阅读说明：本技术 基于环境特征描述的定位方法、移动机器人和存储介质 (positioning method based on environmental feature description, mobile robot and storage medium ) 是由 张干 于 2019-10-22 设计创作，主要内容包括：本发明提供了一种基于环境特征描述的定位方法、移动机器人和存储介质,其方法包括：启动后控制定位辅助传感器扫描周围环境获得当前时刻所对应的局部特征描述集；将局部特征描述集与预先获取的全局特征描述集进行比对后,根据比对结果计算得到移动机器人当前时刻所在位置的候选坐标；根据特征信息对每个候选坐标进行匹配度评估,确定分值最大的候选坐标为移动机器人自身的全局坐标。本发明实现移动机器人的全局定位,节省现场部署的工作量的同时,提升移动机器人使用方便性。(the invention provides a positioning method based on environmental characteristic description, a mobile robot and a storage medium, wherein the method comprises the following steps: after the system is started, the positioning auxiliary sensor is controlled to scan the surrounding environment to obtain a local feature description set corresponding to the current moment; comparing the local feature description set with a global feature description set acquired in advance, and calculating to obtain candidate coordinates of the current position of the mobile robot according to a comparison result; and evaluating the matching degree of each candidate coordinate according to the characteristic information, and determining the candidate coordinate with the maximum score as the global coordinate of the mobile robot. The invention realizes the global positioning of the mobile robot, saves the workload of field deployment and improves the use convenience of the mobile robot.)

基于环境特征描述的定位方法、移动机器人和存储介质

技术领域

本发明涉及定位技术领域，尤指一种基于环境特征描述的定位方法、移动机器人和存储介质。

背景技术

目前，移动机器人通过传感器感知环境和自身状态，进而实现在有障碍物的环境中面向目标自主运动，这就是通常所说的智能自主移动机器人的导航技术。而定位则是确定移动机器人在工作环境中相对于全局坐标的位置及其本身的姿态，是移动机器人导航的基本环节。

对于移动机器人来说，移动机器人启动后必须定位其所在地图位置，以及启动后如何快速实现全局定位这个功能是很重要的能力。目前的移动机器人多一是使用固定位置开机即将移动机器人移动到初始位置后开始导航行进，二是移动机器人启动后使用现场部署的RFID、二维码等参考标识方式进行识别定位，上述两种方法要么限制了移动机器人使用方便性，要么增加了现场部署的工作量。

因此，如何实现移动机器人的全局定位，节省现场部署的工作量的同时，提升移动机器人使用方便性是亟需解决的问题。

发明内容

本发明的目的是提供一种基于环境特征描述的定位方法、移动机器人和存储介质，实现实现移动机器人的全局定位，节省现场部署的工作量的同时，提升移动机器人使用方便性。

本发明提供的技术方案如下：

本发明提供一种基于环境特征描述的定位方法，包括步骤：

启动后控制定位辅助传感器扫描周围环境获得当前时刻所对应的局部特征描述集；所述局部特征描述集包括至少两个不共线的局部特征描述线，所述局部特征描述线包括当前相邻两个物体在移动机器人坐标系下的距离、当前相邻两个物体分别对应的类型信息及其在移动机器人坐标系下的位置坐标；

将所述局部特征描述集与预先获取的全局特征描述集进行比对后，根据比对结果计算得到所述移动机器人当前时刻所在位置的候选坐标；所述全局特征描述集包括若干个全局特征描述线，所述全局特征描述线包括当前相邻两个物体在世界坐标系下的距离，所述当前相邻两个物体分别对应的类型信息及其在世界坐标系下的空间坐标；

根据特征信息对每个候选坐标进行匹配度评估，确定分值最大的候选坐标为移动机器人自身的全局坐标。

进一步的，所述将所述局部特征描述集与预先获取的全局特征描述集进行比对后，根据比对结果计算得到所述移动机器人当前时刻所在位置的候选坐标之后，所述根据特征信息对每个候选坐标进行匹配度评估，确定分值最大的候选坐标为移动机器人自身的全局坐标之前包括步骤：

