具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，本发明一实施例提供了一种扫地机位姿确定方法，应用于扫地机上，包括步骤：

步骤S1，检测所述扫地机是否搬离地面；

步骤S2，若搬离，获取搬离时的初始位姿，并计算搬离过程中相对于所述初始位姿的相对位姿；

步骤S3，检测所述扫地机是否放回地面；

步骤S4，若放回，根据所述初始位姿和所述相对位姿计算得到参考位姿，并获取所述扫地机放回地面时的当前图像；

步骤S5，获取若干历史图像，将所述当前图像与所述历史图像进行匹配，得到与所述当前图像匹配度最高的目标图像；

步骤S6，提取所述当前图像中的当前特征点，根据所述参考位姿确定各个所述当前特征点在所述目标图像上的参考位置；

步骤S7，根据所述参考位置在所述目标图像上确定各个所述当前特征点对应的第一匹配区域；

步骤S8，将各个所述当前特征点与所对应的所述第一匹配区域内的匹配特征点进行匹配，匹配成功的所述匹配特征点作为各个所述当前特征点的目标特征点；

步骤S9，根据各个所述当前特征点和与其所对应的所述目标特征点确定所述扫地机在放回地面时的目标位姿。

本实施例中，如上述步骤S1所述，扫地机的行进轮上安装有红外传感器，红外传感器可检测到扫地机是否被搬离地面。

如上述步骤S2所述，扫地机上安装有摄像头，扫地机在行进的过程中会持续的获取图像，获取到的图像作为历史图像存储下来，每一张图像对应有一个扫地机的位姿，即历史位姿。在其他实施例中，可将获取到的图像的特征点提取出来一起存储。根据搬离时的图像即可确定搬离时的初始位姿(R1,t1)，其中，R代表旋转矩阵，t代表平移向量。扫地机中安装有IMU(Inertial measurement unit)，IMU能够测量扫地机三轴姿态角及加速度，通过IMU在搬离过程中进行积分运算，运算得到扫地机在搬离过程的整体位置平移和角度变换，得到相对位姿(R2,t2)。可以理解的是，此处的相对位姿也可以理解为扫地机被用户搬离/绑架过程中的位姿变化量。

如上述步骤S3所述，具体的可以通过安装的红外传感器去检测扫地机是否被放回地面。

如上述步骤S4所述，当扫地机被放回地面时，IMU停止积分运算，将初始位姿和相对位姿进行计算得到了参考位姿(RN,tN)。扫地机的图像获取一直在进行，放回地面时获取的图像作为当前图像。

如上述步骤S5所述，将当前图像与之前获取到的历史图像进行匹配，可通过计算当前图像与历史图像之间的相似度进行匹配，将相似度最高的历史图像作为目标图像。

参见图2，如上述步骤S6所述，当前图像A中具有多个当前特征点a，一部分当前特征点a可根据参考位姿在目标图像B中得到对应的参考位置。具体的，当前特征点在当前图像上有其对应的位置，参考位姿是作为当前图像的参考位姿信息，目标图像有着对应的历史位姿，因此可得到参考位姿与历史位姿之间的关系，进而当前特征点可根据参考位姿与历史位姿之间的关系得到在目标图像上的参考位置。如上述步骤S7-S8所述，根据每个参考位置确定当前特征点a的第一匹配区域S，在进行特征匹配时，当前特征点a仅仅能在与其对应的第一匹配区域S中与匹配特征点a`去匹配，当前特征点a具有一个第一匹配区域S，第一匹配区域S小于整张目标图像B的区域，使得目标图像B中的一些非正确但相似特征点在一定程度上被排除在第一匹配区域S之外，提高特征匹配的准确性，同时避免了当前特征点在整张目标图像中去匹配，提高了匹配效率。

值得一提的是，经过前述步骤在目标图像上确认参考位置后，由于该位置仅为“参考”和协助锁定目标的作用，其与真正的目标位置是大致范围相近，在两者之间可能具有一定偏差，因此，自参考位置处再适当的扩大为一个匹配区域(即第一匹配区域)，可以补上一定的偏差空间，有助于匹配到真正的目标特征点，提升匹配成功率。

