設(shè)備的運動軌跡(例如，機器人的位置信息或坐標(biāo)信息)、所述可移動電子設(shè)備的運動軌跡姿態(tài)(例如，機器人的朝向信息或角度信息)、當(dāng)前已構(gòu)建的地圖信息(例如，關(guān)于未知環(huán)境部分區(qū)域的地圖數(shù)據(jù))。這樣，該可移動電子設(shè)備可以將自身獲取的數(shù)據(jù)傳送到具有海量存儲容量和高速計算速度的服務(wù)器，使得在服務(wù)器中完成機器人的定位和地圖數(shù)據(jù)的生成，從而將在機器人中存儲和計算的數(shù)據(jù)量保持到最小，使得機器人可以將系統(tǒng)資源有效地用于執(zhí)行SLAM和躲避障礙物等操作。[0041]在下文中，以將該信息處理設(shè)備100實現(xiàn)在服務(wù)器中為例來對本發(fā)明的實施例進行說明。然而，本發(fā)明不限于此。而是，還可以將信息處理設(shè)備100實現(xiàn)在可移動電子設(shè)備或其他各種設(shè)備中。
[0042]如圖3所圖示的，根據(jù)本發(fā)明第一實施例的信息處理方法包括:
[0043]在步驟S210中，獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點。
[0044]當(dāng)需要利用可移動電子設(shè)備(例如，可移動的機器人Robot)來對一未知環(huán)境執(zhí)行探索時，可以通過服務(wù)器預(yù)先地為Robot虛擬出一條無碰撞的最優(yōu)路徑，使得機器人可以根據(jù)該最優(yōu)路徑在未知環(huán)境中進行運動。替換地，該機器人也可以自主地在未知環(huán)境中進行運動，以對所在環(huán)境進行探測和理解。然后，該機器人在進行運動的同時，對該未知環(huán)境執(zhí)行即時定位與地圖構(gòu)建(SLAM)。
[0045]隨著移動機器人在未知環(huán)境中進行移動和拍攝，信息處理設(shè)備100在各個位置點獲得通過執(zhí)行SLAM操作所得到的數(shù)據(jù)。
[0046]圖5圖不了根據(jù)本發(fā)明實施例的可移動電子設(shè)備的運動軌跡,而圖6圖不了根據(jù)本發(fā)明第一實施例的節(jié)點和誤差范圍。
[0047]在本發(fā)明的第一實施例中，假設(shè)機器人在未知環(huán)境中采取圓形運動軌跡進行運動。如圖5所圖示的，機器人從起點位置I開始運動到位置2，再繼續(xù)運動到位置3，如此繼續(xù)，進而運動到位置12，并最終回到起點位置1，從而完成了圓形的運動軌跡。
[0048]需要注意的是，盡管在這里以圓形軌跡為例來對本發(fā)明實施例進行說明，但是本發(fā)明不限于此。而是，機器人可以采用任意的規(guī)則或不規(guī)則軌跡而在未知環(huán)境中進行運動。
[0049]在機器人的運動期間，它在各個位置點不斷執(zhí)行SLAM操作，并獲得結(jié)果數(shù)據(jù)。然后，在該信息處理設(shè)備100中，節(jié)點獲取單元110獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點。
[0050]具體地，以起點的位置I為例，機器人首先在位置I處執(zhí)行SLAM操作。該節(jié)點獲取單元Iio從機器人接收一幀觀測數(shù)據(jù)，作為當(dāng)前節(jié)點，即如圖6所圖示的節(jié)點1，例如，該幀觀測數(shù)據(jù)可以通過在機器人上裝備的激光傳感器發(fā)射激光而得到的反射結(jié)果。在2D-SLAM的情況下，該幀觀測數(shù)據(jù)將包括導(dǎo)致激光返回的每個掃描點的二維坐標(biāo)(X，y)。在激光的發(fā)射角度是180度且每隔I度發(fā)射一束激光的情況下，節(jié)點獲取單元110可以獲取到180個掃描點的二維坐標(biāo)，并且將其作為該節(jié)點I。
[0051]然后，存儲單元170可以在存儲器中存儲當(dāng)前節(jié)點，以供稍后使用。
[0052]在步驟S220中，計算當(dāng)前節(jié)點的位置信息。
[0053]接下來,位置計算單元120從節(jié)點獲取單元110接收該當(dāng)前節(jié)點，并且計算所述當(dāng)前節(jié)點的位置信息。
[0054]具體地，該位置計算單元120可以使用第一匹配方法，來對所述當(dāng)前節(jié)點和所述當(dāng)前節(jié)點的前一節(jié)點進行局部地圖構(gòu)建。例如，由于此時當(dāng)前節(jié)點(即，節(jié)點I)是第一個節(jié)點，在它之前并不存在任何歷史節(jié)點，所以該位置計算單元120可以使用迭代最近點(ICP)算法或極點掃描匹配(PSM)算法來對該當(dāng)前節(jié)點進行局部地圖構(gòu)建，以獲得該當(dāng)前節(jié)點在未知環(huán)境中的坐標(biāo)信息。如果假設(shè)第一位置是整個未知環(huán)境的原點位置，則該位置計算單元120可以得知該當(dāng)前節(jié)點的坐標(biāo)值是(0，O)，或者更一般地是(xl，yl)。
[0055]在步驟S230中，從當(dāng)前節(jié)點中提取特征信息。
[0056]在位置計算單元120計算出所述當(dāng)前節(jié)點的位置信息之后，特征提取單元160從所述當(dāng)前節(jié)點中提取特征信息。
[0057]具體地，該特征提取單元160可以從機器人獲得的掃描點中提取其中包含的特征點集。該特征點集是指特征點的集合，即具有高區(qū)分度的點的集合。例如特征點可以是一個矩形平面的角點，或者一個灰色背景中的紅色點等等。
[0058]在該特征提取單元160提取出特征信息之后，存儲單元170可以存儲該節(jié)點I的特征信息，并且將所存儲的特征信息與之前存儲的當(dāng)前節(jié)點(即，節(jié)點I)建立聯(lián)系，使得環(huán)路檢測單元150能夠得知在存儲單元170中存儲的每個節(jié)點都包括哪些特征信息。
[0059]在步驟S240中，確定當(dāng)前節(jié)點的誤差范圍。
[0060]接下來，誤差確定單元130確定所述當(dāng)前節(jié)點的誤差范圍。