当全局地图包括预设禁行区域时对所有候选坐标进行遍历检查，删除与所述预设禁行区域上任意位置匹配的候选坐标。

进一步的，所述启动后控制定位辅助传感器扫描周围环境获得当前时刻所对应的局部特征描述集之前包括步骤：

根据全局地图中每个物体所在位置的空间坐标和类型信息，生成对应的物体参考节点及其对应的参考坐标信息；所述参考坐标信息包括空间坐标和类型信息；

根据各个物体参考节点对应的参考坐标信息和每对相邻物体参考节点之间的距离创建所述全局特征描述集。

进一步的，所述启动后控制定位辅助传感器扫描周围环境获得当前时刻所对应的局部特征描述集包括步骤：

启动后触发所述定位辅助传感器工作，并从定位辅助传感器处获取采集数据；所述定位辅助传感器包括视觉传感器和/或激光传感器；

根据所述采集数据进行物体识别得到局部地图和所述局部地图中每个物体的类型信息及其位置坐标；

根据所述局部地图中每个物体所在位置的位置坐标和类型信息，生成对应的物体定位节点及其对应的定位坐标信息；所述定位坐标信息包括位置坐标和类型信息；

根据各个物体定位节点对应的定位坐标信息和每对相邻物体定位节点之间的距离创建所述局部特征描述集。

进一步的，所述将所述局部特征描述集与预先获取的全局特征描述集进行比对后，根据比对结果计算得到所述移动机器人当前时刻所在位置的候选坐标包括步骤：

将当前局部特征描述线与所述全局特征描述集中的所有全局特征描述线进行比对，筛选出与当前局部特征描述线所包括的所有类型信息相同的，且与所述当前局部特征描述线长度相等的目标全局特征描述线；

将下一局部特征描述线与所述全局特征描述集中的所有全局特征描述线进行比对，筛选出与下一局部特征描述线对应的目标全局特征描述线，直至所有局部特征描述线完成筛选为止；

根据当前局部特征描述线对应的距离和空间坐标，以及所述当前局部特征描述线对应的目标全局特征描述线所对应的距离、位置坐标，计算得到在所述当前局部特征描述线下所述移动机器人对应的候选坐标，切换至下一局部特征描述线直至计算得到所述移动机器人当前时刻所在位置的所有候选坐标。

进一步的，所述根据特征信息对每个候选坐标进行匹配度评估，确定分值最大的候选坐标为移动机器人自身的全局坐标包括步骤：

对所述定位辅助传感器获取的采集数据进行解析得到对应的特征信息；

当特征信息为点云特征时，将每个候选坐标所对应周围环境的点云特征与预设点云特征进行比对计算匹配度；和/或，

当特征信息为图像特征时，将每个候选坐标所对应周围环境的图像特征与预设图像特征进行比对计算匹配度；

确定匹配度数值最大的候选坐标为所述移动机器人自身的全局坐标。

本发明还提供一种移动机器人，包括：

扫描处理模块，用于启动后控制定位辅助传感器扫描周围环境获得当前时刻所对应的局部特征描述集；所述局部特征描述集包括至少两个不共线的局部特征描述线，所述局部特征描述线包括当前相邻两个物体在移动机器人坐标系下的距离、当前相邻两个物体分别对应的类型信息及其在移动机器人坐标系下的位置坐标；

比对计算模块，用于将所述局部特征描述集与预先获取的全局特征描述集进行比对后，根据比对结果计算得到所述移动机器人当前时刻所在位置的候选坐标；所述全局特征描述集包括若干个全局特征描述线，所述全局特征描述线包括当前相邻两个物体在世界坐标系下的距离，所述当前相邻两个物体分别对应的类型信息及其在世界坐标系下的空间坐标；

计算定位模块，用于根据特征信息对每个候选坐标进行匹配度评估，确定分值最大的候选坐标为移动机器人自身的全局坐标。

进一步的，还包括：

删除处理模块，用于当全局地图包括预设禁行区域时对所有候选坐标进行遍历检查，删除与所述预设禁行区域上任意位置匹配的候选坐标。

进一步的，还包括：

生成模块，根据全局地图中每个物体所在位置的空间坐标和类型信息，生成对应的物体参考节点及其对应的参考坐标信息；所述参考坐标信息包括空间坐标和类型信息；

创建模块，用于根据各个物体参考节点对应的参考坐标信息和每对相邻物体参考节点之间的距离创建所述全局特征描述集。

进一步的，所述扫描处理模块包括：

启动采集单元，用于启动后触发所述定位辅助传感器工作，并从定位辅助传感器处获取采集数据；所述定位辅助传感器包括视觉传感器和/或激光传感器；

第一处理单元，用于根据所述采集数据进行物体识别得到局部地图和所述局部地图中每个物体的类型信息及其位置坐标；

生成单元，用于根据所述局部地图中每个物体所在位置的位置坐标和类型信息，生成对应的物体定位节点及其对应的定位坐标信息；所述定位坐标信息包括位置坐标和类型信息；根据各个物体定位节点对应的定位坐标信息和每对相邻物体定位节点之间的距离创建所述局部特征描述集。

进一步的，所述比对计算模块包括：

比对单元，用于将当前局部特征描述线与所述全局特征描述集中的所有全局特征描述线进行比对，筛选出与当前局部特征描述线所包括的所有类型信息相同的，且与所述当前局部特征描述线长度相等的目标全局特征描述线；

