位姿

本技术实施例公开了一种位姿的确定方法、装置、设备及存储介质。该方法通过基于卫星定

位，获取目标对象的第一位置；确定所述目标对象在预先构建的地图中与所述第一位置相映

射的第二位置；获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观

测数据；基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述

地图中的初始位姿，解决因使用固定位置进行目标对象的位置初始化所带来的灵活性低、放

置目标对象容易产生误差的问题，实现降低对目标对象进行初始化时所处位置的要求，增加

目标对象确定初始位姿的灵活性，并提高了目标对象在该初始位姿启动的安全性的技术效果。

权利要求书

1.一种位姿的确定方法，其特征在于，包括：

基于卫星定位，获取目标对象的第一位置；

确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置；

获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观测数据；

基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿。

2.

根据权利要求

1所述的方法，其北师版 特征在于，所述确定所述目标对象在预先构建的地图中与

所述第一位置相映射的第二位置，包括：

在构建地图时，获取具有同一时间戳的第三位置与第四位置，其中，所述第三位置为基于卫星定位所获取的位置，所述第四位置为基于所述地图所获取的位置；

确定所述第三位置与所述第四位置之间的映射关系；

在对所述目标对象进行位姿的确定时，依据所述映射关系，将所述第一位置映射为所述第二位置。

3.

根据权利要求

1所述的方法，其特征在于，所述基于所述观测数据，在以所述第二位置为

中心的预设范围内，确定目标对象在所述地图中的初始位姿，包括：

在以所述第二位置为中心的预设范围内，使用高斯分布生成由粒子组成的粒子群，所述粒子

用于表示所述目标对象的预测位姿，所述粒子群用于表示所述目标对象关于预测位姿的概率分布；

为每一所述粒子所对应的预测位姿增加随机噪声，以更新所述粒子对应的预测位姿；

基于所述观测数据，在所述粒子群所表示的预测位姿的概率分布中，确定所述目标对象在所述地图中的初始位姿。

4.

根据权利要求

3所述的方法，其特征在于，所述为每一所述粒子所对应的预测位姿增加随

机噪声，以更新所述粒子对应的预测位姿，包括：

基于所述粒子的预测位姿，计算所述粒子群的第一标准差；

基于所述第一标准差确定随机噪声的概率分布；

使用所述随机噪声的概率分布，为所述粒子群中的每一所述粒子生成随机噪声；

将所述随机噪声叠加到所述粒子的预测位姿上，以更新所述粒子的预测位姿。

5.

根据权利要求

4所述的方法，其特征在于，所述依据基于所述第一标准差确定随机噪声的

概率分布，包括：

判断所述第一标准差是否小于预设阈值；

若是，则将随机噪声的第二标准差设置为预设阈值；

若否，则将所述随机噪声的第二标准差设置为所述第一标准差；

将所述随机噪声的概率分布，确定为符合所述第二标准差的高斯分布。

6.

根据权利要求

3-5任一所述的方法，其特征在于，所述基于所述观测数据，在所述粒

子群所表示的预测位姿的概率分布中，确定所述目标对象在所述地图中的初始位姿，包括：

针对所述粒子群中的每一个粒子，计算所述目标对象在处于所述粒子时，针对预置的标记点的估算数据；

依据所述观测数据与估算数据的差距，更新每个所述粒子的权重值；

依据所述权重值，计算所述粒子群中关于预测位姿的加权平均值；

当所述加权平均值满足收敛条件时，则将所述加权平均值确定为所述目标对象在所述地图中

的初始位姿。

7.

根据权利要求

6

所述的方法，其特征在于，在所述依据所述权重值，计算所述粒子群中关

于预测位姿的加权平均值之后，还包括：

当所述加权平均值不满足收敛条件时，则依据所述权重值，对所述粒子群中的粒子进行重新采样；

使用重新采样的所述粒子群，继续执行为每一所述粒子所对应的预测位姿增加随机噪声，以更新所述粒子对应的预测位姿的步骤。

8.

