具体实施方式

本申请的说明性实施例包括但不限于指纹数据的处理方法、介质和移动机器人。

本申请提供的指纹数据的处理方法、设备及系统，可以应用于车站、机场、商场、超市等公共场所的室内定位场景中。在这些公共场所中，清洁机器人、服务机器人、配送机器人等移动机器人已广泛应用，并且这些移动机器人上通常搭载有摄像头、激光雷达、深度传感器等感知元件，具有对周围环境的精准感知能力及定位建图的能力。

具体地，在本申请提供的指纹数据的处理方法、设备及系统中，移动机器人可以筛选出室内环境所在区域中稳定的信号源，例如在火车站场景中通过去除乘客临时开启的手机热点和其他移动机器人上的热点等不稳定的信号源而得到稳定的信号源。从而，移动机器人可以基于稳定的信号源的数据构建并维护指纹数据库，使得指纹数据库的可靠性较高，进而有利于提升室内定位的准确度。此外，由于指纹数据库的构建和维护均由清洁机器人等常规移动机器人正常工作状态下获取的稳定的指纹数据完成，相较于上述背景技术所描述的现有定位方案，能够有效降低基于指纹数据的室内定位方案的构建及维护成本。

为了便于理解，在详细说明本申请的具体技术方案之前，对本申请所涉及的一些术语进行介绍。

(1)位置指纹法，是把实际环境中的某个位置和某种“指纹”联系起来，一个位置对应一个独特的指纹，该“指纹”可以包括表征对应位置独特性的各项特征值，例如该位置上的WiFi信号对应的WiFi接入点类型、信号强度、时延分布以及该位置的坐标信息等，以及蓝牙信号对应的信号强度等。具体地，本申请实施例中，基于位置指纹法构建各个指纹数据，并得到指纹数据库。

(2)指纹地图，是指基于上述位置指纹法确定的各个指纹数据(或称位置指纹数据)所建立起来的虚拟地图，指纹地图上的每个指纹数据可以作为采用该指纹地图进行室内定位计算的基准参考点。具体地，本申请实施例中，指纹数据库中的指纹数据可以作为指纹地图。

(3)遍历式覆盖，在本申请中是指移动机器人在室内环境所在的区域内工作时，移动过程遍历该区域内预设设置的每一个位置。例如，下文中移动机器人工作时遍历式覆盖目标区域中的每个栅格点(即每个预设位置)。

下面将结合附图对本申请的实施例作进一步地详细描述。

图1示出了一种典型的移动机器人作业场景，如图1所示，室内场景10包括移动机器人100、电子设备200、工作人员300以及多个信号源400。作为示例，图1中仅示出了信号源400-1和信号源400-2。

本申请实施例中，用于采集指纹数据的移动机器人100为清洁机器人、服务机器人、配送机器人等。具体地，移动机器人100不但具有清洁、道路指引以及配送等常规功能，还具有对自身、其他人员、物体或设备的室内定位功能，以实现移动机器人建立并维护指纹数据库，以及对自身或者其他设备进行定位。并且，在一些实施例中，移动机器人100可以使用无人驾驶驱动技术移动工作，也可以由人工操作实现移动工作，以实现本申请中移动机器人工作时对目标区域进行遍历式覆盖，本申请对此不做具体限定。

在一些实施例中，上述电子设备200可以为传统设备，包括但不限于：手机、平板电脑、手持计算机、笔记本电脑、台式电脑、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、上网本，以及蜂窝电话、个人数字助理(personal digital assistant，PDA)、增强现实(augmented reality，AR)\虚拟现实(virtual reality，VR)设备、智能购物车等。此时，电子设备200虽然具有WiFi功能，但是自身一般不能基于WiFi功能进行定位。在另一些实施例中，上述电子设备200也可以是移动机器人。

可以理解的是，在场景10中工作人员300通常使用移动机器人100和/或电子设备200工作。如此，对工作人员300的定位可以通过对工作人员300所使用的电子设备200的定位实现。例如，在工作人员300使用电子设备200工作时，电子设备200的位置即为工作人员300的位置。