所述比对单元，还用于将下一局部特征描述线与所述全局特征描述集中的所有全局特征描述线进行比对，筛选出与下一局部特征描述线对应的目标全局特征描述线，直至所有局部特征描述线完成筛选为止；

计算单元，用于根据当前局部特征描述线对应的距离和空间坐标，以及所述当前局部特征描述线对应的目标全局特征描述线所对应的距离、位置坐标，计算得到在所述当前局部特征描述线下所述移动机器人对应的候选坐标，切换至下一局部特征描述线直至计算得到所述移动机器人当前时刻所在位置的所有候选坐标。

进一步的，所述计算定位模块包括：

解析单元，用于对所述定位辅助传感器获取的采集数据进行解析得到对应的特征信息；

点云特征匹配单元，用于当特征信息为点云特征时，将每个候选坐标所对应周围环境的点云特征与预设点云特征进行比对计算匹配度；和/或，

图像特征匹配单元，用于当特征信息为图像特征时，将每个候选坐标所对应周围环境的图像特征与预设图像特征进行比对计算匹配度；

确定单元，用于确定匹配度数值最大的候选坐标为所述移动机器人自身的全局坐标。

本发明还提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如所述的基于环境特征描述的定位方法所执行的操作。

通过本发明提供的一种基于环境特征描述的定位方法、移动机器人和存储介质，能够实现移动机器人的全局定位，节省现场部署的工作量的同时，提升移动机器人使用方便性。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对一种基于环境特征描述的定位方法、移动机器人和存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明一种基于环境特征描述的定位方法的一个实施例的流程图；

图2是本发明一种基于环境特征描述的定位方法的另一个实施例的流程图；

图3是本发明一种基于环境特征描述的定位方法的另一个实施例的流程图；

图4是本发明世界坐标系下的全局特征描述线的示例图；

图5是本发明一种基于环境特征描述的定位方法的另一个实施例的流程图；

图6是本发明一种移动机器人的一个实施例的结构示意图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

本发明的一个实施例，如图1所示，一种基于环境特征描述的定位方法，包括：

S100启动后控制定位辅助传感器扫描周围环境获得当前时刻所对应的局部特征描述集；局部特征描述集包括至少两个不共线的局部特征描述线，局部特征描述线包括当前相邻两个物体在移动机器人坐标系下的距离、当前相邻两个物体分别对应的类型信息及其在移动机器人坐标系下的位置坐标；

具体的，移动机器人定位是指确定移动机器人所在地图位置，即移动机器人在世界坐标系上的坐标值。移动机器人定位是移动机器人导航的基本环节，但移动机器人由于系统关闭或者断电后被人移动等异常情况，移动机器人再次启动后无法定位其所在地图位置，此时需要人为将移动机器人移动到初始位置重新启动系统获取初始位置后才能进行自主导航，因而，为了达到无需人员参与即可完成自主导航的目的，移动机器人上设置有定位辅助传感器，移动机器人重新启动后，控制定位辅助传感器向移动机器人当前所在位置的周围进行扫描，从而根据扫描结果获得当前时刻对应的局部特征描述集。

S200将局部特征描述集与预先获取的全局特征描述集进行比对后，根据比对结果计算得到移动机器人当前时刻所在位置的候选坐标；全局特征描述集包括若干个全局特征描述线，全局特征描述线包括当前相邻两个物体在世界坐标系下的距离，当前相邻两个物体分别对应的类型信息及其在世界坐标系下的空间坐标；

具体的，移动机器人将实时检测获得的局部特征描述集中的每一个局部特征描述线，与预先获取的全局特征描述集的所有全局特征描述线进行遍历性比对得到比对结果，并且根据根据比对结果计算得到移动机器人当前时刻所在位置的候选坐标，候选坐标最多为两个。

S300根据特征信息对每个候选坐标进行匹配度评估，确定分值最大的候选坐标为移动机器人自身的全局坐标。

具体的，移动机器人每经过活动区域的任意一个地方或者位置，由于活动区域布设有门、窗户、灯等等物品，甚至可能布设有颜色(例如红色、黑色、蓝色等等)和图形(圆形、方形等等)的其他明显的、易辨别的物体，因此，移动机器人每到达一个地方或者位置，不仅仅要识别周围物体的类型，而且需要识别周围环境对应的特征信息(包括但是不限于形状、轮廓、空间大小、颜色以及定位辅助传感器有效识别范围内所包括物体类别)。移动机器人计算得到候选坐标后，根据特征信息对每个候选坐标进行匹配度评估，计算得到每个候选坐标与特征信息之间的匹配度数值，进而确定分值最大的匹配度所对应候选坐标为移动机器人自身的全局坐标。