根据权利要求

7

所述的方法，其特征在于，所述依据所述权重值，对所述粒子群中的粒子

进行重新采样，包括：

依据所述权重值，调整所述粒子群中对应于各预测位姿的粒子的数量。

9.一种位姿的确定装置，其特征在于，包括：

第一位置获取模块，用于基于卫星定位，获取目标对象的第一位置；

第二位置确定模块，用于确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置；

观测数据获取模块，用于获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观测数据；

初始位姿确定模块，用于基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿。

10.一种位姿的确定设备，其特征在于，包括：存储器以及一个或多个处理器；

所述存储器，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权

利要求

1-8中任一所述的位姿的确定方法。

11.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算

机处理器执行时用于执行如权利要求

1-8中任一所述的位姿的确定方法。

技术说明书

一种位姿的确定方法、装置、设备及存储介质

技术领域

本技术实施例涉及定位的技术，尤其涉及一种位姿的确定方法、装置、设备及存储介质。

背景技术

机器人在已知地图中进行第一次初始化时，或者机器人在长时间的运行后，由于传感器数据

误差、环境信息较少、累积误差等造成机器人定位失败的时候，为保证机器人的正常定位，需要进行重定位，包括重新确定机器人的位置和朝向等，即位姿。

技术人在实现本技术时，发现现有技术存在如下的技术缺陷：

一般的，在基于激光雷达的机器人定位应用中，可以设置在固定位置启动。在此方法中，需

要在现实使用场景中设定一些固定位置并记录这些位置在地图上的坐标。这些固定的位置可以是如机器人充电桩等。进一步的，在每次启动的时候需要将机器人放置在该位置进行启

动，将该位置的地图坐标作为定位算法的初始值。此方法的优点在于启动快速，并且容易实

现；缺点是使用复杂，需要用户将机器人放置在固定位置进行启动，在没有严格的将机器人

放置在固定位会计前景 置启动时将造成定位错误，从而可能导致机器人执行导航任务时容易出现危险。

技术内容

本技术实施例提供一种位姿的确定方法、装置、设备及存储介质，以实现降低对目标对象进

行初始化时所处位置的要求，增加目标对象确定初始位姿的灵活性，并提高了目标对象在该初始位姿启动的安全性。

第一方面，本技术实施例提供了一种位姿的确定方法，该方法包括：

基于卫星定位，获取目标对象的第一位置；

确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置；

获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观测数据；

基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿。

进一步的，所述确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置，包括：

在构建地图时，获取具有同一铅笔手绘 时间戳的第三位置与第四位置，其中，所述第三位置为基于卫星定位所获取的位置，所述第四位置为基于所述地图所获取的位置；

确定所述第三位置与所述第四位置之间的映射关系；

在对所述目标对象进行位姿的确定时，依据所述映射关系，将所述第一位置映射为所述第二

位置。

进一步的，所述基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿，包括：

在以所述第二位置为中心的预设范围内，使用高斯分布生成由粒子组成的粒子群，所述粒子

用于表示所述目标对象的预测位姿，所述粒子群用于表示所述目标对象关于预测位姿的概率分布；

为每一所述粒子所对应的预测位姿增加随机噪声，以更新所述粒子对应的预测位姿；

基于所述观测数据，在所述粒子群所表示的预测位姿的概率分布中，确定所述目标对象在所述地图中的初始位姿。

进一步的，所述为每一所述粒子所对应的预测位姿增加随机噪声，以更新所述粒子对应的预测位姿，包括：

基于所述粒子的预测位姿，计算所述粒子群的第一标准差；

基于所述第一标准差确定随机噪声的概率分布；

使用所述随机噪声的概率分布，为所述粒子群中的每一所述粒子生成随机噪声；

将所述随机噪声叠加到所述粒子的预测位姿上，以更新所述粒子的预测位姿。

进一步的，所述依据基于所述第一标准差确定随机噪声的概率分布，包括：

判断所述第一标准差是否小于预设阈值；

若是，则将随机噪声的第二标准差设置为预设阈值；

若否，则将所述随机噪声的第二标准差设置为所述第一标准差；

将所述随机噪声的概率分布，确定为符合所述第二标准差的高斯分布。

进一步的，所述基于所述观测数据，在所述粒子群所表示的预测位姿的概率分布中，确定所述目标对象在所述地图中的初始位姿，包括：

针对所述粒子群中的每一个粒子，计算所述目标对象在处于所述粒子时，针对预置的标记点的估算数据；

依据所述观测数据与估算数据的差距，更新每个所述粒子的权重值；

依据所述权重值，计算所述粒子群中关于预测位姿的加权平均值；

当所述加权平均值满足收敛条件时，则将所述加权平均值确定为所述目标对象在所述地图中的初始位姿。

进一步的，在所述依据所述权重值，计算所述粒子群中关于预测位姿的加权平均值之后，还包括：

当所述加权平均值不满足收敛条件时，则依据所述权重值，对所述粒子群中的粒子进行重新采样；