[0061]具體地，該誤差確定單元130可以在該位置計算單元120使用例如掃描匹配方法來對該當(dāng)前節(jié)點進行局部地圖構(gòu)建的同時，通過該掃描匹配方法的運算結(jié)果來計算當(dāng)前節(jié)點(即，節(jié)點I)的方差和/或協(xié)方差。該方差和協(xié)方差可以指示出該位置計算單元120所計算得到的當(dāng)前節(jié)點的坐標(biāo)Gd，yl)與該當(dāng)前節(jié)點在未知環(huán)境中的真實坐標(biāo)之間的誤差范圍。
[0062]由于當(dāng)前機器人處于其初始位置(S卩，位置I)處，所以一般情況下，該位置計算單元120所得到的該節(jié)點I的坐標(biāo)信息往往并不存在任何誤差，所以該誤差確定單元130在對該節(jié)點I的誤差范圍進行確定之后，很可能得知該節(jié)點I的誤差范圍為O。
[0063]在步驟S250中，判斷在當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點。
[0064]在誤差確定單元130確定所述當(dāng)前節(jié)點的誤差范圍之后，該范圍判斷單元140判斷在所述當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點。如果在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點，則該范圍判斷單元140通知環(huán)路檢測單元150對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。否則，該環(huán)路檢測單元150不執(zhí)行任何操作，并且根據(jù)本發(fā)明第一實施例的信息處理方法返回到步驟S210繼續(xù)執(zhí)行，直到機器人不再運動為止，也就是說，直到節(jié)點獲取單元110無法獲取到新的一幀觀測數(shù)據(jù)為止。
[0065]具體地，由于此時當(dāng)前節(jié)點(即，節(jié)點I)是機器人運動軌跡中的第一個節(jié)點，在它之前并不存在任何歷史節(jié)點，所以該范圍判斷單元140必然判斷在所述當(dāng)前節(jié)點的誤差范圍中沒有存在歷史節(jié)點。
[0066]換言之，即使在當(dāng)前節(jié)點之前存在一個或多個歷史節(jié)點，但是由于此時該當(dāng)前節(jié)點的誤差范圍是0，所以該范圍判斷單元140也必然判斷在所述當(dāng)前節(jié)點的誤差范圍中沒有存在歷史節(jié)點。
[0067]故此，如上所述，該范圍判斷單元140沒有通知環(huán)路檢測單元150進行環(huán)路檢測，而是通知節(jié)點獲取單元110繼續(xù)獲取下一幀觀測數(shù)據(jù)。接下來，根據(jù)本發(fā)明第一實施例的信息處理方法返回到步驟S210繼續(xù)執(zhí)行。此時，機器人沿著自身的圓形軌跡繼續(xù)運動，并且以一預(yù)定時間間隔、或在接收到掃描請求時，通過激光傳感器繼續(xù)獲得在下一位置(即，位置2)的觀測數(shù)據(jù)。
[0068]具體地，機器人在位置2處繼續(xù)執(zhí)行SLAM操作。該節(jié)點獲取單元110在步驟S210中從機器人接收下一幀觀測數(shù)據(jù)(例如，180個掃描點的二維坐標(biāo))，作為當(dāng)前節(jié)點，即如圖6所圖示的節(jié)點2，并且該存儲單元170在存儲器中存儲該節(jié)點2。然后，該位置計算單元120在步驟S220中使用例如掃描匹配方法中的迭代最近點(ICP)算法來估計節(jié)點2與節(jié)點I之間的轉(zhuǎn)移矩陣，確定在節(jié)點2中一定數(shù)目的掃描點，通過該轉(zhuǎn)移矩陣來將節(jié)點2的坐標(biāo)系下的這些掃描點轉(zhuǎn)換到節(jié)點I的坐標(biāo)系下，尋找在節(jié)點I中距離它們最近的掃描點，估計它們之間的誤差，并再次確定一定數(shù)目的掃描點，重復(fù)上述過程，從而通過迭代的方式使得這個誤差最小化，直到實現(xiàn)節(jié)點2與節(jié)點I之間的準(zhǔn)確掃描對準(zhǔn)為止，以獲得該節(jié)點2在未知環(huán)境中的坐標(biāo)信息(x2，y2)。
[0069]顯然，該位置計算單元120也可以使用掃描匹配方法中的極點掃描匹配(PSM)算法來獲得該節(jié)點2在未知環(huán)境中的坐標(biāo)信息(x2，y2)。
[0070]接下來，該特征提取單元160在步驟S230中從節(jié)點2中提取其中包括的特征信息，并且存儲單元170可以與節(jié)點2相關(guān)聯(lián)地存儲該節(jié)點2的特征信息。在步驟S240中，誤差確定單元130通過計算節(jié)點2的方差和/或協(xié)方差，從而獲得節(jié)點2的誤差范圍，例如，該節(jié)點2的誤差范圍在圖6中通過節(jié)點2外圍的虛線圓圈來示意性地表示。由于此時機器人已經(jīng)離開自己的初始位置而到達未知環(huán)境中的一不確定位置，所以通過SLAM而計算得到的該機器人的坐標(biāo)位置必須存在一定誤差，并且該誤差也將隨著機器人的不斷運動，計算的不斷執(zhí)行而逐漸累加。換言之，當(dāng)前節(jié)點的誤差范圍必然大于歷史節(jié)點中前面第一個節(jié)點的誤差范圍，而前面第一個節(jié)點的誤差范圍也必須大于歷史節(jié)點中前面第二個節(jié)點的誤差范圍，并以此類推。然后，在步驟S250中，范圍判斷單元140判斷在當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點。如圖6所圖示的，該節(jié)點2雖然存在一定的誤差，但是它的誤差不是很大，顯然，節(jié)點2的歷史節(jié)點(即，節(jié)點I)并沒有位于該誤差范圍內(nèi)。因此，該范圍判斷單元140同樣通知節(jié)點獲取單元110繼續(xù)獲取下一幀觀測數(shù)據(jù)。
[0071]如此類推，在根據(jù)本發(fā)明第一實施例的信息處理設(shè)備中，節(jié)點獲取單元110、位置計算單元120、誤差確定單元130、范圍判斷單元140、特征提取單元160和存儲單元170繼而對機器人在位置3到位置12的觀測數(shù)據(jù)進行處理、存儲和判斷。如圖6所圖示的，在當(dāng)前節(jié)點的誤差范圍中都沒有存在歷史節(jié)點。