更具体地，如果室内场景10中具有多个信号源400，移动机器人100和电子设备200分别可以检测多个信号源400，例如分别从多个信号源400中的至少一个信号源处接收信号，以实现定位和/或网络连接。

可以理解的是，在室内环境中，受室内布局和信号源400的位置布置的影响，不同检测点上能够检测到的各信号源的信号强度不同。也就是说，同一个信号源的信号强度在室内环境中的不同检测点处的分布不同。

此外，为了方便说明，图1中仅以室内场景10所在区域为规则的矩形为例示出，而实际中的室内场景所在区域可以为任意形状，如通常为不规则形状，本申请对此不做具体限定。

具体地，本申请实施例中，移动机器人100在室内场景中工作时可以采用位置指纹法构建并维护指纹数据库。

可以理解的是，在一种实施例中，基于图1示出的室内场景10，对电子设备200进行定位时，电子设备200可以与移动机器人100交互，以基于移动机器人100构建的指纹数据数据库定位电子设备200。当然，移动机器人100也可以基于指纹数据数据库对自身进行定位。

在其他一些实施例中，如图2所示，室内场景10中的设备还可以与服务器500交互，实现室内定位。其中，移动机器人100可以向服务器500上报所获取的指纹数据或者指纹数据库。而电子设备200可以向服务器500发起定位请求，由服务器500基于指纹数据库对电子设备200进行定位，再向电子设备200返回定位响应。

以商场清洁场景为例，通常移动机器人和其他设备及其工作人员(即操作员)会协同工作，完成对一个场域的清洁作业。在协同作业的场景中，除了机器人的建图定位外，还需要对其他设备进行定位及数字化管理。作为一种示例，在上述图1所示场景10中，以移动机器人100为清洁机器人，电子设备200为手机，工作人员300为使用手机200的人员为例示出。

当然，本申请涉及的室内场景中的设备包括但限于上述示例。作为另一种示例，在商场服务场景中，图1示出的移动机器人100还可以是提供道路指引以及其他语音对话服务的服务机器人，电子设备200可以为智能购物车等设备。

在一些实施例中，本申请提供的信号源提供的信号的类型包括以下至少一项：蓝牙信号，WiFi信号，但不限于此。

具体地，本申请实施例中，主要以指纹数据库中的指纹为WiFi信号，即室内场景10中的信号源作为WiFi信号源产生WiFi信号，而移动机器人构建的指纹数据库中的指纹数据包括WiFi信号的信息为例，说明本申请提供的指纹数据的构建和维护过程。此时，本申请中的指纹数据库可以称为WiFi指纹数据库，指纹数据可以称为WiFi指纹数据。类似的，对于指纹数据库中的指纹为蓝牙信号等其他信号的信息的描述可以参照对WiFi指纹数据库的相关描述，将不再一一赘述。

更具体地，根据本申请的一些实施例，结合上述图1示出的室内场景10中对各个设备的描述，以移动机器人100为清洁机器人为例，描述清洁机器人100构建和更新指纹数据库以及与电子设备200交互的工作流程，上述应用场景中描述的技术细节在此流程中依然适用，为了避免重复，在此不再赘述。如图3所示，指纹数据的处理方法的流程可以包括以下步骤301-313：

步骤301：清洁机器人100对室内场景10所在的目标区域进行建图操作以将目标区域划分为多个预设位置，并基于每个预设位置的位置信息构建对应的指纹数据。

其中，清洁机器人100可以使用摄像头、激光雷达、深度传感器等感知元件，对室内场景10所在的目标区域进行建图操作，以建立目标区域的地图。例如，清洁机器人100可以使用摄像头拍摄目标区域中各个角度的图像，进而基于这些图像建立目标区域的地图。随后，清洁机器人100可以对建图操作得到地图进行划分，以将目标区域划分为多个预设位置。