使用重新采样的所述粒子群，继续执行为每一所述粒子所对应的预测位姿增加随机噪声，以更新所述粒子对应的预测位姿的步骤。

进一步的，所述依据所述权重值，对所述粒子群中的粒子进行重新采样，包括：

依据所述权重值，调整所述粒子群中对应于各预测位姿的粒子的数量。

第二方面，本技术实施例还提供了一种位姿的确定装置，该装置包括：

第一位置获取模块，用于基于卫星定位，获取目标对象的第一位置；

第二位置确定模块，用于确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置；

观测数据获取模块，用于获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观测数据；

初始位姿确定模块，用于基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿。

第三方面，本技术实施例还提供了一种位姿的确定设备，该设备包括：存储器以及一个或多个处理器；

所述存储器，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第一方面中任一所述的位姿的确定方法。

第四方面，本技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的位姿的确定方法。

本技术实施例通过基于卫星定位，获取目标对象的第一位置；确定所述目标对象在预先构建

的地图中与所述第一位置相映射的第二位置；获取所述目标对象在保持静止状态时，测量得

到的、针对预置的标记点的观测数据；基于所述观测数据，在以所述第二位置为中心的预设

范围内，确定目标对象在所述地图中的初始位姿，解决因使用固定位置进行目标对象的位置

初始化所带来的灵活性低、放置目标对象容易产生误差的问题，实现降低对目标对象进行初

始化时所处位置的要求，增加目标对象确定初始位姿的灵活性，并提高了目标对象在该初始位姿启动的安全性的技术效果。

附图说明

图

1为本技术实施例一提供的一种位姿的确定方法的流程图；

图

2为本技术实施例二提供的一种位姿的确定方法的流程图；

图

3为本技术实施例三提供的一种位姿的确定装置的结构示意图；

图

4为本技术实施例四提供的一种位姿的确定设备的结构示意图。

具体实施方式

下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实

施例仅仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。

实施例一

图

1

为本技术实施例一提供的一种位姿的确定方法的流程图，本实施例可适用于目标对象位

姿的初始化或定位失败时对其位姿进行重新确定的情况，其中，位姿可以包括目标对象所处的位置和朝向等。

该方法可以由位姿的确定装置执行，其中，该装置可由软件和

/

或硬件实现，并一般集成在

目标对象的控制器件中。需要说明的是，本实施例中的目标对象具体可指机器人、智能家具

设备以及智能服务设备等能够自行执行相关工作的电子终端设备。可以理解的是，上述目标

对象进行位姿初始化或在工作过程中位姿信息发生错误时，需要重新确定终端所处的位姿，基于本实施例提供的位姿的确定方法，可以快速准确的实现对终端位姿的重新确定。

参照图

1，该方法具体包括如下步骤：

S110、基于卫星定位，获取目标对象的第一位置。

本实施例中，卫星定位是一种使用卫星对某物进行准确定位的技术。卫星定位系统是以确定

空间位置为目标而构成的相互关联的一个集合体或装置

(

部件

)

。这个系统可以保证在任意时

刻，地球上任意一点都可以同时观测到至少

4

颗卫星，以保证卫星可以采集到该观测点的经

纬度和高度，以便实现导航、定位、授时等功能。这项技术可以用来引导飞机、船舶、车辆以及个人，安全、准确地沿着选定的路线，准时到达目的地。

一般的，主流定位系统除美国的全球定位系统

(GlobalPositioningSystem

，

GPS)

外，还有中国的北斗卫星导航系统、欧盟的伽利略卫星导航系统、俄罗斯全球导航卫星系统等。

本实施例中，可以在目标对象中设置有用于卫星定位的卫星定位系统，并使用该卫星定位系统，获取该目标对象在移动过程中的定位结果，该定位结果可以作为目标对象的第一位置。

示例性的，以目标对象的第一位置为从

GPS

系统获得的定位结果为例进行说明，该定位结果

可以包括目标对象所在位置的经纬度。进一步的，还可以通过高斯

-

克吕格投影、墨卡托投

影、兰伯特投影、通用横轴墨卡托

(UniversalTransverMercator

，

UTM)投影等方法将该

GPS的定位结果转换为平面坐标系下的定位结果。

需要注意的是，由于卫星定位的精确度有限，一般为

10

米左右，不足以满足目标对象对高精

度定位的需求。特别对于一些机器人、智能家具设备以及智能服务设备等能够自行执行相关工作的电子终端设备，需要设置该电子终端设备具备在其工作空间进行精确定位的功能。

因此，本实施例中，基于卫星定位获取的目标对象的第一位置，可以用于初步的、粗糙的获取目标对象的位置。

S120、确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置。

本实施例中，还可以采用构建地图的方式，确定目标对象在地图中的第二位置。更适用于机

器人、智能家具设备以及智能服务设备等能够自行执行相关工作的电子终端设备的应用场景，可以确定目标对象在地图中的位姿，从而提高对目标对象位姿确定的精确度。

一般的，在构建地图时，可以采用同步定位与地图构建(SimultaneousLocalizationand

Mapping

，

SLAM)