[0072]最后，機器人重新回到初始位置1，并且執(zhí)行SLAM操作。該節(jié)點獲取單元110在步驟S210中從機器人接收下一幀觀測數(shù)據(jù)(例如，180個掃描點的二維坐標(biāo))，作為當(dāng)前節(jié)點，即如圖6所圖示的節(jié)點13，并且該存儲單元170在存儲器中存儲該節(jié)點13。然后，該位置計算單元120在步驟S220中使用例如掃描匹配方法中的迭代最近點(ICP)算法或極點掃描匹配(PSM)算法來獲得節(jié)點13與節(jié)點12的準(zhǔn)確掃描對準(zhǔn)，以獲得該節(jié)點13在未知環(huán)境中的坐標(biāo)信息(xl3，yl3)。接下來，該特征提取單元160在步驟S230中從節(jié)點13中提取其中包括的特征信息，并且存儲單元170可以與節(jié)點13相關(guān)聯(lián)地存儲該節(jié)點13的特征信息。在步驟S240中，誤差確定單元130通過計算節(jié)點13的方差和/或協(xié)方差，從而獲得節(jié)點13的誤差范圍，例如，該節(jié)點13的誤差范圍在圖6中通過節(jié)點13外圍的虛線圓圈來示意性地表示。如上所述，節(jié)點13的誤差范圍大于節(jié)點12的誤差范圍，并且其中包括有節(jié)點
I。然后，在步驟S250中，范圍判斷單元140可以判斷出在當(dāng)前節(jié)點(S卩，節(jié)點13)的誤差范圍中存在歷史節(jié)點(即，節(jié)點1)，于是該范圍判斷單元140進一步通知環(huán)路檢測單元150對節(jié)點13和節(jié)點I進行環(huán)路檢測。
[0073]在步驟S260中，對當(dāng)前節(jié)點和歷史節(jié)點進行環(huán)路檢測。
[0074]在接收到范圍判斷單元140的通知之后，環(huán)路檢測單元150對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。[0075]具體地，該環(huán)路檢測單元150可以使用第一匹配方法，通過所述當(dāng)前節(jié)點的特征信息和所述歷史節(jié)點的特征信息，來對兩者進行環(huán)路檢測。例如，該環(huán)路檢測單元150可以首先從存儲單元170中讀取在該節(jié)點13和節(jié)點I中包括的特征信息，并且使用例如特征匹配方法來對節(jié)點13中一定數(shù)目的特征點和節(jié)點I中一定數(shù)目的特征點進行匹配，尋找兩者之間的特征點對的匹配，從而確定兩者之間是否存在閉環(huán)。因此，該環(huán)路檢測單元150最終可以發(fā)現(xiàn)節(jié)點13的位置坐標(biāo)與節(jié)點I的位置坐標(biāo)是相同的，并因而，在所繪制的未知環(huán)境的地圖中將機器人的運動軌跡進行環(huán)路閉合。
[0076]由此可見，采用根據(jù)本發(fā)明第一實施例的信息處理方和信息處理設(shè)備，可以首先利用掃描匹配方法來計算出當(dāng)前robot的位置和姿態(tài)信息，再提取掃描信息中的2D特征點，然后將每一幀觀測數(shù)據(jù)看做圖中的節(jié)點來構(gòu)建地圖，最后利用特征點對匹配的方法來尋找閉環(huán)。因此，在本發(fā)明的第一實施例中，可以在更為準(zhǔn)確地提供用于機器人路徑的位置估計的同時，有效地檢測機器人運動軌跡的環(huán)路閉合，從而實現(xiàn)了一種有效閉環(huán)的2D-SLAM方法以用于機器人的精確定位。
[0077]需要說明的是，盡管在上文中以特定的順序描述了根據(jù)本發(fā)明第一實施例的信息處理方法，但是本發(fā)明不限于此。例如，顯然，步驟S230可以在步驟S220之前執(zhí)行或者與之同時執(zhí)行。同理，步驟S230可以在步驟S240之后執(zhí)行或者與之同時執(zhí)行。[0078]在下文中，將參考圖7和圖8來描述根據(jù)本發(fā)明第二實施例的信息處理方法和信息處理設(shè)備。
[0079]圖7圖示了根據(jù)本發(fā)明第二實施例的信息處理方法，而圖8圖示了根據(jù)本發(fā)明第二實施例的信息處理設(shè)備100。
[0080]圖7所圖示的根據(jù)本發(fā)明第二實施例的信息處理方法可以通過圖8所圖示的信息處理設(shè)備100來實現(xiàn)。如圖8所圖示的，與圖2中一樣地，該信息處理設(shè)備100包括--節(jié)點獲取單元110、位置計算單元120、誤差確定單元130、范圍判斷單元140和環(huán)路檢測單元150。此外，優(yōu)選地，該信息處理設(shè)備100還可以包括:特征提取單元160、存儲單元170、數(shù)目判斷單元180、場景規(guī)約單元190、和/或誤差修改單元200。
[0081]如圖7所圖示的，根據(jù)本發(fā)明第二實施例的信息處理方法包括:
[0082]在步驟S310中，獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點。
[0083]隨著移動機器人在未知環(huán)境中進行移動和拍攝，信息處理設(shè)備100在各個位置點獲得通過執(zhí)行SLAM操作所得到的數(shù)據(jù)。
[0084]圖5圖不了根據(jù)本發(fā)明實施例的可移動電子設(shè)備的運動軌跡,而圖9圖不了根據(jù)本發(fā)明第二實施例的節(jié)點、場景和誤差范圍。
[0085]在本發(fā)明的第二實施例中，繼續(xù)假設(shè)機器人在未知環(huán)境中采取如圖5所圖示的圓形運動軌跡進行運動。也就是說，如圖5所圖示的，機器人從起點位置I開始運動到位置2，再繼續(xù)運動到位置3，如此繼續(xù)，進而運動到位置12，并最終回到起點位置1，從而完成了圓形的運動軌跡。
[0086]首先，該節(jié)點獲取單元110從處于未知環(huán)境中的機器人接收一幀觀測數(shù)據(jù)，作為當(dāng)前節(jié)點，即如圖9所圖示的節(jié)點I。
[0087]在步驟S320中，計算當(dāng)前節(jié)點的位置信息。
[0088]接下來,位置計算單元120從節(jié)點獲取單元110接收該當(dāng)前節(jié)點，并且計算所述當(dāng)前節(jié)點的位置信息。
[0089]在步驟S330中，從當(dāng)前節(jié)點中提取特征信息。
