定位方法、装置、电子设备及可移动设备与流程

1.本技术实施例涉及定位技术领域，尤其涉及一种定位方法、装置、电子设备及可移动设备。


背景技术：

2.随着人工智能技术的发展，可移动设备的应用也越来越广泛，如移动机器人等。为了实现不同作业用途，可移动设备在作业场所中进行移动时，通常需要对该可移动设备进行定位，因此，如何保证可移动设备的定位精度，成为本领域技术人员需要解决的技术问题。


技术实现要素：

3.本技术实施例提供一种定位方法、装置、电子设备及可移动设备，用以提高可移动设备的定位精度。
4.第一方面，本技术实施例中提供了一种定位方法，包括：
5.获取可移动设备采集的图像；
6.识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；
7.根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；
8.根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。
9.第二方面，本技术实施例中提供了一种定位装置，包括：
10.获取模块，用于获取可移动设备采集的图像；
11.识别模块，用于识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；
12.确定模块，用于根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；
13.定位模块，用于根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。
14.第三方面，本技术实施例中提供了一种电子设备，包括存储组件及处理组件；
15.所述存储组件存储一条或多条计算机程序指令；所述一条或多条计算机程序指令以供所述处理组件调用执行；
16.所述处理组件用于：
17.获取可移动设备采集的图像；
18.识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；
19.根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；
20.根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。
21.第四方面，本技术实施例中提供了一种可移动设备，包括存储组件，处理组件及采集组件；
22.所述存储组件存储一条或多条计算机程序指令；所述一条或多条计算机程序指令以供所述处理组件调用并执行；
23.所述处理组件用于：
24.利用所述采集组件采集图像；
25.识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；
26.根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；
27.根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。
28.本技术实施例中，可移动设备在当前所在场所中移动，可以获取可移动设备采集的图像，通过识别图像中的至少一个对象，获得识别结果，可以实现基于识别结果，对可移动设备当前所在场所的场所类型进行确定。其中，可移动设备中设置有多个定位系统，该多个定位系统都可以对可移动设备进行定位，获得各自的定位结果，根据上述确定的场所类型，确定多个定位系统分别对应的权重系数，从而基于权重系数，融合处理多个定位系统各自的定位结果，获得可移动设备的目标定位结果，提高了可移动设备的定位精度。
29.本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
30.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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。
31.图1示出了本技术提供的一种定位方法一个实施例的流程图；
32.图2示出了本技术提供的一种定位系统一个实施例的示意图；
33.图3-1示出了本技术提供的一种采集图像中至少一个对象一个实施例的示意图；
34.图3-2示出了本技术提供的一种采集图像中至少一个对象另一个实施例的示意图；
35.图4示出了本技术提供的一种定位方法另一个实施例的流程图；
36.图5示出了本技术提供的一种定位装置一个实施例的结构示意图；
37.图6示出了本技术提供的一种电子设备一个实施例的结构示意图；
38.图7示出了本技术提供的一种可移动设备一个实施例的结构示意图。
具体实施方式
39.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
40.在本技术的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