本实施例中，基于特征信息对每个候选坐标进行匹配度评估，这样降低了移动机器人当前时刻所在位置的位置误差，提升移动机器人的定位准确度和可靠性，进而提升移动机器人的导航性能。而且，不需要像现有技术那样在固定位置开机使用，提升了移动机器人使用的方便性和推广力度。此外，不需要在移动机器人的活动范围的现场额外布置二维码、条形码或者特殊图案等具有标识性的、高辨识度的标签，从而大大降低了现场部署的工作量，进而极大地降低了移动机器人精准定位的成本的同时，也能够大大提升移动机器人使用的便捷度和推广力度。

本发明的一个实施例，如图2所示，一种基于环境特征描述的定位方法，包括：

S010根据全局地图中每个物体所在位置的空间坐标和类型信息，生成对应的物体参考节点及其对应的参考坐标信息；参考坐标信息包括空间坐标和类型信息；

具体的，根据slam建图和物体识别能力结合，能够根据全局地图识别出在实际环境中每个物体的类型信息，从而根据slam建图在全局地图中保存N个不同类型的物体参考坐标信息Info，假设每个物体构成一个物体参考节点，且每个物体参考节点含每个物体在全局地图中的空间坐标P和类别信息T，物体参考节点对应的参考坐标信息表示为(P，T)。

S020根据各个物体参考节点对应的参考坐标信息和每对相邻物体参考节点之间的距离创建全局特征描述集；

具体的，利用物体参考节点对应的参考坐标信息(P，T)，可以计算得到在世界坐标系下两个相邻物体参考节点之间的距离。因此，可以根据各个物体参考节点对应的参考坐标信息(P，T)，以及每对相邻物体参考节点之间的距离，构建在预设范围内的若干个全局特征描述线(可称为：边)，每个全局特征描述线包括两个端点，每个端点均为物体参考节点，即可以根据各个物体参考节点对应的参考坐标信息(P，T)构建相邻物体参考节点之间的包含距离、类型信息和空间坐标的全局特征描述集Global_feature：{(d1，V11，V12)，(d2，V21，V22)，(d3，V31，V32)，……，(dn，V1n，Vn2)}，其中，d1表示第一个全局特征描述线对应的物体1(第一个全局特征描述线的左侧或者上侧)与物体2(第一个全局特征描述线的右侧或者下侧)在世界坐标系下之间的距离，V11表示第一个全局特征描述线对应的物体1所对应物体的类型信息和世界坐标系下的空间坐标，V12表示第一个全局特征描述线对应的物体2所对应物体的类型信息和世界坐标系下的空间坐标。以此类推，dn表示第n个全局特征描述线对应的物体n(第n个全局特征描述线的左侧或者上侧)与物体2(第n个全局特征描述线的右侧或者下侧)在世界坐标系下之间的距离，Vn1表示第n个全局特征描述线对应的物体n所对应物体的类型信息和世界坐标系下的空间坐标，Vn2表示第n个全局特征描述线对应的物体2所对应物体的类型信息和世界坐标系下的空间坐标。从而由若干个全局特征描述线组成或者构建全局特征描述集。

S100启动后控制定位辅助传感器扫描周围环境获得当前时刻所对应的局部特征描述集；局部特征描述集包括至少两个不共线的局部特征描述线，局部特征描述线包括当前相邻两个物体在移动机器人坐标系下的距离、当前相邻两个物体分别对应的类型信息及其在移动机器人坐标系下的位置坐标；

S200将局部特征描述集与预先获取的全局特征描述集进行比对后，根据比对结果计算得到移动机器人当前时刻所在位置的候选坐标；全局特征描述集包括若干个全局特征描述线，全局特征描述线包括当前相邻两个物体在世界坐标系下的距离，当前相邻两个物体分别对应的类型信息及其在世界坐标系下的空间坐标；

S205当全局地图包括预设禁行区域时对所有候选坐标进行遍历检查，删除与预设禁行区域上任意位置匹配的候选坐标；

S300根据特征信息对每个候选坐标进行匹配度评估，确定分值最大的候选坐标为移动机器人自身的全局坐标。

具体的，由于全局地图中包括完整的环境状态或者环境特征，甚至可能包括预设禁行区域，因此，如果全局地图包括预设禁行区域，则移动机器人将局部特征描述集与预先获取的全局特征描述集进行比对获得候选坐标后，当全局地图包括预设禁行区域时对所有候选坐标进行遍历检查，删除与预设禁行区域上任意位置匹配的候选坐标事先删除。

本实施例与上述实施例相同的部分在此不再一一赘述。本实施例中，通过删除与预设禁行区域上任意位置匹配的候选坐标，能够减少后续移动机器人根据特征信息对每个候选坐标进行匹配度评估的计算量，大大提高了移动机器人的定位计算速度，从而提升移动机器人的定位效率。