如上述步骤S9所述，根据匹配成功的所有当前特征点和目标特征点去确定扫地机的目标位姿，由于目标特征点在匹配时的准确度较高，使得最终的目标位姿的准确性也较高。

本实施例中，在扫地机被放回地面时，根据搬离前的初始位姿和搬离过程中的相对位姿确定一个参考位姿，再确定一个与当前图像最匹配的目标图像，并再根据参考位姿在目标图像中确定每个当前特征点的第一匹配区域，多个当前特征点在目标图像中均有其对应的第一匹配区域，在第一匹配区域进行相应的特征匹配，也即经由利用参考位姿进一步确认特征点所在区域的方式，缩小了目标图像上的特征点匹配范围，减少相似特征的干扰，提高特征匹配的准确性，进而提高扫地机在搬离地面后的位姿确定的准确性，也可进一步提高重定位结果的准确性。

在一实施例中，所述根据各个所述当前特征点和与其所对应的所述目标特征点确定所述扫地机在放回地面时的目标位姿的步骤S9之后，包括：

步骤S10，根据所述目标位姿确定是否进入重定位程序。

本实施例中，目标位姿基于当前特征点和目标特征点得到的，而目标特征点是在对应的第一匹配区域确定的，准确度较高，使得目标位姿的准确度较高，根据目标位姿去进行重定位，能够有效的提高重定位的成功率。重定位是指定位扫地机在整体环境中所处的位置，扫地机在被搬离后，可能搬离到已经清扫过的区域，根据目标位姿确定扫地机是否处于被搬离时的位置，当未处于清扫过的区域时，可直接前进到被搬离处继续进行清扫任务，能够有效避免重复清扫；当处于清扫过的区域时，直接在该处继续进行清扫任务。

在一实施例中，所述根据所述参考位置在所述目标图像上确定各个所述当前特征点对应的第一匹配区域的步骤S7，包括：

步骤S71，在所述目标图像上，以所述参考位置为圆心、第一长度为半径确定的圆形区域作为对应的所述当前特征点的所述第一匹配区域。

本实施例中，以参考位置形成的圆形区域作为第一匹配区域，当参考位置位于目标图像的边缘位置时，以参考位置形成的区域不是圆形，将形成的区域作为第一匹配区域。第一匹配区域较小，在进行特征匹配时，仅仅在相应的第一匹配区域进行匹配，避免其余相似特征的干扰。在其他实施例中，还可以参考位置为中心，形成一个矩形区域等。

在一实施例中，所述根据各个所述当前特征点和与其所对应的所述目标特征点确定所述扫地机在放回地面时的目标位姿的步骤S9之前，包括：

步骤S9A，计算匹配成功的当前特征点占总的所述当前特征点的比例值；

步骤S9B，将所述比例值与预设比例值进行比较；

步骤S9C，若所述比例值小于所述预设比例值，根据所述参考位置确定各个没有匹配成功的所述当前特征点对应的第二匹配区域；其中，所述第二匹配区域大于所述第一匹配区域；

步骤S9D，在所述第二匹配区域，确定各个没有匹配成功的所述当前特征点的目标特征点。

本实施例中，如上述步骤S9A-S9C所述，当前图像中具有很多个当前特征点，将匹配成功的当前特征点的个数除以总的当前特征点的个数，得到比例值。当比例值小于预设比例值时，表明能匹配成功的当前特征点较少，当匹配成功的当前特征点较少时，会影响到后续对目标位姿的求解，因此当比例值小于预设比例值时，可重新确定一个第二匹配区域，第二匹配区域的面积大于第一匹配区域，具体的，如上一实施例中，第一匹配区域是以参考位置为圆心形成的圆形区域，第二匹配区域也可形成一个圆形区域，同样以参考位置为圆心，但第二匹配区域的半径大于第一匹配区域的半径。