的技术。其中，

SLAM最早在机器人领域提出，它指的是：机器人从未知

环境的未知地点出发，在运动过程中通过重复观测到的环境特征定位自身位置和姿态，再根据自身位置构建周围环境的增量式地图，从而达到同时定位和地图构建的目的。

具体的，移动机器人自定位与环境建模问题是紧密相关的。环境模型的准确性依赖于定位精

度，而定位的实现又离不开环境模型。在未知环境中，机器人没有什么参照物，只能依靠自

己并不十分准确的传感器来获取外界信息，如同一个盲人在一个陌生环境中摸索的情况。这

种情况下，定位是比较困难的。有地图的定位和有定位的地图创建都是容易解决的，但无地

图的定位和未解决定位的地图创建如同

"

鸡

--

蛋

"

问题，无从下手。已有的研究中对这类问题的解决方法可分为两类：

1)

利用自身携带的多种内部传感器

(

包括里程仪、罗盘、加速度计等

)，通过多种传感信息的

融合减少定位的误差，使用的融合算法多为基于卡尔曼滤波的方法。这类方法由于没有参考外部信息，在长时间的漫游后误差的积累会比较大。

2)

在依靠内部传感器估计自身运动的同时，使用外部传感器

(

如激光测距仪、视觉等

)感知环

境，对获得的信息进行分析提取环境特征并保存，在下一步通过对环境特征的比较对自身位置进行校正。但这种方法依赖于能够取得环境特征。

也就是说，在

SLAM

中，机器人可以利用自身携带的传感器识别未知环境中的特征标志，然

后根据机器人与特征标志之间的相对位置和里程计的读数估计机器人和特征标志的全局坐标。

进一步的，可以在构建地图过程中，获取的目标对象在地图中的全局坐标，作为目标对象在地图中的第二位置。

本实施例中，可以是在构建地图时，对卫星定位与地图定位两种定位方式之间定位结果的映

射关系进行确定，即确定关于第一位置与第二位置之间的映射关系。具体的，可以通过在构

建地图时，获取具有同一时间戳的第三位置与第四位置，其中，该第三位置为基于卫星定位所获取的位置，该第四位置为基于该地图所获取的位置；确定该第三位置与该第四位置之间

的映射关系；在对该目标对象进行位姿的确定时，依据该映射关系，将该第一位置映射为该第二位置。

示例性的，一般卫星定位和地图定位是建立在两个不同的坐标系中，为计算两坐标系的之间

的映射关系，可以采集目标对象处于不同位置时，在遨游拼音 两坐标系上的定位结果。由于在构建地

图的过程中，目标对象移动经过的所有位置决定所有目标对象可定位的区域，所以在构建地

图的过程中可以记录目标对象移动过程中所经过的、所有的在地图中的定位结果和对应时

间，记为

{}

，其中

,Pm

可以表示目标对象在地图中的第四位置，

Tm

为

Pm

对应的时

间戳。同时，在构建地图的过程中，目标对象可以获取基于

GPS定位系统的定位数据，记为

{}

，其中，

Pg

可以表示目标对象基于卫星定位所获取的第三位置，

Tg

为

Pg对应的时

间戳。进一步的，在完成构建地图后，根据时间戳

Tm

和

Tg,

将

Pm

和

Pg进行时间的对齐，得到

{}数据集，其中，每一个元素为同一时间戳的第三位置与第四位置。至此就可以利

用

{}

求解卫星定位和地图定位两个不同的坐标系之间的映射关系

T

，并将映射关系

T保存。

进一步的，在对该目标对象进行位姿的确定时，依据高考黑板报 该映射关系

T

，将该第一位置映射为该第二位置。

当然，需要注意的是，由于本实施例中的第二位置由第一位置经过映射关系转换而来，本质上还是基于卫星定位获取的定位结果，其定位精度还是受到卫星定位的限制。

S130、获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观测数

据。

本实施例中，区别于通过指定的固定位置进行位姿的初始化，可以基于目标对象所测量得到的观测数据进行位姿的重新确定，使得目标对象可以在任意位置进行位姿的初始化。

本实施例中，观测数据可以是目标对象使用外部传感器

(

如激光测距仪、视觉等

)