本发明的一个实施例，如图3所示，一种基于环境特征描述的定位方法，包括：

S110启动后触发定位辅助传感器工作，并从定位辅助传感器处获取采集数据；定位辅助传感器包括视觉传感器和/或激光传感器；

具体的，定位辅助传感器包括视觉传感器，视觉传感器包括但是不限于摄像头、深度摄像头、深度相机等等，激光传感器包括但是不限于单线激光雷达、多线激光雷达。移动机器人启动后向设置于移动机器人上的定位辅助传感器发送信号，以使得定位辅助传感器开始工作扫描周围的环境得到采集数据。

S120根据采集数据进行物体识别得到局部地图和局部地图中每个物体的类型信息及其位置坐标；

具体的，移动机器人能够根据采集数据进行物体识别得到局部地图。

当采集数据是从激光传感器处获取的激光采集数据时，对激光采集数据进行聚合后进行轮廓识别，从而使得移动机器人能够识别处自身扫描范围内的每个物体的类型信息。此外，由于激光采集数据包括移动机器人周围环境中各个物体反射回来的激光，从而通过现有的激光测量算法能够得到每个物体所对应的基准点(例如中心点，轮廓顶点等等)在激光坐标系下的激光坐标，并根据激光坐标进行转换计算得到每个物体在移动机器人坐标系下的位置坐标。其中，由于移动机器人坐标系是以预设点(例如移动机器人的中心点)为原点建立的，而激光传感器在移动机器人上的安装位置已知，物体所对应的基准点在激光坐标系下的激光坐标已知，从而能够进行转换计算得到物体所对应的基准点在移动机器人坐标系中的位置坐标。

当采集数据是从视觉传感器处获取的图像采集数据时，对图像采集数据进行图像预处理后，对处理后的图像采集数据进行图像识别，从而使得移动机器人能够识别处自身扫描范围内的每个物体的类型信息。此外，由于图像采集数据包括移动机器人周围环境中各个物体的图像，从而通过现有的视觉测量算法能够得到每个物体所对应的基准点(例如中心点，轮廓顶点等等)在像素坐标系下的像素坐标，并根据像素坐标进行转换计算得到每个物体在移动机器人坐标系下的位置坐标。其中，由于移动机器人坐标系是以预设点(例如移动机器人的中心点)为原点建立的，而视觉传感器在移动机器人上的安装位置已知，物体所对应的基准点在像素坐标系下的像素坐标已知，从而能够进行转换计算得到物体所对应的基准点在移动机器人坐标系中的位置坐标，由于像素坐标(激光坐标)、相机坐标、世界物理坐标之间转换计算是现有技术，在此不再一一赘述。

S130根据局部地图中每个物体所在位置的位置坐标和类型信息，生成对应的物体定位节点及其对应的定位坐标信息；定位坐标信息包括位置坐标和类型信息；

具体的，当移动机器人开机后，结合物体识别能力检测视野范围内的各个物体，从而获取每个物体相对于移动机器人的位置坐标Q和类别信息T，即根据slam建图和物体识别能力结合，能够根据局部地图识别出在实际环境中每个物体的类型信息，从而根据slam建图在局部地图中保存M个不同类型的物体定位坐标信息Info，假设每个物体构成一个物体定位节点，且每个物体定位节点包含每个物体在局部地图中的位置坐标Q和类别信息T，物体定位节点对应的定位坐标信息表示为(Q，T)。

S140根据各个物体定位节点对应的定位坐标信息和每对相邻物体定位节点之间的距离创建局部特征描述集；

具体的，移动机器人启动后通过上述定位辅助传感器扫描后能够实时创建局部地图，此外，由于移动机器人根据采集数据进行物体识别得到每个物体的类型信息及其位置坐标后，可以根据位置坐标在局部地图中将每个物体所对应的点标记出来，并且标记出每个点对应的类型信息得到物体定位节点，将所有的物体定位节点作为端点，分别两两进行连线得到至少两个不共线的局部特征描述线。另外，根据位置坐标能够进行距离计算得到当前局部特征描述线所对应的两个端点(即物体)之间的距离，如此反复计算得到所有局部特征描述线所对应的两个端点(即物体)之间的距离，进而得到由至少两个不共线的局部特征描述线组成或者构建的局部特征描述集。