可以理解的是，清洁机器人100可以自动在室内场景10所在的目标区域移动而执行建图操作，也可以在工作人员的手动操作下在目标区域移动来执行建图操作，本申请实施例对此不做具体限定。

在一些实施例中，清洁机器人100将目标区域划分为一系列栅格点，以实现将目标区域划分为多个预设位置，即每个栅格点表示一个预设位置。其中，上述一系列栅格点，即多个预设位置可以作为室内场景10所在的目标区域中的定位参考基准点。本申请实施例中，对清洁机器人100划分栅格点的粒度和形状可以根据实际需求确定，本申请实施例对此不做具体限定。

在一些实施例中，每个预设位置的位置信息可以包含该预设位置的坐标信息和地理高度(如高度为0.5米)等。可以理解的是，坐标信息可以用于区分不同的位置，而地理高度可以区分各个位置所在的环境。作为一种示例，清洁机器人100可以将目标区域所在的空间平面预先划分为1m(米)×1m的栅格点。如图4所示，为对室内场景10划分出的一系列栅格点的示意图，每个实心圆点为一个栅格点，即一个预设位置。具体地，图4示出的室内场景10中各个位置的坐标信息可以基于目标区域所在的坐标平面XOY表示，如一个预设位置的坐标信息可以表示为(x，y)。

另外，在一些实施例中，一个预设位置对应的指纹数据(即位置指纹)中不仅包含一个位置信息，还包含各个类型信号的额外附属信息，例如WiFi信号对应的额外附属信息。作为一种示例，WiFi信号的额外附属信息可以为对应的预设位置处测量WiFi信号的测量方向(如东、西、南、北等)和测量角度等，但不限于此。

步骤302：清洁机器人100在一次工作过程中对目标区域中的每个预设位置进行遍历式覆盖，并在各个预设位置处扫描得到目标区域中的信号的信息。

其中，每种类型的信号的信息至少包括：信号的标识信息和信号强度，以及扫描时间。例如，一个WiFi信号的信息至少包括：WiFi信号的标识信息和信号强度，以及扫描时间。

作为一种示例，WiFi信号源的标识信息可以为WiFi信号源的MAC地址(媒体存取控制位址，Media Access Control Address，MAC)，信号强度可以为接收信号强度(ReceivedSignal Strength，RSS)。可以理解的是，WiFi信号的信息还可以包括其他信息，如信号扫描频率等，但不限于此。

例如，如图5所示，为本申请实施例中清洁机器人100在一个预设位置处扫描得到的一个WiFi信号的信息。其中，图5示出的信息中的“80:ea:07:39:44:fc”为对应的WiFi信号源的MAC地址，“freq:2437”表示WiFi信号的信号扫描频率，“TSF：55952850724use(0d,15:32:32)”中的“15:32:32”表示WiFi信号扫描时间，“signal:-58dBm”表示WiFi信号的信号强度为-58分贝毫瓦(decibel relative to one milliwatt，dBm)。

此外，在一些实施例中，移动机器人100扫描信号的扫描频率与移动机器人100的移动速度相关。在移动机器人100静止或移动速度较低(如移动速度小于或等于0.5米/秒)时，扫描频率相应地降低，反之则扫描频率升高。

步骤303：清洁机器人100基于本次工作扫描到的信号的信息，更新指纹数据。

具体地，清洁机器人100可以分别通过检测到的每种类型信号的信息，更新指纹数据库的过程中

如果步骤302中清洁机器人100是第一次工作在室内场景10所在的目标区域中工作，那么步骤303中清洁机器人100是构建各个预设位置对应的指纹数据，反之，清洁机器人100是更新各个预设位置对应的指纹数据。

在一些实施例中，以通过WiFi信号的信息更新指纹数据库为例，说明更新目标区域的指纹数据库。

其中，一个预设位置对应的WiFi指纹数据包含该位置的位置信息和该位置处扫描到的WiFi信号的信息。可以理解的是，在一个预设位置处，清洁机器人100可以扫描并测量得到一个或多个WiFi信号，即扫描得到来自一个或多个WiFi信号源的WiFi信号。