[0090]在位置計算單元120計算出所述當(dāng)前節(jié)點的位置信息之后，特征提取單元160從所述當(dāng)前節(jié)點中提取特征信息。假設(shè)在當(dāng)前節(jié)點I中包括的特征點的數(shù)目是10。
[0091]在步驟S340中，確定當(dāng)前節(jié)點的誤差范圍。
[0092]接下來，誤差確定單元130確定所述當(dāng)前節(jié)點的誤差范圍。
[0093]需要說明的是，由于第二實施例中的步驟S310到S340與第一實施例中的步驟S210到S240相同，所以在此為了簡潔而省略其詳細描述。
[0094]在步驟S350中，將當(dāng)前節(jié)點和所存儲的歷史節(jié)點規(guī)約為單一場景作為當(dāng)前場景，并且確定當(dāng)前場景的誤差范圍。
[0095]在特征提取單元160從所述當(dāng)前節(jié)點中提取到特征信息之后，數(shù)目判斷單元180判斷所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和是否大于或等于閾值數(shù)目。如果所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和大于或等于所述閾值數(shù)目，則場景規(guī)約單元190將所述當(dāng)前節(jié)點和所存儲的歷史節(jié)點規(guī)約為單一場景作為當(dāng)前場景。如果所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和小于所述閾值數(shù)目，則存儲單元170將所述當(dāng)前節(jié)點添加存儲到所存儲的歷史節(jié)點中，并且將所述當(dāng)前節(jié)點的特征信息添加存儲到所存儲的歷史節(jié)點的特征信息中，并同樣與當(dāng)前節(jié)點相關(guān)聯(lián)地存儲該當(dāng)前節(jié)點的誤差范圍。然后，根據(jù)本發(fā)明第二實施例的信息處理方法返回到步驟S310繼續(xù)執(zhí)行，直到規(guī)約出單一場景為止。
[0096]具體地，數(shù)目判斷單元180確定特征提取單元160從節(jié)點I中提取到的特征信息的數(shù)目，并且由于該節(jié)點I是第一個節(jié)點，在它之前并不存在任何歷史節(jié)點，所以該數(shù)目判斷單元180判斷在節(jié)點I中包括的特征點的數(shù)目10是否達到閾值數(shù)目M。該M是在一個場景中需要包括的特征點的最小數(shù)目，以免由于特征點過少而導(dǎo)致最終所使用特征匹配算法失敗。在此為了說明將該閾值數(shù)目M假設(shè)為100。
[0097]因此，該數(shù)目判斷單元180可以判斷出在節(jié)點I中包括的特征點的數(shù)目10小于閾值數(shù)目100，然后，它就通知存儲單元170在存儲器中存儲節(jié)點I作為歷史節(jié)點，并與該節(jié)點I相關(guān)聯(lián)地存儲在節(jié)點I中包括的特征信息以及節(jié)點I的誤差范圍，以供稍后使用。
[0098]故此，如上所述，該數(shù)目判斷單元180沒有通知場景規(guī)約單元190進行規(guī)約處理，而是通知節(jié)點獲取單元110繼續(xù)獲取下一幀觀測數(shù)據(jù)。接下來，根據(jù)本發(fā)明第二實施例的信息處理方法返回到步驟S310繼續(xù)執(zhí)行。此時，機器人沿著自身的圓形軌跡繼續(xù)運動，并且以一預(yù)定時間間隔、或在接收到掃描請求時，通過激光傳感器繼續(xù)獲得在下一位置(即，位置2)的觀測數(shù)據(jù)。
[0099]具體地，機器人在位置2處繼續(xù)執(zhí)行SLAM操作。該節(jié)點獲取單元110在步驟S310中從機器人接收下一幀觀測數(shù)據(jù)(例如，180個掃描點的二維坐標(biāo))，作為當(dāng)前節(jié)點，即如圖9所圖示的節(jié)點2。然后，該位置計算單元120在步驟S320中使用例如掃描匹配方法中的迭代最近點(ICP)算法或極點掃描匹配(PSM)算法來獲得該節(jié)點2在未知環(huán)境中的坐標(biāo)信息(x2, y2)。接下來，該特征提取單元160在步驟S330中從節(jié)點2中提取其中包括的特征信息，假設(shè)在當(dāng)前節(jié)點2中包括的特征點的數(shù)目是40。誤差確定單元130在步驟S340中確定節(jié)點2的誤差范圍。在步驟S350中，數(shù)目判斷單元180判斷出特征提取單元160從節(jié)點2中提取到的特征點的數(shù)目40與所存儲的歷史節(jié)點(即，節(jié)點I)的特征點的數(shù)目10之和為50，仍然小于閾值數(shù)目100，因此，該數(shù)目判斷單元180同樣通知存儲單元170在存儲器中存儲節(jié)點2作為歷史節(jié)點，并與該節(jié)點2相關(guān)聯(lián)地存儲在節(jié)點2中包括的特征信息以及節(jié)點2的誤差范圍，并且通知節(jié)點獲取單元110繼續(xù)獲取下一幀觀測數(shù)據(jù)。
[0100]如此類推，在根據(jù)本發(fā)明第二實施例的信息處理設(shè)備中，節(jié)點獲取單元110、位置計算單元120、誤差確定單元130、特征提取單元160、存儲單元170、和數(shù)目判斷單元180繼而對機器人在位置3的觀測數(shù)據(jù)進行處理、存儲和判斷，假設(shè)在當(dāng)前節(jié)點3中包括的特征點的數(shù)目是50。于是，在步驟S350中，數(shù)目判斷單元180判斷出特征提取單元160從節(jié)點3中提取到的特征點的數(shù)目50與所存儲的歷史節(jié)點(即，節(jié)點2和節(jié)點I)的特征點的數(shù)目之和為100，即已經(jīng)達到閾值數(shù)目100。然后，它就通知場景規(guī)約單元190進行規(guī)約處理。
[0101]在該規(guī)約處理中，所述場景規(guī)約單元將所述當(dāng)前節(jié)點和所存儲的歷史節(jié)點規(guī)約為單一場景作為當(dāng)前場景，將所述歷史節(jié)點中的第一個節(jié)點作為所述當(dāng)前場景的根節(jié)點，將所述根節(jié)點的誤差范圍作為所述當(dāng)前場景的誤差范圍，并且刪除所存儲的歷史節(jié)點和所存儲的歷史節(jié)點的特征信息，并且所述場景規(guī)約單元濾除在所述當(dāng)前節(jié)點的特征信息與所存儲的歷史節(jié)點的特征信息之間重復(fù)的特征信息，并且將剩余的特征信息作為所述當(dāng)前場景的特征信息。