如上述步骤S9D所述，在第二匹配区域进行相应的特征匹配，减少因第一匹配区域过小导致特征匹配成功数量较低的问题，若在第二匹配区域仍然无法匹配成功，则不再继续进行特征匹配，将所有匹配成功的当前特征点和对应的目标特征点进行计算求得目标位姿，提高计算得到的目标位姿的准确性。

在一实施例中，所述将所述比例值与预设比例值进行比较的步骤之后，包括：

若所述比例值小于所述预设比例值；

获取所述目标图像的前一张图像和后一张图像；

将所述前一张图像、后一张图像和目标图像通过图像拼接技术进行拼接，得到新的目标图像，重新回到根据所述参考位姿确定各个所述当前特征点在所述目标图像上的参考位置的步骤。

本实施例中，扫地机以一定的频率获取图像，图像之间按照时间进行排序，前一张图像和后一张图像与目标图像之间的时间间隔很小，因此三张图像之间的相似度很高，但仍然存在细微差别，将三张图像通过图像拼接技术进行拼接得到一张新的目标图像，原目标图像的初始位姿作为新的目标图像的位姿，比例值小于预设比例值时，重新将当前特征点根据参考位姿在新的目标图像上去确定对应的参考位置，进而确定第一匹配区域，并在第一匹配区域进行相应的特征匹配，提高特征匹配成功率，进而提高位姿准确率。

在一实施例中，所述获取若干历史图像，将所述当前图像与所述历史图像进行匹配，得到与所述当前图像匹配度最高的目标图像的步骤S5，包括：

步骤S51，获取若干所述历史图像；

步骤S52，通过通过DBoW算法计算所述当前图像与所述历史图像之间的相似度；

步骤S53，将相似度最高的所述历史图像作为所述当前图像的目标图像。

本实施例中，通过DBoW(Distributed Bag of Words，词袋)算法计算相似度，DBoW算法将图像上的特征转换为单词表示，再转换为词袋向量，可通过词袋向量之间的汉明距离或者余弦距离，即可计算得到两幅图像之间的相似度。

在一实施例中，所述根据各个所述当前特征点和与其所对应的所述目标特征点确定所述扫地机在放回地面时的目标位姿的步骤S9，包括：

步骤S91，将所述当前特征点和所述目标特征点通过PnP算法计算所述目标位姿。

本实施例中，PnP(Perspective-n-Point，多点透视成像)算法可在已知n个3D空间点以及它们的投影位置时估计扫地机的位姿，n即上述当前特征点匹配成功的个数，由于目标特征点的准确度较高，使得通过PnP算法求得的目标位姿的准确度也较高。