作为一种示例，对于目标区域中的第i个预设位置(即栅格点)对应的WiFi指纹数据M_i而言，M_i＝(p_i,θ_i,{t_ij,s_ij})。其中，p_i为第i个预设位置的位置信息，θ_i为第i个预设位置的额外附属信息。s_ij为一个向量，用于表示来自于第j个WiFi信号源的一组WiFi信号的信号强度。由于清洁机器人100是多次工作并多次测量WiFi信号，因此向量s_ij的第k个成员代表对第j个WiFi信号源在第k次测量得到的WiFi信号的信号强度。相应的，t_ij为一个和s_ij向量对应的向量，记录每次测量时的扫描时间，即向量s_ij的第k个成员代表对第j个WiFi信号源进行第k次测量WiFi信号的扫描时间。其中，k、i、j均为正整数。

步骤304：清洁机器人100在目标区域中连续工作，重复执行步骤302和303，以更新指纹数据库。

可以理解的是，以信号源的信号为WiFi信号为例，在步骤304中清洁机器人100第一次重复工作时，如果清洁机器人100在第i个预设位置处再次扫描并测量到来自第j个WiFi信号源的WiFi信号，则在于M_i＝(p_i,θ_i,{t_ij,s_ij})中添加本次测量的来自第j个WiFi信号源的WiFi信号的信号强度为向量s_ij的第k+1个成员，并添加本次测量的扫描时间为向量t_ij中的的第k+1个成员，以更新WiFi指纹数据库。

在一些实施例中，清洁机器人100每天工作两个小时对一个商场进行遍历式清洁，完成连续多次工作。

作为一种示例，清洁机器人100每工作一次，可以对室内场景所在的目标区域的所有位置遍历一遍，即可以经过目标区域中的所有预设位置，并在每个预设位置处均扫描和测量WiFi信号。

步骤305：清洁机器人100判断是否连续工作N次。其中，N大为正整数。

在一些实施例中，清洁机器人100可以持续性判断清洁机器人100连续工作的次数是否达到N次(即预设次数)。如果判断得到清洁机器人100连续工作的次数达到N次，则执行上述步骤306。反之，则重复执行上述步骤304。

可以理解的是，清洁机器人100连续工作N次说明指纹数据库的数据量足够多，可以采用指纹数据库中已有的一些数据判断目标区域中出现的信号源是否为稳定的信号源。

作为一种示例，清洁机器人100连续工作N次，指的是连续工作一个月(30天)，每天工作两个小时，即N＝30。而最近连续工作M次，指的是最近一周(7天)，每天工作两个小时，即M＝7。

步骤306：清洁机器人100基于指纹数据库中最近连续M次工作所获取的信号的信息判断目标区域中出现的每个信号源是否为临时信号源。其中，M小于或等于N，且M为正整数。

可以理解的是，步骤306中清洁机器人100可以区分出一个信号源(如WiFi信号源)是临时信号源还是非临时信号源。其中，临时信号源为临时出现的信号源而不会在目标区域中持续出现或工作，而非临时信号源为目标区域中持续出现或工作的信号源。

在一些实施例中，清洁机器人100可以对上述M次工作所获取的信号的信息进行时间稳定性分析，以判断出目标区域中的临时信号源和非临时信号源。例如，临时信号源可以为火车站乘客临时开启的手机热点等，而非临时信号源可以为在火车站中持续工作的热点。可以理解的是，上述临时信号源不具有时间稳定性为不稳定的信号源，而非临时信号源具有时间稳定性为稳定的信号源。