[0102]具體地，該場景規(guī)約單元190將當(dāng)前節(jié)點(即，節(jié)點3)和在存儲單元170中存儲的歷史節(jié)點(即，節(jié)點2和節(jié)點I)規(guī)約為單一場景，作為當(dāng)前場景，即如圖9所圖示的場景I。然后，該場景規(guī)約單元190將在存儲單元170中存儲的所有歷史節(jié)點(例如，節(jié)點2和節(jié)點I)中的第一個節(jié)點(即，節(jié)點I)作為場景I的根節(jié)點，將節(jié)點I的誤差范圍作為場景I的誤
差范圍。
[0103]然后，該場景規(guī)約單元190對在當(dāng)前節(jié)點(即，節(jié)點3)中包括的特征信息和在存儲單元170中存儲的歷史節(jié)點(即，節(jié)點2和節(jié)點I)中包括的特征信息進行過濾，刪除它們之中的重疊特征信息，并且將不包括任何冗余性的特征信息作為場景I的特征信息。然后，該存儲單元170將場景I的特征信息與場景I相關(guān)聯(lián)地存儲到存儲器中，使得環(huán)路檢測單元150能夠得知在存儲單元170中存儲的每個場景都包括哪些節(jié)點和哪些特征信息。
[0104]最后，該場景規(guī)約單元190通知存儲單元170刪除在其中所存儲的歷史節(jié)點(SP，節(jié)點2和節(jié)點I)和它們的特征信息，以便釋放存儲器的空間，防止過多無用數(shù)據(jù)占用存儲資源。
[0105]這樣，場景規(guī)約單元190就生成了以下的場景1，即節(jié)點I作為根節(jié)點，節(jié)點I的誤差范圍作為其誤差范圍，并且包括有節(jié)點3到節(jié)點I中全部特征信息。
[0106]在步驟S360中，判斷在當(dāng)前場景的誤差范圍中是否存在歷史場景。
[0107]在場景規(guī)約單元190確定所述當(dāng)前場景的誤差范圍之后，該范圍判斷單元140判斷在所述當(dāng)前場景的誤差范圍中是否存在歷史場景。該范圍判斷單元140獲取歷史場景，提取所述歷史場景的根節(jié)點的位置信息，并且根據(jù)所述歷史場景根節(jié)點的位置信息來判斷所述歷史場景是否存在于所述當(dāng)前場景的誤差范圍中。如果在所述當(dāng)前場景的誤差范圍中存在歷史場景，則該范圍判斷單元140通知環(huán)路檢測單元150對所述當(dāng)前場景和所述歷史場景進行環(huán)路檢測。否則，該環(huán)路檢測單元150不執(zhí)行任何操作，并且根據(jù)本發(fā)明第二實施例的信息處理方法返回到步驟S310繼續(xù)執(zhí)行，直到機器人不再運動為止，也就是說，直到節(jié)點獲取單元110無法獲取到新的一幀觀測數(shù)據(jù)為止。
[0108]具體地，由于此時當(dāng)前場景(B卩，場景I)是機器人運動軌跡中的第一個場景，在它之前并不存在任何歷史場景，所以該范圍判斷單元140必然判斷在所述當(dāng)前場景的誤差范圍中沒有存在歷史場景。
[0109]換言之，即使在當(dāng)前場景之前存在一個或多個歷史場景，但是由于此時該當(dāng)前場景的誤差范圍是節(jié)點I的誤差范圍，即為0，所以該范圍判斷單元140也必然判斷在所述當(dāng)前場景的誤差范圍中沒有存在歷史場景。
[0110]故此，如上所述，該范圍判斷單元140沒有通知環(huán)路檢測單元150進行環(huán)路檢測，而是通知節(jié)點獲取單元110繼續(xù)獲取下一幀觀測數(shù)據(jù)。接下來，根據(jù)本發(fā)明第二實施例的信息處理方法返回到步驟S310繼續(xù)執(zhí)行。
[0111]具體地，機器人在位置4到位置8處繼續(xù)執(zhí)行SLAM操作。節(jié)點獲取單元110、位置計算單元120、誤差確定單元130、特征提取單元160、存儲單元170、和數(shù)目判斷單元180繼而對機器人在位置4到位置8的觀測數(shù)據(jù)進行處理、存儲和判斷，假設(shè)在當(dāng)前節(jié)點4到節(jié)點8中包括的特征點的數(shù)目分別是10、10、10、10和70。于是，在步驟S350中，數(shù)目判斷單元180判斷出特征提取單元160從節(jié)點8中提取到的特征點的數(shù)目70與所存儲的歷史節(jié)點(即，節(jié)點7、節(jié)點6、節(jié)點5和節(jié)點4)的特征點的數(shù)目之和為110，即已經(jīng)超過閾值數(shù)目100。然后，它就通知場景規(guī)約單元190進行規(guī)約處理。場景規(guī)約單元190就生成了以下的場景2，即節(jié)點4作為根節(jié)點，節(jié)點4的誤差范圍作為其誤差范圍，并且包括有節(jié)點8到節(jié)點4中全部特征信息。然后，該存儲單元170將場景2的特征信息和場景2中的所有節(jié)點與場景2相關(guān)聯(lián)地存儲到存儲器中。接下來，在步驟S360中，范圍判斷單元140獲取當(dāng)前場景(即，場景2)的所有歷史場景(即，場景1)，提取場景I的根節(jié)點(即，節(jié)點I)的位置信息，根據(jù)節(jié)點I的位置信息來判斷場景I是否存在于場景2的誤差范圍中。如圖9所圖示的，該場景2雖然存在一定的誤差，但是它的誤差不是很大，顯然，場景2的歷史場景(S卩，場景I)的根節(jié)點(節(jié)點I)并沒有位于該誤差范圍內(nèi)。因此，該范圍判斷單元140同樣通知節(jié)點獲取單元110繼續(xù)獲取下一幀觀測數(shù)據(jù)。
[0112]如此類推，在根據(jù)本發(fā)明第二實施例的信息處理設(shè)備中，節(jié)點獲取單元110、位置計算單元120、誤差確定單元130、范圍判斷單元140、特征提取單元160、存儲單元170、數(shù)目判斷單元180和場景規(guī)約單元190繼而對機器人在位置9到位置12的觀測數(shù)據(jù)進行處理、存儲和判斷。場景規(guī)約單元190就生成了以下的場景3，即節(jié)點9作為根節(jié)點，節(jié)點9的誤差范圍作為其誤差范圍，并且包括有節(jié)點9到節(jié)點12中全部特征信息。然后，該存儲單元170將場景3的特征信息和場景3中的所有節(jié)點與場景3相關(guān)聯(lián)地存儲到存儲器中。如圖9所圖示的，在當(dāng)前場景的誤差范圍中也沒有存在歷史場景。