在一实施例中，所述计算搬离过程中的相对位姿的步骤，包括：

通过IMU积分运算计算所述扫地机在搬离过程中相对于所述初始位姿的位置平移量和角度变换量，得到所述相对位姿。

本实施例中，在搬离过程中，IMU开始进行积分运算，运算得到搬动过程的位置平移量和角度变换量，得到相对位姿。

参见图3，本发明一实施例还提供了一种扫地机位姿确定装置，包括：

第一检测单元10，用于检测所述扫地机是否搬离地面；

第一计算单元20，用于若搬离，获取搬离时的初始位姿，并计算搬离过程中相对于所述初始位姿的相对位姿；

第二检测单元30，用于检测所述扫地机是否放回地面；

第二计算单元40，用于若放回，根据所述初始位姿和所述相对位姿计算得到参考位姿，并获取所述扫地机放回地面时的当前图像；

第一匹配单元50，用于获取若干历史图像，将所述当前图像与所述历史图像进行匹配，得到与所述当前图像匹配度最高的目标图像；

提取单元60，用于提取所述当前图像中的当前特征点，根据所述参考位姿确定各个所述当前特征点在所述目标图像上的参考位置；

第一确定单元70，用于根据所述参考位置在所述目标图像上确定各个所述当前特征点对应的第一匹配区域；

第二匹配单元80，用于将各个所述当前特征点与所对应的所述第一匹配区域内的匹配特征点进行匹配，匹配成功的所述匹配特征点作为各个所述当前特征点的目标特征点；

第二确定单元90，用于根据各个所述当前特征点和与其所对应的所述目标特征点确定所述扫地机在放回地面时的目标位姿。

在一实施例中，所述扫地机位姿确定装置，还包括：

重定位单元，用于根据所述目标位姿确定是否进入重定位程序。

在一实施例中，所述第一确定单元70，包括：

确定子单元，用于在所述目标图像上，以所述参考位置为圆心、第一长度为半径确定的圆形区域作为对应的所述当前特征点的所述第一匹配区域。

在一实施例中，所述扫地机位姿确定装置，还包括：

第三计算单元，用于计算匹配成功的当前特征点占总的所述当前特征点的比例值；

比较单元，用于将所述比例值与预设比例值进行比较；

第三确定单元，用于若所述比例值小于所述预设比例值，根据所述参考位置确定各个没有匹配成功的所述当前特征点对应的第二匹配区域；其中，所述第二匹配区域大于所述第一匹配区域；

第四确定单元，用于在所述第二匹配区域，确定各个没有匹配成功的所述当前特征点的目标特征点。

在一实施例中，所述第一匹配单元50，包括：

获取子单元，用于获取若干所述历史图像；

第一计算子单元，用于通过DBoW算法计算所述当前图像与所述历史图像之间的相似度；

目标图像子单元，用于将相似度最高的所述历史图像作为所述当前图像的目标图像。

在一实施例中，所述第二确定单元90，包括：

第二计算子单元，用于将所述当前特征点和所述目标特征点通过PnP算法计算所述目标位姿。

在一实施例中，所述第一计算单元20，包括：

所述计算搬离过程中的相对位姿的步骤，包括：

第三计算子单元，用于通过IMU积分运算计算所述扫地机在搬离过程中相对于所述初始位姿的位置平移量和角度变换量，得到所述相对位姿。

在本实施例中，上述各个单元、子单元的具体实现请参照上述方法实施例中所述，在此不再进行赘述。

参照图4，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储身份验证数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种扫地机位姿确定方法。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。

本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种扫地机位姿确定方法。

综上所述，本发明提供的扫地机位姿确定方法、装置、计算机设备和存储介质，所述扫地机位姿确定方法包括步骤：检测所述扫地机是否搬离地面；若搬离，获取搬离时的初始位姿，并计算搬离过程中相对于所述初始位姿的相对位姿；检测所述扫地机是否放回地面；若放回，根据所述初始位姿和所述相对位姿计算得到参考位姿，并获取所述扫地机放回地面时的当前图像；获取若干历史图像，将所述当前图像与所述历史图像进行匹配，得到与所述当前图像匹配度最高的目标图像；提取所述当前图像中的当前特征点，根据所述参考位姿确定各个所述当前特征点在所述目标图像上的参考位置；根据所述参考位置在所述目标图像上确定各个所述当前特征点对应的第一匹配区域；将所述各个当前特征点与所对应的所述第一匹配区域内的匹配特征点进行匹配，匹配成功的所述匹配特征点作为各个所述当前特征点的目标特征点；根据各个所述当前特征点和与其所对应的所述目标特征点确定所述扫地机在放回地面时的目标位姿。通过本发明提供的扫地机位姿确定方法，在被放回地面时，根据搬离前的初始位姿和搬离过程中的相对位姿确定一个参考位姿，再确定一个与当前图像最匹配的目标图像，再根据参考位姿在目标图像中确定当前特征点的第一匹配区域，当前特征点在目标图像上有其对应的第一匹配区域，在第一匹配区域进行相应的特征匹配，也即经由利用参考位姿进一步确认特征点所在区域的方式，缩小了目标图像上的特征点匹配范围，减少相似特征的干扰，提高特征匹配的准确性，进而提高扫地机在搬离地面后的位姿确定的准确性，也可进一步提高重定位结果的准确性。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。