在一些实施例中，时间稳定性条件为：最近连续M次工作中每次工作都检测到的信号源。即可以通过判断一个信号源的信号在最近连续M次工作中出现的次数，区分临时信号源和非临时信号源。其中，最近连续M次工作中每次工作都可以检测到的信号源为非临时信号源，即符合时间稳定性条件的信号源。也就是说，对于一个非临时信号源而言，在这M次工作中任意一次工作中，在目标区域中的至少一个预设位置处均能测量得到自该信号源的信号。而最近连续M次工作中至少一次工作未检测到的信号源为临时信号源，即不符合时间稳定性条件的信号源。

具体地，对于步骤306判断出的临时信号源，可以执行下述步骤307；而对于判断出的非临时信号源，可以在数据库中继续保留对应的信号的信息。

步骤307：清洁机器人100从指纹数据库中去除与临时信号源对应的信号的信息。

可以理解的是，本申请实施例中，由于临时信号源(即临时出现的信号源)不具有时间稳定性，通常不能作为室内定位的参考。如此，从指纹数据库中去除来自临时信号源的信号的信息，有利于提高指纹数据库中的指纹数据的稳定性。

步骤308：清洁机器人100基于最近连续M次工作所获取的WiFi信号的信息中剩余的信号的信息判断目标区域中出现的每个信号源是否为移动信号源。

步骤309：清洁机器人100并从指纹数据库中去除与移动信号源对应的信号的信息。

在一些实施例中，步骤309中，清洁机器人100可以对上述M次工作所获取的信号的信息中剩余的信息进行空间稳定性分析，区分出目标区域中的移动信号源和固定信号源。例如，移动信号源可以为火车站中的另一个移动机器人上的热点，而固定信号源可以为火车站中固定位置安装并持续工作的热点。可以理解的是，移动信号源不具有空间稳定性为不稳定的信号源，而固定信号源具有空间稳定性为稳定的信号源。即在更新或维护指纹数据库期间，移动信号源本身在目标区域中的位置通常是不固定，而固定信号源通常固定安装在目标区域中的某一个位置。

在清洁机器人100工作一次的过程中，对于一个信号源而言，在目标区域中的多个预设位置处均可以测量到该信号源的信号，并且测量得到信号的信号强度最强的预设位置距离该信号源最近，如该预设位置为该信号源所在的位置。如此，清洁机器人100在一次工作的过程中，可以将信号强度最强的预设位置作为信号源所在的位置。此外，如果目标区域中测量得到信号的信号强度相同且最强的预设位置为多个，则可以将该多个预设位置中的任意一个作为该信号源所在的位置。

可以理解的是，一个移动信号源在目标区域中的位置通常是不断变化的，即在最近连续M次工作的各个工作过程中该移动信号源在目标区域中的位置是不断变化的，那么检测到信号的信号强度最强的预设位置也会不断变化。

在一些实施例中，可以通过判断一个信号源在最近连续M次工作的目标移动距离，区分移动信号源和固定信号源。例如，若一个信号源的目标移动距离大于或等于预设阈值(如20m),则该信号源为移动信号源；反之，则该信号源为固定信号源。

其中，一个信号源的目标移动距离用于表示该信号源在最近连续M次工作的过程中位置变化的程度。作为一种示例，针对一个信号源在最近连续M次工作过程中，可以计算每连续两次工作信号中强度最强的预设位置之间的移动距离。随后，可以将移动距离的标准差或方差作为该信号源的目标移动距离，或者将最大的移动距离作为该信号源的目标移动距离，但不限于此。

可以理解的是，本申请实施例中，由于移动信号源不具有空间稳定性，通常不能作为室内定位的参考。如此，从指纹数据库中去除来自移动信号源的信号的信息，有利于提高指纹数据库中的数据作为定位参考的可靠性。

此外，在其他一些实施例中，清洁机器人100可以执行步骤306和步骤307而不执行步骤308和步骤309；或者，可以不执行步骤308和步骤309而直接执行步骤306和步骤307，或者，先执行步骤308和步骤309再执行步骤306和步骤307，本申请实施例对此不做具体限定。