[0113]最后，機器人重新回到初始位置I，并且執(zhí)行SLAM操作。該節(jié)點獲取單元110在步驟S310中從機器人接收下一幀觀測數(shù)據(jù)(例如，180個掃描點的二維坐標(biāo))，作為當(dāng)前節(jié)點，即如圖9所圖示的節(jié)點13。然后，該位置計算單元120在步驟S320中使用例如掃描匹配方法中的迭代最近點(ICP)算法或極點掃描匹配(PSM)算法來獲得節(jié)點13在未知環(huán)境中的坐標(biāo)信息(xl3，yl3)。接下來，該特征提取單元160在步驟S330中從節(jié)點13中提取其中包括的特征信息，假設(shè)在當(dāng)前節(jié)點2中包括的特征點的數(shù)目是140。誤差確定單元130在步驟S340中通過計算節(jié)點13的方差和/或協(xié)方差，從而獲得節(jié)點13的誤差范圍，例如，該節(jié)點13的誤差范圍在圖9中通過節(jié)點13外圍的虛線圓圈來示意性地表示。在步驟S350中，數(shù)目判斷單元180判斷出特征提取單元160從節(jié)點2中提取到的特征點的數(shù)目140已經(jīng)超過閾值數(shù)目100。然后，它就通知場景規(guī)約單元190進行規(guī)約處理。這樣，場景規(guī)約單元190就生成了以下的場景4，即節(jié)點13作為根節(jié)點，節(jié)點13的誤差范圍作為其誤差范圍，并且包括有節(jié)點13中全部特征信息。然后，該存儲單元170將場景4的特征信息和場景4中的所有節(jié)點與場景4相關(guān)聯(lián)地存儲到存儲器中。如圖9所圖示的，場景4的誤差范圍大于場景3的誤差范圍，并且其中包括有場景I。然后，在步驟S360中，范圍判斷單元140可以判斷出在當(dāng)前場景(即，場景4)的誤差范圍中存在歷史場景(S卩，場景1)，于是該范圍判斷單元140進一步通知環(huán)路檢測單元150對場景4和場景I進行環(huán)路檢測。
[0114]在步驟S370中，對當(dāng)前場景和歷史場景進行環(huán)路檢測。
[0115]在接收到范圍判斷單元140的通知之后，環(huán)路檢測單元150對所述當(dāng)前場景和所述歷史場景進行環(huán)路檢測。
[0116]具體地，該環(huán)路檢測單元150可以使用第一匹配方法，通過所述當(dāng)前場景的特征信息和所述歷史場景的特征信息，來對所述當(dāng)前場景中的最后一個節(jié)點和所述歷史場景中的第一個節(jié)點進行環(huán)路檢測。例如，該環(huán)路檢測單元150可以首先從存儲單元170中讀取在該場景4和場景I中包括的特征信息，并且使用例如特征匹配方法來對場景4中一定數(shù)目的特征點和場景I中一定數(shù)目的特征點進行匹配，尋找兩者之間的特征點對的匹配，從而確定在場景4中的最后一個節(jié)點(即節(jié)點13)與場景I中的第一個節(jié)點(即，節(jié)點I)之間是否存在閉環(huán)。因此，該環(huán)路檢測單元150最終可以發(fā)現(xiàn)節(jié)點13的位置坐標(biāo)與節(jié)點I的位置坐標(biāo)是相同的，并因而，在所繪制的未知環(huán)境的地圖中將機器人的運動軌跡進行環(huán)路閉合。
[0117]當(dāng)然，這種環(huán)路檢測只有在兩個節(jié)點的位置坐標(biāo)完全相同或者非常接近的時候才會成功，也就是說，即使范圍判斷單元140判斷出在當(dāng)前場景的誤差范圍中存在歷史場景，而如果所述當(dāng)前場景中的最后一個節(jié)點和所述歷史場景中的第一個節(jié)點之間根本沒有存在環(huán)路，該環(huán)路檢測單元150也將不會在兩者之間進行環(huán)路閉合，即將得到正確的環(huán)路檢測結(jié)果。
[0118]在步驟S380中，將當(dāng)前場景的誤差范圍修改為歷史場景的誤差范圍。
[0119]如果環(huán)路檢測單元150在所述當(dāng)前場景與所述歷史場景之間成功地檢測到環(huán)路，則誤差修改單元200將所述當(dāng)前場景的誤差范圍修改為所述歷史場景的誤差范圍。
[0120]具體地，當(dāng)環(huán)路檢測單元150成功地在場景4中的最后一個節(jié)點(即節(jié)點13)與場景I中的第一個節(jié)點(即，節(jié)點I)之間發(fā)現(xiàn)環(huán)路之后，該誤差修改單元200采用回溯算法來降低先前所計算的場景的誤差范圍。
[0121]在一個示例中，假設(shè)場景I的誤差范圍是0，場景2的誤差范圍是60，場景3的誤差范圍是90，而場景4的誤差范圍是100。那么，誤差修改單元200可以將場景4的誤差范圍修改為場景I的誤差范圍，即O ;將場景3的誤差范圍修改為場景4的誤差范圍與場景3的誤差范圍之差再加上場景4修改后的誤差范圍，即100-90+0=10 ;而將場景2的誤差范圍修改為場景3的誤差范圍與場景2的誤差范圍之差再加上場景3修改后的誤差范圍，即90-60+10=40 ο
[0122]在另一示例中，假設(shè)場景I的誤差范圍是0，場景2的誤差范圍是30，場景3的誤差范圍是90，而場景4的誤差范圍是100。那么，誤差修改單元200可以將場景4的誤差范圍修改為場景I的誤差范圍，即O ;將場景3的誤差范圍修改為場景4的誤差范圍與場景3的誤差范圍之差再加上場景4修改后的誤差范圍，即100-90+0=10 ;而將場景2的誤差范圍修改為場景3的誤差范圍與場景2的誤差范圍之差再加上場景3修改后的誤差范圍，即90-30+10=70。這時，由于場景2修改后的誤差范圍要大于場景2的原始誤差范圍，所以基于希望獲得最小誤差的目的，該誤差修改單元200不再對場景2的誤差進行修改。
[0123]顯然，步驟S380同樣也可以在本發(fā)明的第一實施例中執(zhí)行，以使得如果環(huán)路檢測單元150在節(jié)點13與節(jié)點I之間成功地檢測到環(huán)路，則將節(jié)點13的誤差范圍修改為節(jié)點I的誤差范圍，即O。