具体为，利用物体定位节点对应的定位坐标信息(Q，T)，可以计算得到在世界坐标系下两个相邻物体定位节点之间的距离。因此，可以根据各个物体定位节点对应的定位坐标信息(Q，T)，以及每对相邻物体定位节点之间的距离，构建在预设范围内的至少两个不共线的局部特征描述线(可称为：边)，每个局部特征描述线包括两个端点，每个端点均为物体定位节点，即可以根据各个物体定位节点对应的定位坐标信息(Q，T)构建相邻物体定位节点之间的包含距离、类型信息和位置坐标的局部特征描述集local_feature：{(tmp_d1，tmp_V11，tmp_V12)，(tmp_d2，tmp_V21，tmp_V22)，(tmp_d3，tmp_V31，tmp_V32)，……，(tmp_dm，tmp_Vm1，tmp_Vm2)}，其中，tmp_d1表示第一个局部特征描述线对应的物体1(第一个局部特征描述线的左侧或者上侧)与物体2(第一个局部特征描述线的右侧或者下侧)在世界坐标系下之间的距离，tmp_V11表示第一个局部特征描述线对应的物体1所对应物体的类型信息和世界坐标系下的位置坐标，tmp_V12表示第一个局部特征描述线对应的物体2所对应物体的类型信息和世界坐标系下的位置坐标。以此类推，tmp_dm表示第1个局部特征描述线对应的物体1(第1个局部特征描述线的左侧或者上侧)与物体2(第1个局部特征描述线的右侧或者下侧)在世界坐标系下之间的距离，Vm1表示第m个局部特征描述线对应的物体1所对应物体的类型信息和世界坐标系下的位置坐标，Vm2表示第m个局部特征描述线对应的物体2所对应物体的类型信息和世界坐标系下的位置坐标。从而由至少两个不共线的局部特征描述线组成或者构建局部特征描述集。

S210将当前局部特征描述线与全局特征描述集中的所有全局特征描述线进行比对，筛选出与当前局部特征描述线所包括的所有类型信息相同的，且与当前局部特征描述线长度相等的目标全局特征描述线；

具体的，由于局部特征描述集中的每个局部特征描述线均包括有物体定位节点，每个物体定位节点对应的定位坐标信息包括位置坐标和类型信息，而全局特征描述集中的每个全局特征描述线均包括有物体参考节点，每个物体参考节点对应的参考坐标信息包括空间坐标和类型信息。因此，获取当前局部特征描述线的两个端点所对应的目标类型信息后，筛选出与目标类型信息相同的所有的全局特征描述线得到目标全局特征描述线。示例性的，如图4所示，点A和点B分别对应的物体的类型信息是M1，点C和点D分别对应的物体的类型信息是M2，且物体A、B、C中心点之间的距离关系为AC＝BC＝AD＝BD。当前局部特征描述线L1由物体A和物体C分别对应的点创建。全局特征描述集包括全局特征描述线H1、H2、H3、H4和H5，全局特征描述线H1由物体B和物体C分别对应的点创建，全局特征描述线H2由物体B和物体E分别对应的点创建，全局特征描述线H3由物体B和物体D分别对应的点创建，全局特征描述线H4由物体A和物体F分别对应的点创建，全局特征描述线H5由物体A和物体C分别对应的点创建。由于AC＝BC＝AD＝BD，因此通过上述筛选方式筛选得到的目标全局特征描述线分别是全局特征描述线H1、H4和H5。

S220将下一局部特征描述线与全局特征描述集中的所有全局特征描述线进行比对，筛选出与下一局部特征描述线对应的目标全局特征描述线，直至所有局部特征描述线完成筛选为止；

延续上述步骤，将局部特征描述集中的每个局部特征描述线均完成筛选为止，在此不再一一赘述。

S230根据当前局部特征描述线对应的距离和空间坐标，以及当前局部特征描述线对应的目标全局特征描述线所对应的距离、位置坐标，计算得到在当前局部特征描述线下移动机器人对应的候选坐标，切换至下一局部特征描述线直至计算得到移动机器人当前时刻所在位置的所有候选坐标。

具体的，延续上述示例，遍历局部特征描述集中的每个局部特征描述线，并将局部特征描述集中的每个局部特征描述线和全局特征描述集中的所有全局特征描述线做比对，由于每个局部特征描述线均包括了两个物体定位节点之间的距离，且每个全局特征描述线均包括了两个物体参考节点之间的距离，因此当一个局部特征描述线和任意个(一个或多个)全局特征描述线匹配上后，由于局部特征描述线包括至少两个，且当局部特征描述线为两个时不共线，因此可以决定一个平面，另外，由平面中到达两点距离得到两个点的原理，根据当前局部特征描述线对应的当前距离和当前位置坐标，以及与当前局部特征描述线对应的各目标全局特征描述线所对应的距离和当前空间坐标和空间坐标，进行对应计算得到当前局部特征描述线对应的移动机器人的候选坐标，且每个局部特征描述线对应的候选坐标最多为两个。以此类推，切换至下一局部特征描述线进行计算，直至计算得到移动机器人当前时刻所在位置的所有候选坐标，并保存这些候选坐标到缓存里。假设物体A、B、C、D分别在世界坐标系上的空间坐标分别是PA(XA，YA，ZA)，PB(XB，YB，ZB)，PC(XC，YC，ZC)，PD(XD，YD，ZD)。在移动机器人坐标系上的位置坐标分别是PA′(xA，yA，zA)，PB′(xB，yB，zB)，PC′(xC，yC，zC)，PD′(xD，yD，zD)。由于移动机器人坐标系与世界坐标系之间具有转换关系(即根据平面中到达两点距离得到两个点的原理)，因此移动机器人可以进行转换计算得到移动机器人当前时刻所在位置的所有候选坐标。