步骤310：电子设备200实时测量得到目标信号。

其中，目标信号的信息中包括电子设备200在当前位置处实时测量得到的一个或多个信号源的标识信息以及对应的信号强度(如RSS)

步骤311：电子设备200向清洁机器人100发送定位请求，该定位请求中携带有目标信号的信息。

步骤312：在接收到定位请求之后，清洁机器人100对比目标信号的信息与指纹数据库中的信息，确定出与目标信号的信息对应的目标位置，即目标位置为定位结果。

其中，目标位置为电子设备200所处的当前位置，即对电子设备200定位得到的位置。

可以理解的是，作为一种示例，清洁机器人100可以比对出指纹数据库中与目标信号的信息最相似的信号的信息，进而将该信号的信息所在的指纹数据中的预设位置作为目标位置。

本申请中涉及的基于指纹数据库的定位方法，可以采用相关技术中的任意可实现的方法实现，本申请实施例对此不做具体限定。

例如，在一种可能的实现方式中，可以基于欧式空间距离的最近邻算法或者概率性定位算法，实现基于指纹数据库的定位方法，但不限于此。

在一些实施例中，以信号源的信号为WiFi信号为例，在基于欧式空间距离的最近邻算法中，针对指纹数据库中的每个WiFi指纹数据可以计算得到来自每个WiFi信号源的信号强度(RSS)的均值。假设目标区域中只有两个WiFi信号源，其中，WiFi信号源也称为接入点(AP)。如果仅考虑位置指纹法中位置和信号强度(RSS)这一指纹之间的关系，那么在目标区域中的第i个预设位置对应的WiFi指纹数据为M_i＝((x_i，y_i),{s_i1,s_i2})，其中，(x_i，y_i)为第i个预设位置的坐标，s_i1,s_i2分别为第i个预设位置测量得到的第一个WiFi信号源的信号强度(RSS)的均值以及和第二个WiFi信号源的信号强度(RSS)的均值。此时，可以将每个预设位置上检测得到的RSS的均值作为一个RSS向量s_ij。后续，如果待定位的设备(如电子设备200)实时测量得到的RSS作为一个向量r，那么计算该向量与WiFi指纹数据库中的各个RSS向量s_ij之间的欧式距离，并将最小的欧式距离的RSS向量对应预设位置作为待定位设备的定位结果。其中，两个向量之间的欧式距离可以通过计算得到(D为该欧式距离)，其中，此处的N为室内场景所在区域中的WiFi信号源(即AP)的数量。

类似的，清洁机器人100可以按照欧式空间距离的最近邻算法，基于指纹数据库中的除WiFi信号之外的其他信号(如蓝牙信号)对待定位的电子设备200进行定位，得到一个定位结果。进而，清洁机器人100再通过指纹数据库中多种类型的信号得到多个定位结果，在根据该多个定位结果得到最终的定位结果。例如，在这多个定位结果不同的情况下，清洁机器人100将该多个定位结果中出现频率最高的一个定位结果作为最终的定位结果，或者将多个定位结果表示的预设位置的中心位置作为最终的定位结果。当然，在多个定位结果相同的情况下，将该定位结果直接作为最终的定位结果。

步骤313：清洁机器人100向电子设备200发送定位响应，该定位响应中携带有目标位置的信息。

其中，目标位置的信息即为电子设备200的定位结果。例如，目标位置的信息为一个坐标信息。

本申请实施例中，可以通过从指纹数据库中去除临时信号源以及移动信号源等非固定的信号源的数据，使得维护后的指纹数据库的可靠性较高，进而有利于提升室内定位的准确度。此外，由于指纹数据库的构建和更新均由常规的移动机器人(如清洁机器人)正常工作所获取的数据来实现，而不需要专业人员、专用的定位设备以及移动机器人协同进行大量繁琐的操作，因此降低了基于指纹数据的室内定位方案的成本。

