一种姿态识别方法、自移动设备及计算机可读介质

【技术领域】

本发明涉及一种自移动设备，特别涉及一种姿态识别方法、自移动设备及计算机可读介质。

【背景技术】

智能割草机能自主的完成修剪草坪的工作，无须人为直接控制和操作，且功率低、噪音小、外形精巧美观，大幅度降低人工操作。智能割草机自动行走功能，防止碰撞，范围之内防止出线，自动返回充电，具备安全检测和电池电量检测，具备一定爬坡能力，尤其是一种适合家庭庭院、公共绿地等场所进行草坪修剪维护。

然而，当智能割草机在指定区域切割一定时间后，可能会出现因为传感器的定位数据偏差、电子硬件噪声导致的定位数据偏差或者因为特殊地形造成无法感知的位姿偏差等。为了解决这类问题，在割草机较长时间工作后，需要通过一定方法，将机器位置更新到正确位置上。这个过程就叫做重定位。在重定位的过程中，需要获取准确的姿态数据。

鉴于此，确有必要提供一种新的姿态识别方案，以克服现有技术存在的缺陷。

【发明内容】

针对现有技术的不足，本发明的目的在于提供一种准确度高、计算简单、成本低的姿态识别方案。

本发明提供了一种姿态识别方法，所述识别方法应用于自移动设备，所述识别方法包括：当所述自移动设备进行姿态识别时，所述自移动设备发送感知信号；所述自移动设备接收针对所述感知信号的反馈信息；根据所述反馈信息的个数确定自移动设备的姿态。

进一步改进方案为：所述姿态识别方法还包括：在自移动设备进行姿态识别之前还包括：所述自移动设备确定行驶的区域，当所述区域位于感知区域内时，开始进行姿态识别。

进一步改进方案为：根据所述反馈信息的个数确定自移动设备的姿态包括：获取上限阈值和下限阈值，当所述反馈信息的个数小于下限阈值时，所述自移动设备处于姿态异常状态；当所述反馈信息的个数大于所述上限阈值时，所述自移动设备处于姿态异常状态。

进一步改进方案为：所述上限阈值为110，所述下限阈值为10。

进一步改进方案为：所述识别方法还包括获取姿态数据，建立姿态数据与反馈信息的对应关系；根据所述反馈信息选择n个姿态数据，将n个姿态数据进行比较，根据比较结果确定所述自移动设备的姿态。

进一步改进方案为：所述姿态数据包括：偏航角；根据所述n个偏航角的比较结果，确定所述自移动设备的姿态。

本发明还提供了一种自移动设备，所述自移动设备包括：

发送模块，用于当所述自移动设备进行姿态识别时，发送感知信号；

接收模块，用于接收针对所述感知信号的反馈信息；根据所述反馈信息的个数确定自移动设备的姿态。

进一步改进方案为：所述自移动设备还包括姿态传感器，所述姿态传感器用于获取姿态数据，以便建立姿态数据与反馈信息的对应关系。

本发明还提供了一种自移动设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的识别方法。

本发明还提供了一种计算机可读介质，其具有处理器可执行的非易失的程序代码，所述程序代码使所述处理器执行所述的识别方法。

与现有技术相比，本发明具有如下有益效果：本发明提供了应用于自移动设备的姿态识别方法，所述识别方法包括：当所述自移动设备进行姿态识别时，所述自移动设备发送感知信号；所述自移动设备接收针对所述感知信号的反馈信息；根据所述反馈信息的个数确定自移动设备的姿态。上述方案通过识别反馈信息的个数确定姿态，算法简单，且准确度高，方案的实现依赖于感知设备，对硬件要求低，成本低廉。

【附图说明】

下面结合附图对本发明的具体实施方式做进一步详细的说明:

图1是本发明较佳实施例的自移动设备的整体结构示意图；

图2是本发明较佳实施例的识别RFID的过程示意图；

图3是本发明较佳实施例的姿态识别流程图；

图4是本发明较佳实施例的坐标系示意图。

【具体实施方式】

下面结合附图和实施方式对本发明作进一步详细说明。

在本发明中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。

本发明所提供的方案可以应用于自移动设备中，所述的自移动设备包括但不限于智能割草机，只要设备具有自移动功能，且具有姿态识别的需求均可以实施本发明的方案。

本发明所述的自移动设备，如图1所示，包括MCU、感知设备、编码器；在优选实施例中，所述感知设备包括射频阅读器RFID、IMU惯性传感器。本发明的方案使用的是让自移动设备沿着边界线行驶的方式，识别摆放在边界线上的RFID射频装置。基于感知设备识别到指示数据的个数，确定自移动设备的姿态。