进行环境的

感知所获取的传感器数据，或者对该传感器数据进行特征提取得到的、表示环境特征的数据。

需要注意的是，本实施例中，标记点可以是预先在目标对象的工作环境设置的特定的站点。

目标对象可以将获取的观测数据与该标记点在地图中关联的环境特征进行匹配，从而确定该

站点与目标对象之间的相对位置，从而确定目标对象在地图中的位姿。当然，标记点也可以是具有预设的环境特征的物品或地点，本实施例中不作限定。

示例性的，对于使用观测数据确定目标对象的位姿的应用场景，可以通过获取用户指定的目

标对象在地图上的位置和朝向，之后目标对象可以在该位置进行原地旋转，并获取目标对象

在原地旋转过程中获取的观测数据，依据该观测数据在地图中进行匹配，以确定目标对象在地图中的定位结果。在该定位结果收敛时，将该定位结果确定为目标对象的初始位姿。

进一步的，需要注意的是，虽然没有严格的启动位置的要求，但是需要用户指定目标对象在

地图上的位置和朝向，当用户目标对象在地图上的位置和朝向有较大误差时，定位可能不能

收敛，或者收敛得到了错误的初始位姿，增加了用户的使用难度。另外，通过原地旋转的方

式，虽然增加获取的观测数据，可以增加位姿初始化的准确性，但也容易造成目标对象在旋

转过程中碰撞到目标对象周围的障碍物。因此，本实施例中，可以设置目标对象保持静止状

态，并在该目标对象保持静止状态时，获取观测数据，从而保证目标对象在该初始位姿启动的安全性。

S140、基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述

地图中的初始位姿。

一般的，目标对象可以将获取的观测数据与该标记点在地图中关联的环境特征进行匹配，并

确定目标对象在地图中的初始位姿。当需要将该观测数据与整个地图进行匹配时，容易造成

匹配时间长的问题，而且匹配时间将随地图的尺寸增大而增大。因此，本实施例中，可以将

匹配的范围设定在以第二位如何防小人 置为中心的预设范围内。从而，实现以卫星定位的粗定位，结合地图定位的细定位，实现提高目标对象初始位姿确定的准确性和效率的技术效果。

本实施例的技术方案，通过基于卫星定位，获取目标对象的第一位置；确定所述目标对象在

预先构建的地图中与所述第一位置相映射的第二位置；获取所述目标对象在保持静止状态

时，测量得到的、针对预置的标记点的观测数据；基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿，解决因使用固定位置进行目标

对象的位置初始化所带来的灵活性低、放置目标对象容易产生误差的问题，实现降低对目标

对象进行初始化时所处位置的要求，增加目标对象确定初始位姿的灵活性，并提高了目标对象在该初始位姿启动的安全性的技术效果。

具体的，不同于以固定位置进行位姿初始化的方式，本技术方案通过使用第一位置来确定目

标对象在地图中的第二位置，并以第二位置为中心的预设范围确定目标对象的初始位姿，一

方面，可以将目标对象设置于任意位置进行位姿初始化，另一方面，可以限定初始位姿的确定范围，提高位姿初始化的准确性和效率。

进一步的，不同于以移动或者原地旋转的方式获取更多粒子样本的方式，本技术方式通过设

置目标对象在任意位置静止，避免因目标对象移动或者原地旋转所带来的碰撞障碍物的情况，增加了目标对象进行位姿初始化时的安全性和可靠性。

实施例二

图

2为本技术实施例二提供的一种位姿的确定方法的流程图。

本实施例在上述实施例的基础上进一步细化，具体的，包括：基于粒子群估计目标对象的初

始位姿、更新粒子群以增加粒子样本多样性等。

参照图

2，该方法具体包括如下的步骤：

S210、基于卫星定位，获取目标对象的第一位置。

S220

、确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置。

S230、获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观测数

据。

S240

、在以所述第二位置为中心的预设范围内，使用高斯分布生成由粒子组成的粒子群，

所述粒子用于表示所述目标对象的预测位姿，所述粒子群用于表示所述目标对象关于预测位

姿的概率分布。

本实施例中，可以在以第二位置为中心的预设范围内，确定多个预测位姿，并依据该多个预测位姿，估计得到目标对象的初始位姿。

本实施例中，粒子所表示的预测位姿至少包括目标对象的预测位置和预测朝向。其中，预测

位置可以是目标对象在地图坐标系下的坐标，预测朝向可以是目标对象在地图坐标下的旋转角度。

具体的，可以通过设置高斯分布的均值和协方差，来确定生成的粒子可以落在以第二位置为

中心的预设方位内。其中，均值可以用于确定所生成的粒子是以第二位置为中心，协方差则可以限定粒子的分布范围。

在一实施例中，可以该粒子群所表示的关于预测位姿的概率分布中，确定出目标对象的初始位姿。

具体的，本实施例中，可以采用自适应蒙特卡洛定位(adaptiveMonte

CarloLocalization

，

AMCL)

的技术进行初始位姿的确定。

AMCL

是移动机器人在二维环境

(如

本实施例中的地图

)

中的概率定位系统，可以使用粒子滤波器

(

粒子群

)