此外，根据本申请的一些实施例，结合上述图2示出的室内场景10中对各个设备的描述，以移动机器人100为清洁机器人为例，描述清洁机器人100构建和更新指纹数据以及与电子设备200和服务器500交互的工作流程。如图6所示，指纹数据的处理方法的方法流程可以包括以下步骤：

步骤601-609。其中，图6所示实施例中的步骤301-309与图3示出的步骤601-609一致，此处不再赘述。

步骤610：清洁机器人100向服务器500上报指纹数据库中的数据。

可以理解的是，清洁机器人每更新一次指纹数据库，就可以向服务器500上报指纹数据库中的数据，以更新服务器500中存储的指纹数据库。

步骤611：电子设备200实时测量得到目标信号。

步骤612：电子设备200向服务器200发送定位请求，该定位请求中携带有目标信号的信息。

步骤613：在接收到定位请求之后，服务器500对比目标信号的信息与指纹数据库中的信息，确定出与目标信号的信息对应的目标位置。

步骤614：服务器500向电子设备200发送定位响应，该定位响应中携带有目标位置的信息。

类似的，对步骤611-步骤614的描述可以分别参照图3示出的实施例中的步骤310-313的相关描述，此处不再赘述。

与图3示出的实施例相比，图6示出的实施例的区别在于，对待定位设备(如电子设备200)进行定位的步骤以及执行主体不同，其中，在图3示出的各步骤由清洁机器人100执行，而图6示出的各步骤由服务器500执行。如此，由于服务器的计算能力通常较强，因此可以提高基于指纹数据库进行室内定位的效率，并减少清洁机器人等移动机器人的功耗。

如图7所示，为申请提供的一种移动机器人的结构示意图。图7示出的移动机器人100可以包括处理器110、电源模块140、存储器180，移动通信模块130、无线通信模块120、传感器模块190、音频模块150、摄像头170、接口模块160、按键101以及显示屏102等。

可以理解的是，本发明实施例示意的结构并不构成对移动机器人的具体限定。在本申请另一些实施例中，移动机器人可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

处理器110可以包括一个或多个处理单元，例如，可以包括中央处理器CPU(Central Processing Unit)、图像处理器GPU(Graphics Processing Unit)、数字信号处理器DSP、微处理器MCU(Micro-programmed Control Unit)、AI(ArtificialIntelligence，人工智能)处理器或可编程逻辑器件FPGA(Field Programmable GateArray)等的处理模块或处理电路。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。处理器110中可以设置存储单元，用于存储指令和数据。在一些实施例中，处理器110中的存储单元为高速缓冲存储器180。例如，处理器110用于将室内环境所在的区域划分为一系列栅格点，并构建和更新指纹数据库，以及基于指纹数据库对待定位设备进行定位。

电源模块140可以包括电源、电源管理部件等。电源可以为电池。电源管理部件用于管理电源的充电和电源向其他模块的供电。在一些实施例中，电源管理部件包括充电管理模块和电源管理模块。充电管理模块用于从充电器接收充电输入；电源管理模块用于连接电源，充电管理模块与处理器110。电源管理模块接收电源和/或充电管理模块的输入，为处理器110，显示屏102，摄像头170，及无线通信模块120等供电。

移动通信模块130可以包括但不限于天线、功率放大器、滤波器、LNA(Low noiseamplify，低噪声放大器)等。例如，移动通信模块130可以从待定位设备接收定位请求，并返回定位响应；以及向服务器上报指纹数据库。

无线通信模块120可以包括天线，并经由天线实现对电磁波的收发。无线通信模块120可以提供应用在移动机器人上的包括无线局域网(wireless localarea networks，WLAN)(如无线保真(wireless fidelity，WiFi)网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(global navigation satellite system，GNSS)，调频(frequency modulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。移动机器人可以通过无线通信技术与网络以及其他设备进行通信。例如，无线通信模块120用于接收信号，以及从待定位设备接收定位请求，并返回定位响应；向服务器上报指纹数据库。