为了实现上述目的，本发明提供了一种姿态识别方法，所述识别方法应用于自移动设备，所述识别方法包括：当所述自移动设备进行姿态识别时，所述自移动设备发送感知信号；所述自移动设备接收针对所述感知信号的反馈信息，其中，根据所述反馈信息的个数确定自移动设备的姿态。

优选的，所述姿态识别方法还包括：在自移动设备进行姿态识别之前还包括：所述自移动设备确定行驶的区域，当所述区域位于感知区域内时，开始进行姿态识别。

RFID的感知范围是一段区域，因此，可以通过对这段区域内的后轴中心点的位姿进行处理，来判断自移动设备是否以平稳地姿态通过RFID的感知区域。优选的，以智能割草机为例，本发明的方案通过安装边界线来设定切割总区域，其中边界线是一种通电产生磁场的特殊电线，在边界线上放置多个RFID(射频装置)，每个RFID装置的id号都互不相同。其中，不论自移动设备在建图过程中沿线采集RFID的数据，还是在重定位过程中采集RFID的数据，都需要对机器姿态进行判断。

如图2所示，感知设备在其感知区域内可以感知边界线上的rfid装置，如RFID地钉；当感知设备如射频阅读器RFID位于地钉的上方时，可以识别出地钉的位置，IMU和编码器可以根据地钉的位置确定自移动设备的两轮后轴的中心位置；优选的，由于感知设备具有一定范围的感知区域，因此在识别到地钉时，开始存储自移动设备的两轮后轴中心位置的定位数据，当自移动设备行驶在感知区域内时，可以持续的识别到地钉，由此可以获取一组定位数据。

如图3所示，自移动设备沿着边界线行驶，采集RFID数据，感知数据持续判定是否接收到地钉反馈的数据，并识别在该区域内收集到的数据的个数；根据数据的个数确定自移动设备的姿态。

本方案是对rfid采集得到的数据进行离线处理，也就是当自移动设备离开rfid的感知区域后再处理已经保存的数据。所以如何判断自移动设备是否离开rfid的感应区域，就比较重要了。

在采集数据过程中，因为通常存在硬件噪声等影响，当自移动设备位于rfid的感应区内时，距离上一次id不为0的数据也可能出现连续m个id为0的数据，优选的，m取值为1-4，为了增加一定的容错率k，所以我们选择当出现大于(m+k)个id为0的数据的时候，就认为机器已经离开了rfid的感应区域了，优选的，m+k＝10。即在采集数据的过程中，持续判断出现连续0的个数i，当i>(m+k)时，如i>10，确定自移动设备已经离开感知区域，停止数据的收集。此时判断数据的个数，即反馈数据的个数，以便根据所述反馈数据的个数确定自移动设备的姿态。通过上述方式，只需要识别出在感知设备的感知区域内收集到的反馈信息即数据的个数，即可实现当前姿态的判断，算法简单，对MCU等算力设备的要求较低，且无需其他设备、组件的配合，对成本的要求低。

进一步优选的方案：根据所述反馈信息的个数确定自移动设备的姿态包括：获取上限阈值和下限阈值，当所述反馈信息的个数小于下限阈值时，所述自移动设备处于姿态异常状态；当所述反馈信息的个数大于所述上限阈值时，所述自移动设备处于姿态异常状态。其中，上限阈值和下限阈值是基于标准量和冗余量进行确认；标准量是指自移动设备正常移动时，收集的个数的标准值；冗余量是防止误判设置的值；优选的，所述上限阈值为110，所述下限阈值为10。因为机器良好情况下，最大大约可以得到60个点，如果我们的放缩量只有10-20个点，有可能出现极其微弱的打滑等情况，就认为采集姿态不良；因此，根据时间的考虑，如单位时间内采集的点的个数，如一秒钟采集50个点，那么就多出了一单位时间，如1秒钟的打滑时长，时间非常短，由此可以有效的防止误判。在该情况下，如果出现一秒钟以内的轻微打滑，对位姿的影响是非常小的。上述判定主要是用于排查自移动设备是否出现“卡困”的姿态。具体的，当数据个数小于10个，认为自移动设备经过rfid的时候感应不良(可能是硬件问题、地形问题等等)，则不保存这组数据；当数据个数大于110个，认为这已经超过了正常的感应数量，则可能是机器卡困长时间停留在原地，或者是传感器异常等等。