来针对已知的地图跟踪机器人的位姿。

进一步的，在

AMCL

的技术中，每一粒子均可以设置有一权重，用于表示该粒子所表示的预

测位姿作为目标对象的初始位姿的概率，权重越高，则概率越大。并且在初始化粒子时，可

以将粒子的权重设置为一样。进一步的，在

AMCL

的技术中，主要是通过确定粒子与观测数据的匹配度，来调整粒子的权重值，从而调整预测位姿的分布。

S250、为每一所述粒子所对应的预测位姿增加随机噪声，以更新所述粒子对应的预测位

姿。

一般的，在

AMCL的技术中，可以利用目标对象的预测模型，更新粒子所对应的预测位姿。

其中，目标对象的预测模型，可以用于确定在目标对象进行移动或旋转操作时，每一粒子对

应的预测位姿所发生的变化。示例性的，每一个粒子都代表了一个目标对象的可能位置

(

预

测位姿

)

，假设我们发送控制指令让目标对象移动

0.1

米

,

旋转

0.7

弧度，那么预测模型可以让

每个粒子移动或旋转相同的量

(

移动

0.1

米

,

旋转

0.7

弧度

)

。另外，由于目标对象在移动或旋转

的过程中，可能由于运动控制器的磨损等原因，给目标对象的控制系引入噪声，因此，在目标对象进行移动或旋转时，还需要在该预测模型的基础上添加合理的噪声。

而本实施例中，将目标对象设置处于静止状态，则在

AMCL

的技术中，无需引入由于目标对象移动或旋转所带来的噪声。这就容易造成在多次次迭代后，出现粒子的样本枯竭的情况。

因此，本实施例中为每一粒子所对应的预测位姿增加随机噪声，以更新粒子对应的预测位

姿，而不是仅在目标对象发生移动或旋转时，才更新粒子对应的预测位姿，从而增加粒子所

对应的预测位姿的多样性，可以防止出现样本枯竭的情况。进一步的，由于随机噪声的引

入，还可以防止收敛于错误位姿的情况出现，如在收敛于错误的位姿时，由于随机噪声的引

入，可以在获取比当前更优的粒子

(

预测位姿

)时，及时从跳出该收敛的状态。

示例性的，可以通过基于该粒子的预测位姿，计算该粒子群的第一标准差；基于该第一标准

差确定随机噪声的概率分布；使用该随机噪声的概率分布，为该粒子群中的每一该粒子生成随机噪声；将该随机噪声叠加到该粒子的预测位姿上，以更新该粒子的预测位姿。

进一步的，还可以通过判断该第一标准差是否小于预设阈值；若是，则将随机噪声的第二标

准差设置为预设阈值；若否，则将该随机噪声的第二标准差设置为该第一标准差；将该随机

噪声的概率分布，确定为符合该第二标准差的高斯分布。并基于该符合该第二标准差的高斯

分布的随机噪声，为该粒子群中的每一该粒子生成随机噪声；将该随机噪声叠加到该粒子的预测位姿上，以更新该粒子的预测位姿。

S260

、基于所述观测数据，在所述粒子群所表示的预测位姿的概率分布中，确定所述目标

对象在所述地图中的初始位姿。

本实施例中，可以通过针对该粒子群中的每一个粒子，计算该目标对象在处于该粒子时，针对预置的标记点的估算数据；依据该观测数据与估算数据的差距，更新每个该粒子的权重

值；依据该权重值，计算该粒子群中关于预测位姿的加权平均值。其中，粒子的权重值越

高，则表示该粒子对应的预测位姿作为初始位姿的概率越高，即保证了粒子与真实的目标对

象所在的初始位姿越接近，则获得的权值越大。当该加权平均值满足收敛条件时，则将该加

权平均值确定为该目标对象在该地图中的初始位姿。当该加权平均值不满足收敛条件时，则

依据该权重值，对该粒子群中的粒子进行重新采样；使用重新采样的该粒子群，继续执行步

骤

S250，以进行迭代。