[0124]由此可見，采用根據(jù)本發(fā)明第二實施例的信息處理方和信息處理設(shè)備，提出了一種基于場景(session)的融合掃描匹配和特征匹配的2D-SLAM方法。該方法首先利用掃描匹配方法來計算出當(dāng)前robot的位姿，再提取掃描信息中的2D特征點，然后將連續(xù)的特征點統(tǒng)一規(guī)約到session中去,并把每一個session看成圖中的節(jié)點來構(gòu)建地圖,最后利用特征點對匹配的方法來尋找閉環(huán)，并利用圖優(yōu)化算法來優(yōu)化最后的robot位姿。因此，在本發(fā)明的第二實施例中，一方面，具有高度的可擴展性，使得能夠基于圖優(yōu)化的算法可以結(jié)合2D-SLAM的一系列算法，另一方面，在大范圍場景中，可以精確地對機器人進行定位，發(fā)現(xiàn)機器人軌跡中的環(huán)路，從而實現(xiàn)了一種對節(jié)點相關(guān)性幾乎沒有依賴的有效閉環(huán)的2D-SLAM方法以用于機器人精確定位。
[0125]需要說明的是，盡管在上文中以特定的順序描述了根據(jù)本發(fā)明第二實施例的信息處理方法，但是本發(fā)明不限于此。例如，顯然，步驟S330可以在步驟S320之前執(zhí)行或者與之同時執(zhí)行。同理，步驟S330可以在步驟S340之后執(zhí)行或者與之同時執(zhí)行。
[0126]下面，將參考圖1Oa到圖1Oc來說明根據(jù)現(xiàn)有技術(shù)的解決方案與根據(jù)本發(fā)明的信息處理方法所生成的運動軌跡的效果比對。
[0127]圖1Oa圖示了機器人的真實運動軌跡，圖1Ob圖示了根據(jù)現(xiàn)有技術(shù)得到的運動軌跡，而圖1Oc圖示了根據(jù)本發(fā)明得到的運動軌跡。
[0128]如圖1Oa所圖示，機器人在正圓形形狀的未知環(huán)境中行進。該機器人按照時間順序從起始點(如其中灰色橢圓形標(biāo)記所圖示的)移動到最終點(如其中黑色橢圓形標(biāo)記所圖示的)。
[0129]如圖1Ob所圖示，當(dāng)只使用現(xiàn)有技術(shù)中的掃描匹配方法來對機器人的運動軌跡進行估計和繪制時，可以看出結(jié)果無法閉環(huán)，而且累計誤差非常大。
[0130]如圖1Oc所圖示，當(dāng)只使用根據(jù)本發(fā)明的基于session的融合掃描匹配和特征匹配的2D-SLAM方法來對機器人的運動軌跡進行估計和繪制時，可以看出所形成的路徑和機器人的真實運動軌跡非常接近，而且實現(xiàn)了完美閉環(huán)。
[0131]此外，表I示出了根據(jù)現(xiàn)有技術(shù)的解決方案與根據(jù)本發(fā)明的信息處理方法所生成的誤差范圍的效果比對。
[0132]
【權(quán)利要求】
1.一種信息處理方法,應(yīng)用于可移動電子設(shè)備，所述可移動電子設(shè)備被用于未知環(huán)境的即時定位與地圖構(gòu)建，其特征在于，所述方法包括: 獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點； 計算所述當(dāng) 前節(jié)點的位置信息； 確定所述當(dāng)前節(jié)點的誤差范圍； 判斷在所述當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點；以及 如果在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點，則對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。
2.根據(jù)權(quán)利要求1的方法，其特征在于，所述方法還包括: 從所述當(dāng)前節(jié)點中提取特征信息； 判斷所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和是否大于或等于閾值數(shù)目；以及 如果所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和大于或等于所述閾值數(shù)目，則將所述當(dāng)前節(jié)點和所存儲的歷史節(jié)點規(guī)約為單一場景作為當(dāng)前場景，并且將所述當(dāng)前節(jié)點的特征信息和所存儲的歷史節(jié)點的特征信息規(guī)約為所述當(dāng)前場景的特征信息。
3.根據(jù)權(quán)利要求2的方法，其特征在于，所述將所述當(dāng)前節(jié)點和所存儲的歷史節(jié)點規(guī)約為單一場景作為當(dāng)前場景的步驟包括: 將所述歷史節(jié)點中的第一個節(jié)點作為所述當(dāng)前場景的根節(jié)點； 將所述根節(jié)點的誤差范圍作為所述當(dāng)前場景的誤差范圍；以及 刪除所存儲的歷史節(jié)點和所存儲的歷史節(jié)點的特征信息。
4.根據(jù)權(quán)利要求2的方法，其特征在于，所述將所述當(dāng)前節(jié)點的特征信息和所存儲的歷史節(jié)點的特征信息規(guī)約為所述當(dāng)前場景的特征信息的步驟包括: 濾除在所述當(dāng)前節(jié)點的特征信息與所存儲的歷史節(jié)點的特征信息之間重復(fù)的特征信息；以及 將剩余的特征信息作為所述當(dāng)前場景的特征信息。
5.根據(jù)權(quán)利要求2的方法，其特征在于， 所述判斷在所述當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點的步驟包括: 判斷在所述當(dāng)前場景的誤差范圍中是否存在歷史場景，并且 所述如果在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點，則對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測的步驟包括: 如果在所述當(dāng)前場景的誤差范圍中存在歷史場景，則對所述當(dāng)前場景和所述歷史場景進行環(huán)路檢測。
6.根據(jù)權(quán)利要求5的方法，其特征在于，所述判斷在所述當(dāng)前場景的誤差范圍中是否存在歷史場景的步驟包括: 獲取歷史場景； 提取所述歷史場景的根節(jié)點的位置信息；以及 根據(jù)所述歷史場景根節(jié)點的位置信息來判斷所述歷史場景是否存在于所述當(dāng)前場景的誤差范圍中。