进一步改进方案为：所述识别方法还包括获取姿态数据，建立姿态数据与反馈信息的对应关系；根据所述反馈信息选择n个姿态数据，将n个姿态数据进行比较，根据比较结果确定所述自移动设备的姿态。优选的，所述姿态数据包括：偏航角；根据所述n个偏航角的比较结果，确定所述自移动设备的姿态。优选的，射频阅读器RFID、IMU惯性传感器及编码器的数据读取频率是一致的，通过射频阅读器，读取得到rfid的id数据，当id不为0的时候说明机器正在rfid的感应区内，保存此时的IMU惯性传感器得到的机器的yaw角，以及编码器的x与y。将同一时刻的这三个数据整理成一个保存数据(x,y,yaw)来保存。因此，在获取反馈信息后，可以从已保存的保存数据(x,y,yaw)中，获取自移动设备的航向角即yaw角，以便据此确定自移动设备的姿态。如果沿线姿态良好，则继续前进，等待到下一个感知区域再次进行识别。

如图3所示，当根据反馈信息的个数处于上限阈值和下限阈值之间时，继续判定姿态数据，如航向角；为了提高数据的处理效率，从所述多组反馈信息(图3中的数据)选择n个姿态数据进行比较；优选的，从多组反馈信息中取出首尾两个数据，再对中间的数据抽取几个出来，对yaw角做判断；优选的，抽取原则可以是随机抽取，也可以是均匀抽取。如果这些数据两两之间的差值不大于指定的阈值，如4°，则说明自移动设备在通过这个rfid的时候角度是几乎稳定不变的。其中，阈值的设置是根据定义的误差许可量与冗余角度值进行确认，如当重定位的误差定义为小于2°时，设置对应的冗余角度值为2°；通过上述方式，由此可知，阈值为4°；由此通过少量的数据即可实现姿态的判定，减少了MCU等算力设备的压力。

优选的，本发明可以是基于自移动设备坐标系实现的，如图4所示，即坐标原点是机器人后轴中心位置，X轴沿着机器人行驶方向，Y轴垂直于X轴水平向左，Z轴垂直与X-Y轴平面向上；角度数值直接由IMU惯性传感器获取，其中，本方案使用的偏航角即yaw角，指的是绕Z轴运动的角度。上述坐标系为本发明的较优方案，在可选实施例中，也可以基于其他的三维空间坐标系实现，如以基站为原点建立的坐标系、GPS坐标系等。

主要是应用于自移动设备的建图、定位两个功能，当识别出自移动设备的姿态良好后，则保存的数据集可以用于识别rfid的坐标信息。

建图中，自移动设备通过沿边采集rfid数据来保存rfid位姿坐标，当通过上述方案识别出自移动设备姿态良好后，将保存rfid坐标位姿，并且继续沿边行驶，直到机器行驶到它的出发点产生闭环，结束建图。

定位中，当自移动设备准备通过重定位，减少定位算法计算的定位与实际的差距时，自移动设备导航行驶到边界线上采集rfid的数据。当通过上述方案识别出自移动设备姿态良好后，则更新定位算法计算的位置并结束重定位。当通过上述方案识别出自移动设备姿态不良时，则继续沿线行驶，继续采集数据，寻找下一个姿态良好时采集的rfid数据，再进行更新位置的操作。

本发明提供了应用于自移动设备的姿态识别方法，所述识别方法包括：当所述自移动设备进行姿态识别时，所述自移动设备发送感知信号；所述自移动设备接收针对所述感知信号的反馈信息，根据所述反馈信息的个数确定自移动设备的姿态。上述方案的实现依赖于感知设备，对硬件要求低，成本低廉。进一步的，通过本发明提供的方案，不仅能够识别自移动设备的“卡困”状态，还可以识别出自移动设备的航向是否发生偏移，算法简单，且准确度高。