本实施例中，可以是在当多次迭代所确定的加权平均值之间的差值小于预设值时，确定该加权平均值满足收敛条件。

进一步的，可以依据该权重值，调整该粒子群中对应于各预测位姿的粒子的数量，实现对粒

子群的重新采样。如，使用权重值大的粒子替换权重值小的粒子。也就是说，在计算过程

中，经过数次迭代，只有少数粒子的权重值较大，其余粒子的权重值可以忽略不计，粒

子群的概率分布也开始慢慢收敛。

在上述技术方案的基础上，还可以在粒子群收敛后，进行初始位姿可靠性的判断。具体的，

可以将观测数据投影到该初始位姿，并与地图进行匹配，只有匹配成功，该初始化位置才可靠。

本实施例的技术方案，通过基于卫星定位，获取目标对象的第一位置；确定所述目标外婆英语怎么说 对象在

预先构建的地图中与所述第一位置相映射的第二位置；获取所述目标对象在保持静止状态

时，测量得到的、针对预置的标记点的观测数据；在以所述第二位置为中心的预设范围内，

使用高斯分布生成由粒子组成的粒子群，所述粒子用于表示所述目标对象的预测位姿，所述

粒子群用于表示所述目标对象关于预测位姿的概率分布；为每一所述粒子所对应的预测位姿

增加随机噪声，以更新所述粒子对应的预测位姿；基于所述观测数据，在所述粒子群所表示

的预测位姿的概率分布中，确定所述目标对象在所述地图中的初始位姿，解决因使用固定位

置进行目标对象的位置初始化所带来的灵活性低、放置目标对象容易产生误差的问题，实现

降低对目标对象进行初始化时所处位置的要求，增加目标对象确定初始位姿的灵活性，并提高了目标对象在该初始位姿启动的安全性的技术效果。

具体的，不同于以固定位置进行位姿初始化的方式，本技术方案通过使用第一位置来确定目

标对象在地图中的第二位置，并以第二位置为中心的预设范围确定目标对象的初始位姿，一

方面，可以将目标对象设置于任意位置进行位姿初始化，另一方面，可以限定初始位姿的确定范围，提高位姿初始化的准确性和效率。

进一步的，不同于以移动或者原地旋转的方式获取更多粒子样本的方式，本技术方式通过设

置目标对象在任意位置静止，并通过为粒子增加随机噪声的方式增加粒子样本的多样性，在

不至于导致粒子的样本枯竭的情况下，避免因目标对象移动或者原地旋转所带来的碰撞障碍物的情况，增加了目标对象进行位姿初始化时的安全性和可靠性。

实施例三

图

3为本技术实施例三提供的一种位姿的确定装置的结构示意图。

参照图

3

，该装置具体包括如下结构：第一位置获取模块

310

、第二位置确定模块

320

、观测

数据获取模块

330

和初始位姿确定模块

340。

第一位置获取模块

310，用于基于卫星定位，获取目标对象的第一位置。

第二位置确定模块

320

，用于确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置。

观测数据获取模块

330

，用于获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观测数据。

初始位姿确定模块

340

，用于基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿。

本实施例的技术方案，通过基于卫星定位，获取目钳子简笔画 标对象的第一位置；确定所述目标对象在

预先构建的地图中与所述第一位置相映射的第二位置；获取所述目标对象在保持静止状态

时，测量制定工作计划 得到的、针对预置的标记点的观测数据；基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿，解决因使用固定位置进行目标