在一些实施例中，移动机器人的移动通信模块130和无线通信模块120也可以位于同一模块中。

显示屏102用于显示人机交互界面、图像、视频等。显示屏102包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organiclight-emitting diode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode的，AMOLED)，柔性发光二极管(flexlight-emitting diode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot light emitting diodes，QLED)等。例如，显示屏102可以显示室内场景所在区域的定位建图结果，如显示指纹数据库所表示的指纹地图，以及显示待定位设备(如电子设备200)的定位结果。

传感器模块190可以包括接近光传感器、压力传感器，陀螺仪传感器，气压传感器，磁传感器，加速度传感器，距离传感器，指纹传感器，温度传感器，触摸传感器，环境光传感器，骨传导传感器等。例如，距离传感器，陀螺仪传感器等用于感知室内环境。

音频模块150用于将数字音频信息转换成模拟音频信号输出，或者将模拟音频输入转换为数字音频信号。音频模块150还可以用于对音频信号编码和解码。在一些实施例中，音频模块150可以设置于处理器110中，或将音频模块150的部分功能模块设置于处理器110中。在一些实施例中，音频模块150可以包括扬声器、听筒、麦克风以及耳机接口。

摄像头170用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件把光信号转换成电信号，之后将电信号传递给ISP(Image SignalProcessing，图像信号处理)转换成数字图像信号。移动机器人可以通过ISP，摄像头170，视频编解码器，GPU(Graphic Processing Unit，图形处理器)，显示屏102以及应用处理器等实现拍摄功能。例如，摄像头170用于获取室内环境的图像，以对室内环境进行定位建图。

接口模块160包括外部存储器接口、通用串行总线(universal serial bus，USB)接口及用户标识模块(subscriber identification module，SIM)卡接口等。通用串行总线接口用于移动机器人和其他电子设备进行通信。

在一些实施例中，移动机器人100还包括按键101、马达以及指示器等。其中，按键101可以包括音量键、开/关机键等。马达用于使移动机器人100产生振动效果，例如在移动机器人工作出现异常时候产生振动。指示器可以包括激光指示器、射频指示器、LED指示器等。

本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程系统上执行的计算机程序或程序代码，该可编程系统包括至少一个处理器、存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。

可将程序代码应用于输入指令，以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的，处理系统包括具有诸如例如数字信号处理器(DSP)、微控制器、专用集成电路(ASIC)或微处理器之类的处理器的任何系统。

程序代码可以用高级程序化语言或面向对象的编程语言来实现，以便与处理系统通信。在需要时，也可用汇编语言或机器语言来实现程序代码。事实上，本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下，该语言可以是编译语言或解释语言。

在一些情况下，所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如，计算机可读)存储介质承载或存储在其上的指令，其可以由一个或多个处理器读取和执行。例如，指令可以通过网络或通过其他计算机可读介质分发。因此，机器可读介质可以包括用于以机器(例如，计算机)可读的形式存储或传输信息的任何机制，包括但不限于，软盘、光盘、光碟、只读存储器(CD-ROMs)、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如，载波、红外信号数字信号等)的有形的机器可读存储器。因此，机器可读介质包括适合于以机器(例如，计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。

在附图中，可以以特定布置和/或顺序示出一些结构或方法特征。然而，应该理解，可能不需要这样的特定布置和/或排序。而是，在一些实施例中，这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外，在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征，并且在一些实施例中，可以不包括这些特征或者可以与其他特征组合。

需要说明的是，本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块，在物理上，一个逻辑单元/模块可以是一个物理单元/模块，也可以是一个物理单元/模块的一部分，还可以以多个物理单元/模块的组合实现，这些逻辑单元/模块本身的物理实现方式并不是最重要的，这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外，为了突出本申请的创新部分，本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入，这并不表明上述设备实施例并不存在其它的单元/模块。

需要说明的是，在本专利的示例和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他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、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

虽然通过参照本申请的某些优选实施例，已经对本申请进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本申请的精神和范围。