本发明还提供了一种自移动设备，通过所述自移动设备实现如上所述的姿态识别方法，所述自移动设备包括：

发送模块，用于当所述自移动设备进行姿态识别时，发送感知信号；

接收模块，用于接收针对所述感知信号的反馈信息；根据所述反馈信息的个数确定自移动设备的姿态。

优选的，在自移动设备进行姿态识别之前还包括：所述自移动设备确定行驶的区域，当所述区域位于感知区域内时，开始进行姿态识别。

RFID的感知范围是一段区域，因此，可以通过对这段区域内的后轴中心点的位姿进行处理，来判断自移动设备是否以平稳地姿态通过RFID的感知区域。优选的，以智能割草机为例，本发明的方案通过安装边界线来设定切割总区域，其中边界线是一种通电产生磁场的特殊电线，在边界线上放置多个RFID(射频装置)，每个RFID装置的id号都互不相同。其中，不论自移动设备在建图过程中沿线采集RFID的数据，还是在重定位过程中采集RFID的数据，都需要对机器姿态进行判断。

如图2所示，感知设备在其感知区域内可以感知边界线上的rfid装置，如RFID地钉；当感知设备如射频阅读器RFID位于地钉的上方时，可以识别出地钉的位置，IMU和编码器可以根据地钉的位置确定自移动设备的两轮后轴的中心位置；优选的，由于感知设备具有一定范围的感知区域，因此在识别到地钉时，开始存储自移动设备的两轮后轴中心位置的定位数据，当自移动设备行驶在感知区域内时，可以持续的识别到地钉，由此可以获取一组定位数据。

如图3所示，自移动设备沿着边界线行驶，采集RFID数据，感知数据持续判定是否接收到地钉反馈的数据，并识别在该区域内收集到的数据的个数；根据数据的个数确定自移动设备的姿态。

本方案是对rfid采集得到的数据进行离线处理，也就是当自移动设备离开rfid的感知区域后再处理已经保存的数据。所以如何判断自移动设备是否离开rfid的感应区域，就比较重要了。

在采集数据过程中，因为通常存在硬件噪声等影响，当自移动设备位于rfid的感应区内时，距离上一次id不为0的数据也可能出现连续m个id为0的数据，优选的，m取值为1-4，为了增加一定的容错率k，所以我们选择当出现大于(m+k)个id为0的数据的时候，就认为机器已经离开了rfid的感应区域了，优选的，m+k＝10。即在采集数据的过程中，持续判断出现连续0的个数i，当i>(m+k)时，如i>10，确定自移动设备已经离开感知区域，停止数据的收集。此时判断数据的个数，即反馈数据的个数，以便根据所述反馈数据的个数确定自移动设备的姿态。通过上述方式，只需要识别出在感知设备的感知区域内收集到的反馈信息即数据的个数，即可实现当前姿态的判断，算法简单，对MCU等算力设备的要求较低，且无需其他设备、组件的配合，对成本的要求低。

进一步优选的方案：根据所述反馈信息的个数确定自移动设备的姿态包括：获取上限阈值和下限阈值，当所述反馈信息的个数小于下限阈值时，所述自移动设备处于姿态异常状态；当所述反馈信息的个数大于所述上限阈值时，所述自移动设备处于姿态异常状态。其中，上限阈值和下限阈值是基于标准量和冗余量进行确认；标准量是指自移动设备正常移动时，收集的个数的标准值；冗余量是防止误判设置的值；优选的，所述上限阈值为110，所述下限阈值为10。因为机器良好情况下，最大大约可以得到60个点，如果我们的放缩量只有10-20个点，有可能出现极其微弱的打滑等情况，就认为采集姿态不良；因此，根据时间的考虑，如单位时间内采集的点的个数，如一秒钟采集50个点，那么就多出了一单位时间，如1秒钟的打滑时长，时间非常短，由此可以有效的防止误判。在该情况下，如果出现一秒钟以内的轻微打滑，对位姿的影响是非常小的。上述判定主要是用于排查自移动设备是否出现“卡困”的姿态。具体的，当数据个数小于10个，认为自移动设备经过rfid的时候感应不良(可能是硬件问题、地形问题等等)，则不保存这组数据；当数据个数大于110个，认为这已经超过了正常的感应数量，则可能是机器卡困长时间停留在原地，或者是传感器异常等等。