对象的位置初始化所带来的灵活性低、放置目标对象容易产生误差的问题，实现降低对目标

对象进行初始化时所处位置的要求，增加目标对象确定初始位姿的灵活性，并提高了目标对象在该初始位姿启动的安全性的技术效果。

在上述技术方案的基础上，所述第二位置确定模块

320，包括：

数据获取单元，用于在构建地图时，获取具有同一时间戳的第三位置与第四位置，其中，所述第三位置为基于卫星定位所获取的位置，所述第四位置为基于所述地图所获取的位置。

映射关系确定单元，用于确定所述第三位置与所述第四位置之间的映射关系。

第二位置确定单元，用于在对所述目标对象进行位姿的确定时，依据所述映射关系，将所述第一位置映射为所述第二位置。

在上述技术方案的基础上，所述初始位姿确定模块

340，包括：

粒子群生成单元，用于在以所述第二位置为中心的预设范围内，使用高斯分布生成由粒子组

成的粒子群，所述粒子用于表示所述目标对象的预测位姿，所述粒子群用于表示所述目标对象关于预测位姿的概率分布。

预测位姿更新单元，用于为每一所述粒子所对应的预测位姿增加随机噪声，以更新所述粒子对应的预测位姿。

初始位姿确定单元，用于基于所述观测数据，在所述粒子群所表示的预测位姿的概率分布中，确定所述目标对象在所述地图中的初始位姿。

在上述技术方案的基础上，所述预测位姿更新单元，包括：

第一标准差计算子单元，用于基于所述粒子的预测位姿，计算所述粒子群的第一标准差。

概率分布确定子单元，用于基于所述第一标准差确定随机噪声的概率分布。

随机噪声生成单元，单元使用所述随机噪声的概率分布，为所述粒子群中的每一所述粒子生成随机噪声。

预测位姿更新子单元，用于将所述随机噪声叠加到所述粒子的预测位姿上，以更新所述粒子的预测位姿。

在上述技术方案的基础上，所述概率分布确定子单元，具体用于：

判断所述第一标准差是否小于预设阈值；

若是，则将随机噪声的第二标准差设置为预设阈值；

若否，则将所述随机噪声的第二标准差设置为所述第一标准差；

将所述随机噪声的概率分布，确定为符合所述第二标准差的高斯分布。

在上述技术方案的基础上，所述初始位姿确定单元，包括：

估算数据计算子单元，用于针对所述粒子群中的每一个粒子，计算所述目标对象在处于所述粒子时，针对预置的标记点的估算数据。

权重值更新子单元，用于依据所述观测数据与估算数据的差距，更新每个所述粒子的权重值。

加权平均值计算子单元，用于依据所述权重值，计算所述粒子群中关于预测位姿的加权平均值。

初始位姿确定子单元，用于当所述加权平均值满足收敛条件时，则将所述加权平均值确定为所述目标对象在所述地图中的初始位姿。

在上述技术方案的基础上，所述初始位姿确定单元，还包括：

所述重采样子单元，用于在所述依据所述权重值，计算所述粒子群中关于预测位姿的加权平

均值之后，当所述加权平均值不满足收敛条件时，则依据所述权重值，对所述粒子群中的粒

子进行重新采样；使用重新采样的所述粒子群，继续执行为每一所述粒子所对应的预测位姿增加随机噪声，以更新所述粒子对应的预测位姿的步骤。

在上述技术方案的基础上，所述所述重采样子单元，具体用于：

依据所述权重值，调整所述粒子群中对应于各预测位姿的粒子的数量。

上述产品可执行本技术任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

实施例四

图

4

为本技术实施例四提供的一种位姿的确定设备的结构示意图。如图

4

所示，该位姿的确定

设备包括：处理器

40

、存储器

41

、输入装置

42

以及输出装置

43。该位姿的确定设备中处理器

40

的数量可以是一个或者多个，图

4

中以一个处理器

40

为例。该位姿的确定设备中存储器41

的数量可以是一个或者多个，图

4

中以一个存储器

41

为例。该位姿的确定设备的处理器

40

、

存储器

41

、输入装置

42

以及输出装置

43

可以通过总线或者其他方式连接，图

4

中以通过总线

连接为例。该位姿的确定设备可以是电脑和服务器等。本实施例以位姿的确定设备可以是机器人、智能家具设备以及智能服务设备等能够自行执行相关工作的电子终端设备。

存储器

41

作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模

块，如本技术任意实施例所述的位姿的确定方法对应的程序指令

/

模块

(

例如，位姿的确定装

置中的第一位置获取模块

310

、第二位置确定模块

320

、观测数据获取模块

330

和初始位姿确

定模块

340)

。存储器

41

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应用程序；存储数据区可存储根据设备的使用所创建的数据等。

此外，存储器

41

可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个

磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器

41可进一

步包括相国内保健品排行榜 对于处理器

40

远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置

42

可用于接收输入的数字或者字符信息，以及产生与位姿的确定设备的观众用户设

置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾

音设备。输出装置

43

可以包括扬声器等音频设备。需要说明的是，输入装置

42

和输出装置

43的具体组成可以根据实际情况设定。

处理器

40

通过运行存储在存储器

41

中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的位姿的确定方法。

实施例五

本技术实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种位姿的确定方法，包括：

基于卫星定位，获取目标对象的第一位置；

确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置；

获取所述目标对象在保持静止状态时，测量得到的、针对预置的标记点的观测数据；

基于所述观测数据，在以所述第二位置为中心的预设范围内，确定目标对象在所述地图中的初始位姿。

当然

,

本技术实施例所提供的一种包含计算机可执行指令的存储介质

,

其计算机可执行指令不

限于如上所述的位姿的确定方法操作

,

还可以执行本技术任意实施例所提供的位姿的确定方法中的相关操作，且具备相应的功能和有益效果。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本技术可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方

式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软

件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的

软盘、只读存储器

(Read-OnlyMemory,ROM)

、随机存取存储器(RandomAccess

Memory,RAM)

、闪存

(FLASH)

、硬盘或光盘等，包括若干指令用以使得一台计算机设备

(可

以是机器人，个人计算机，服务器，或者网络设备等

)

执行本技术任意实施例所述的位姿的确定方法。

值得注意的是，上述位姿的确定装置中，所包括的各个单元和模块只是按照功能逻辑进行划

分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。

应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式

中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实

现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的

任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电

路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列

(PGA)，现场可编程门阵列

(FPGA)等。

在本说明书的描述中，参考术语

“

在一实施例中

”

、

“

在又一实施例中

”

、

“

示例性的

”

或

“

在具体

的实施例中

”

等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含

于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的

是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不

限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和

替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的

说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。