S310对定位辅助传感器获取的采集数据进行解析得到对应的特征信息；

具体的，移动机器人通过定位辅助传感器进行扫描周围环境获得采集数据，采集数据包括激光采集数据和图像采集数据中的任意一种或者两种。移动机器人对激光采集数据进行解析得到对应的点云特征，或者移动机器人对图像采集数据进行解析得到对应的图像特征，特征信息包括点云特征和/或图像特征。点云特征包括但是不限于物体所对应的外形特征、尺寸特征。图像特征包括但是不限于物体所对应的外形特征、尺寸特征和颜色特征。外形特征包括外形、轮廓、尺寸、大小中的任意一种或者多种。颜色特征包括颜色、纹理、灰度值中的任意一种或者多种。

S320当特征信息为点云特征时，将每个候选坐标所对应周围环境的点云特征与预设点云特征进行比对计算匹配度；和/或，

具体的，预设点云特征是每个候选坐标所对应全局地图上周围环境的点云特征。当特征信息为点云特征时，移动机器人尽可能多的识别外界环境的多种点云特征(尽量是多种外形特征的组合)，令移动机器人能对每个候选坐标对应的周围环境识别得到更为全面、完整的点云特征，进而使得移动机器人，将每个候选坐标所对应局部地图上周围环境的点云特征与预设点云特征进行比对，从而使得移动机器人计算得到的每个候选坐标的匹配度更加准确、可靠。

S330当特征信息为图像特征时，将每个候选坐标所对应周围环境的图像特征与预设图像特征进行比对计算匹配度；

具体的，预设图像特征是每个候选坐标所对应全局地图上周围环境的图像特征。当特征信息为图像特征时，移动机器人尽可能多的识别外界环境的多种图像特征(尽量是一种或者多种外形特征和颜色特征的组合)，令移动机器人能对每个候选坐标对应的周围环境识别得到更为全面、完整的图像特征，进而使得移动机器人，将每个候选坐标所对应周围环境的图像特征与预设图像特征进行比对，从而使得移动机器人计算得到的每个候选坐标的匹配度更加准确、可靠。

此外，由于考虑到激光传感器不受光照变化的影响，视觉定位方法在复杂环境性能表现优异，因而，采用基于视觉传感器和激光传感器相融合的移动机器人定位技术方法，利用激光传感器采集的数据进行匹配来弥补视觉定位受关照变化影响的缺点，利用视觉传感器采集的数据来弥补激光定位受复杂环境影响的不足，从而，采用激光传感器和视觉传感器相结合的方式对移动机器人进行定位，提高了移动机器人定位的准确性，从而准确地对移动机器人进行自主导航。

S340确定匹配度数值最大的候选坐标为移动机器人自身的全局坐标。

具体的，移动机器人计算得到候选坐标后，根据特征信息对每个候选坐标进行匹配度评估，计算得到每个候选坐标与特征信息之间的匹配度数值，进而确定分值最大的匹配度所对应候选坐标为移动机器人自身的全局坐标。

本实施例中，基于特征信息对每个候选坐标进行匹配度评估，这样降低了移动机器人当前时刻所在位置的位置误差，即使用环境中物体的信息(包括参考坐标信息和距离，以及定位坐标信息和距离)实现全局定位，能够节省现场部署的工作量而且也不限制使用方便性，提升移动机器人的定位准确度和可靠性，进而提升移动机器人的导航性能。而且，不需要像现有技术那样在固定位置开机使用，提升了移动机器人使用的方便性和推广力度。此外，不需要在移动机器人的活动范围的现场额外布置二维码、条形码或者特殊图案等具有标识性的、高辨识度的标签，从而大大降低了现场部署的工作量，进而极大地降低了移动机器人精准定位的成本的同时，快速利用物体的信息实现定位，很大程度上节省了全局定位的计算量，大大降低全局定位效率，也能够大大提升移动机器人使用的便捷度和推广力度。

本发明的一个实例，如图5所示，包括步骤：

S1、根据全局地图中物***置(即本发明物体在世界坐标系上对应的空间坐标)和类型信息构造每个物体对应的物体参考节点，计算在世界坐标系下两个相邻物体参考节点之间的距离；