进一步改进方案为：所述自移动设备还包括姿态传感器，所述姿态传感器用于获取姿态数据，以便建立姿态数据与反馈信息的对应关系。根据所述反馈信息选择n个姿态数据，将n个姿态数据进行比较，根据比较结果确定所述自移动设备的姿态。优选的，所述姿态数据包括：偏航角；根据所述n个偏航角的比较结果，确定所述自移动设备的姿态。优选的，射频阅读器RFID、IMU惯性传感器及编码器的数据读取频率是一致的，通过射频阅读器，读取得到rfid的id数据，当id不为0的时候说明机器正在rfid的感应区内，保存此时的IMU惯性传感器得到的机器的yaw角，以及编码器的x与y。将同一时刻的这三个数据整理成一个保存数据(x,y,yaw)来保存。因此，在获取反馈信息后，可以从已保存的保存数据(x,y,yaw)中，获取自移动设备的航向角即yaw角，以便据此确定自移动设备的姿态。

如图3所示，当根据反馈信息的个数处于上限阈值和下限阈值之间时，继续判定姿态数据，如航向角；为了提高数据的处理效率，从所述多组反馈信息(图3中的数据)选择n个姿态数据进行比较；优选的，从多组反馈信息中取出首尾两个数据，再对中间的数据抽取几个出来，对yaw角做判断；优选的，抽取原则可以是随机抽取，也可以是均匀抽取。如果这些数据两两之间的差值不大于指定的阈值，如4°，则说明自移动设备在通过这个rfid的时候角度是几乎稳定不变的。其中，阈值的设置是根据定义的误差许可量与冗余角度值进行确认，如当重定位的误差定义为小于2°时，设置对应的冗余角度值为2°；通过上述方式，由此可知，阈值为4°；由此通过少量的数据即可实现姿态的判定，减少了MCU等算力设备的压力。

优选的，本发明可以是基于自移动设备坐标系实现的，如图4所示，即坐标原点是机器人后轴中心位置，X轴沿着机器人行驶方向，Y轴垂直于X轴水平向左，Z轴垂直与X-Y轴平面向上；角度数值直接由IMU惯性传感器获取，其中，本方案使用的偏航角即yaw角，指的是绕Z轴运动的角度。上述坐标系为本发明的较优方案，在可选实施例中，也可以基于其他的三维空间坐标系实现，如以基站为原点建立的坐标系、GPS坐标系等。

主要是应用于自移动设备的建图、定位两个功能，当识别出自移动设备的姿态良好后，则保存的数据集可以用于识别rfid的坐标信息。

建图中，自移动设备通过沿边采集rfid数据来保存rfid位姿坐标，当通过上述方案识别出自移动设备姿态良好后，将保存rfid坐标位姿，并且继续沿边行驶，直到机器行驶到它的出发点产生闭环，结束建图。

定位中，当自移动设备准备通过重定位，减少定位算法计算的定位与实际的差距时，自移动设备导航行驶到边界线上采集rfid的数据。当通过上述方案识别出自移动设备姿态良好后，则更新定位算法计算的位置并结束重定位。当通过上述方案识别出自移动设备姿态不良时，则继续沿线行驶，继续采集数据，寻找下一个姿态良好时采集的rfid数据，再进行更新位置的操作。

本发明提供了应用于自移动设备的姿态识别方法，所述识别方法包括：当所述自移动设备进行姿态识别时，所述自移动设备发送感知信号；所述自移动设备接收针对所述感知信号的反馈信息；根据所述反馈信息的个数确定自移动设备的姿态。上述方案的实现依赖于感知设备，对硬件要求低，成本低廉。进一步的，通过本发明提供的方案，不仅能够识别自移动设备的“卡困”状态，还可以识别出自移动设备的航向是否发生偏移，算法简单，且准确度高。

本发明还提供了一种自移动设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的识别方法。

本发明还提供了一种计算机可读介质，其具有处理器可执行的非易失的程序代码，所述程序代码使所述处理器执行所述的识别方法。

与现有技术相比，本发明具有如下有益效果：本发明提供了应用于自移动设备的姿态识别方法，所述识别方法包括：当所述自移动设备进行姿态识别时，所述自移动设备发送感知信号；所述自移动设备接收针对所述感知信号的反馈信息；根据所述反馈信息的个数确定自移动设备的姿态。上述方案通过识别反馈信息的个数确定姿态，算法简单，且准确度高，方案的实现依赖于感知设备，对硬件要求低，成本低廉。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。