7.根據(jù)權(quán)利要求5的方法，其特征在于，所述對所述當(dāng)前場景和所述歷史場景進行環(huán)路檢測的步驟包括: 使用第一匹配方法，通過所述當(dāng)前場景的特征信息和所述歷史場景的特征信息，來對所述當(dāng)前場景中的最后一個節(jié)點和所述歷史場景中的第一個節(jié)點進行環(huán)路檢測。
8.根據(jù)權(quán)利要求2的方法，其特征在于，所述方法還包括: 如果所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和小于所述閾值數(shù)目，則將所述當(dāng)前節(jié)點添加存儲到所存儲的歷史節(jié)點中，并且將所述當(dāng)前節(jié)點的特征信息添加存儲到所存儲的歷史節(jié)點的特征信息中。
9.根據(jù)權(quán)利要求1的方法，其特征在于，所述計算所述當(dāng)前節(jié)點的位置信息的步驟包括: 使用第二匹配方法來對所述當(dāng)前節(jié)點和所述當(dāng)前節(jié)點的前一節(jié)點進行局部地圖構(gòu)建。
10.根據(jù)權(quán)利要求1的方法，其特征在于，所述方法還包括: 如果在所述當(dāng)前節(jié)點與所述歷史節(jié)點之間成功地檢測到環(huán)路，則將所述當(dāng)前節(jié)點的誤差范圍修改為所述歷史節(jié)點的誤差范圍。
11.一種信息處理設(shè)備，應(yīng)用于可移動電子設(shè)備，所述可移動電子設(shè)備被用于未知環(huán)境的即時定位與地圖構(gòu)建，其特征在于，所述信息處理設(shè)備包括: 節(jié)點獲取單元，用于獲取一幀觀測數(shù)據(jù)作為當(dāng)前節(jié)點； 位置計算單元，用于計算所述當(dāng)前節(jié)點的位置信息； 誤差確定單元，用于確定所述當(dāng)前節(jié)點的誤差范圍； 范圍判斷單元，用于判斷在所述當(dāng)前節(jié)點的誤差范圍中是否存在歷史節(jié)點；以及 環(huán)路檢測單元，用于如果在所述當(dāng)前節(jié)點的誤差范圍中存在歷史節(jié)點，則對所述當(dāng)前節(jié)點和所述歷史節(jié)點進行環(huán)路檢測。
12.根據(jù)權(quán)利要求11的信息處理設(shè)備，其特征在于，所述信息處理設(shè)備還包括: 特征提取單元，用于從所述當(dāng)前節(jié)點中提取特征信息； 數(shù)目判斷單元，用于判斷所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和是否大于或等于閾值數(shù)目；以及 場景規(guī)約單元，用于如果所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和大于或等于所述閾值數(shù)目，則將所述當(dāng)前節(jié)點和所存儲的歷史節(jié)點規(guī)約為單一場景作為當(dāng)前場景，并且將所述當(dāng)前節(jié)點的特征信息和所存儲的歷史節(jié)點的特征信息規(guī)約為所述當(dāng)前場景的特征信息。
13.根據(jù)權(quán)利要求12的信息處理設(shè)備，其特征在于，所述場景規(guī)約單元將所述歷史節(jié)點中的第一個節(jié)點作為所述當(dāng)前場景的根節(jié)點，將所述根節(jié)點的誤差范圍作為所述當(dāng)前場景的誤差范圍，并且刪除所存儲的歷史節(jié)點和所存儲的歷史節(jié)點的特征信息。
14.根據(jù)權(quán)利要求12的信息處理設(shè)備，其特征在于，所述場景規(guī)約單元濾除在所述當(dāng)前節(jié)點的特征信息與所存儲的歷史節(jié)點的特征信息之間重復(fù)的特征信息，并且將剩余的特征信息作為所述當(dāng)前場景的特征信息。
15.根據(jù)權(quán)利要求12的信息處理設(shè)備，其特征在于， 所述范圍判斷單元判斷在所述當(dāng)前場景的誤差范圍中是否存在歷史場景，并且 如果在所述當(dāng)前場景的誤差范圍中存在歷史場景，則所述環(huán)路檢測單元對所述當(dāng)前場景和所述歷史場景進行環(huán)路檢測。
16.根據(jù)權(quán)利要求15的信息處理設(shè)備，其特征在于，所述范圍判斷單元獲取歷史場景，提取所述歷史場景的根節(jié)點的位置信息，并且根據(jù)所述歷史場景根節(jié)點的位置信息來判斷所述歷史場景是否存在于所述當(dāng)前場景的誤差范圍中。
17.根據(jù)權(quán)利要求15的信息處理設(shè)備，其特征在于，所述環(huán)路檢測單元使用第一匹配方法，通過所述當(dāng)前場景的特征信息和所述歷史場景的特征信息，來對所述當(dāng)前場景中的最后一個節(jié)點和所述歷史場景中的第一個節(jié)點進行環(huán)路檢測。
18.根據(jù)權(quán)利要求12的信息處理設(shè)備，其特征在于，所述信息處理設(shè)備還包括: 存儲單元，用于如果所述當(dāng)前節(jié)點的特征信息數(shù)目與所存儲的歷史節(jié)點的特征信息數(shù)目之和小于所述閾值數(shù)目，則將所述當(dāng)前節(jié)點添加存儲到所存儲的歷史節(jié)點中，并且將所述當(dāng)前節(jié)點的特征信息添加存儲到所存儲的歷史節(jié)點的特征信息中。
19.根據(jù)權(quán)利要求11的信息處理設(shè)備，其特征在于，所述位置計算單元使用第二匹配方法來對所述當(dāng)前節(jié)點和所述當(dāng)前節(jié)點的前一節(jié)點進行局部地圖構(gòu)建。
20.根據(jù)權(quán)利要求11的信息處理設(shè)備，其特征在于，所述信息處理設(shè)備還包括: 誤差修改單元，用于如果在所述當(dāng)前節(jié)點與所述歷史節(jié)點之間成功地檢測到環(huán)路，則將所述當(dāng)前節(jié)點的 誤差范圍修改為所述歷史節(jié)點的誤差范圍。
【文檔編號】G05D1/02GK103901885SQ201210589700
【公開日】2014年7月2日 申請日期:2012年12月28日 優(yōu)先權(quán)日:2012年12月28日
【發(fā)明者】張賀, 劉國良 申請人:聯(lián)想(北京)有限公司