S2、在预设范围内根据空间坐标、类型信息和距离构造全局特征描述线，并由全局特征描述线组成全局特征描述集；

S3、移动机器人识别当前时刻当前环境内每个物体对应的类型信息，计算每个物体相对于移动机器人的位置坐标，并构造根据位置坐标、类型信息和距离构造局部特征描述线，并由局部特征描述线组成局部特征描述集；

S4、遍历局部特征描述集中的每个局部特征描述线，并与全局特征描述集中各全局特征描述线进行匹配，如果类型信息和距离相互匹配或者吻合，计算得到移动机器人当前时刻当前环境的候选坐标；

S5、对所有候选坐标进行合法性检测，排除预设禁止区域内的候选坐标，根据候选坐标对应周围环境的物体特征与地图进行比对计算匹配度，选择数值最高的候选坐标作为移动机器人的全局坐标。

本发明的一个实施例，如图6所示，一种移动机器人，包括：

扫描处理模块10，用于启动后控制定位辅助传感器扫描周围环境获得当前时刻所对应的局部特征描述集；局部特征描述集包括至少两个不共线的局部特征描述线，局部特征描述线包括当前相邻两个物体在移动机器人坐标系下的距离、当前相邻两个物体分别对应的类型信息及其在移动机器人坐标系下的位置坐标；

比对计算模块20，用于将局部特征描述集与预先获取的全局特征描述集进行比对后，根据比对结果计算得到移动机器人当前时刻所在位置的候选坐标；全局特征描述集包括若干个全局特征描述线，全局特征描述线包括当前相邻两个物体在世界坐标系下的距离，当前相邻两个物体分别对应的类型信息及其在世界坐标系下的空间坐标；

计算定位模块30，用于根据特征信息对每个候选坐标进行匹配度评估，确定分值最大的候选坐标为移动机器人自身的全局坐标。

进一步的，还包括：

删除处理模块，用于当全局地图包括预设禁行区域时对所有候选坐标进行遍历检查，删除与预设禁行区域上任意位置匹配的候选坐标。

进一步的，还包括：

生成模块，根据全局地图中每个物体所在位置的空间坐标和类型信息，生成对应的物体参考节点及其对应的参考坐标信息；参考坐标信息包括空间坐标和类型信息；

创建模块，用于根据各个物体参考节点对应的参考坐标信息和每对相邻物体参考节点之间的距离创建全局特征描述集。

进一步的，扫描处理模块10包括：

启动采集单元，用于启动后触发定位辅助传感器工作，并从定位辅助传感器处获取采集数据；定位辅助传感器包括视觉传感器和/或激光传感器；

第一处理单元，用于根据采集数据进行物体识别得到局部地图和局部地图中每个物体的类型信息及其位置坐标；

生成单元，用于根据局部地图中每个物体所在位置的位置坐标和类型信息，生成对应的物体定位节点及其对应的定位坐标信息；定位坐标信息包括位置坐标和类型信息；根据各个物体定位节点对应的定位坐标信息和每对相邻物体定位节点之间的距离创建局部特征描述集。

进一步的，比对计算模块20包括：

比对单元，用于将当前局部特征描述线与全局特征描述集中的所有全局特征描述线进行比对，筛选出与当前局部特征描述线所包括的所有类型信息相同的，且与当前局部特征描述线长度相等的目标全局特征描述线；

比对单元，还用于将下一局部特征描述线与全局特征描述集中的所有全局特征描述线进行比对，筛选出与下一局部特征描述线对应的目标全局特征描述线，直至所有局部特征描述线完成筛选为止；

计算单元，用于根据当前局部特征描述线对应的距离和空间坐标，以及当前局部特征描述线对应的目标全局特征描述线所对应的距离、位置坐标，计算得到在当前局部特征描述线下移动机器人对应的候选坐标，切换至下一局部特征描述线直至计算得到移动机器人当前时刻所在位置的所有候选坐标。

进一步的，计算定位模块30包括：

解析单元，用于对定位辅助传感器获取的采集数据进行解析得到对应的特征信息；

点云特征匹配单元，用于当特征信息为点云特征时，将每个候选坐标所对应周围环境的点云特征与预设点云特征进行比对计算匹配度；和/或，

图像特征匹配单元，用于当特征信息为图像特征时，将每个候选坐标所对应周围环境的图像特征与预设图像特征进行比对计算匹配度；

确定单元，用于确定匹配度数值最大的候选坐标为移动机器人自身的全局坐标。

具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。

本发明的一个实施例，一种存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现上述基于环境特征描述的定位方法对应实施例所执行的操作。例如，计算机可读存储介质可以是只读内存(ROM)、随机存取存储器(RAM)、只读光盘(CD-ROM)、磁带、软盘和光数据存储设备等。

它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元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存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序发送指令给相关的硬件完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括：计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

应当说明的是，上述实施例均可根据需要自由组合。以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。