41.本技术的技术方案适用于定位场景，尤其涉及可移动设备的定位场景。可移动设备可以包括无人机，移动机器人等，移动机器人可以包括例如扫地机器人、智能对话机器人、以及其它诸如用于物流配送、环境净化、智能客服等可以在场所中进行自主移动的机器人等，移动方式例如可以采用轮式、履带式等等方式，本技术对此不进行限制。
42.可移动设备在场所中自主移动，以进行不同作业。为了实现不同作业用途，可移动设备移动时，通常需要对其进行定位，因此，如何保证可移动设备的定位精度，成为本领域技术人员需要解决的技术问题。
43.为了提高定位精度，发明人经过一系列思考及试验之后，提出了本技术的技术方案，提供了一种定位方法，包括：获取可移动设备采集的图像；识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。
44.本技术的技术方案中，可移动设备在当前所在场所中移动，可以获取可移动设备采集的图像，通过识别图像中的至少一个对象，获得识别结果，可以实现基于识别结果，对可移动设备当前所在场所的场所类型进行确定。其中，可移动设备中设置有多个定位系统，该多个定位系统都可以对可移动设备进行定位，获得各自的定位结果，根据上述确定的场所类型，确定多个定位系统分别对应的权重系数，从而基于权重系数，融合处理多个定位系统各自的定位结果，获得可移动设备的目标定位结果，提高了可移动设备的定位精度。
45.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
46.如图1所示，为本技术提供的一种定位方法一个实施例的流程图。本实施例提供的定位方法可以由可移动设备执行，此外，由于实际应用中，可移动设备可以与客户端建立连接，也可以与服务端建立连接，并可以接收客户端或者服务端的相应指令而执行相应操作，因此本实施例提供的定位方法也可以由与可移动设备连接的客户端或服务端执行，本技术对此不进行具体限制。
47.其中，客户端可以配置在用户设备中，如手机、平板电脑等，服务端可以是云服务器等。如图2，示出了本技术技术方案可能适用的一种定位系统中，可移动设备201可以与客
户端202、以及服务端203分别建立连接(为了便于理解和说明，图2中的可移动设备为移动机器人，客户端以其所配置的用户设备形象表示，服务端以服务器形象表示)，例如可以具体通过蓝牙、wifi等实现连接，连接建立方式与传统方案相同，在此不再赘述。
48.客户端202可以基于用户相应请求直接或者通过服务端203向可移动设备201发送相应控制指令；当然，可移动设备201也可以设置相应控制面板以供用户触发相应控制指令，或者通过语音识别方式识别用户语音发出的相应控制指令等，本技术对此不进行具体限制。其中，可移动设备201可以基于控制指令而执行相应操作。
49.需要说明的是，图2仅是举例说明的本技术技术方案可以适用的一种系统。实际应用中，可移动设备也可以仅和客户端连接，也可以仅和服务端连接，或者为独立工作的设备。
50.可选地，由于可移动设备通常是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统，可以自动执行工作。为了提高处理效率等，可以由可移动设备执行本实施例的技术方案。
51.本实施例中，该方法可以包括以下几个步骤：
52.在步骤s11中，获取可移动设备采集的图像。
53.本实施例中，可移动设备指的是可以自动移动的设备，如可以包括无人机，移动机器人等。移动机器人例如可以包括扫地机器人，除草机器人等。其中，可移动设备可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动，可以代替人类在复杂环境中作业，在诸多领域，如医疗、工业、服务、空间探测等都有广泛的应用。
54.可移动设备可以在当前场所中移动，其中，该当前场所可以指工作环境的场所。可选地，步骤s11之前，该方法还可以包括：
55.利用可移动设备中的图像采集装置采集获得图像。
56.可移动设备在当前场所中移动，可以是响应于控制指令进行移动作业。其中，该控制指令可以由用户触发，具体地，可移动设备可以设置相应控制面板以供用户触发相应控制指令，或者通过语音识别方式识别用户语音发出的相应控制指令等，对此不进行具体限制。在实际应用中，以可移动设备是除草机器人为例，该当前场所例如可以是待除草的院子，向该除草机器人发送“开始除草”的控制指令，以控制该除草机器人在院子内移动，进行除草作业。
57.可移动设备在移动时，安装在该可移动设备中的图像采集装置可以进行图像采集。其中，该图像采集装置例如可以包括环视摄像头、摄像机、录像机等具有拍摄功能的设备，也可以包括毫米波雷达、激光雷达等具有目标识别功能的设备此处不进行限定。
58.采集的图像中可以包括当前场所中的对象。以可移动设备是除草机器人，当前场所为待除草的院子为例，采集的图像中可以包括院子周围的建筑，院子中的草，天空，地面等对象。
59.在步骤s12中，识别图像中的至少一个对象，并基于识别结果，确定可移动设备当前所在场所的场所类型。
60.获取上述采集图像后，可以对该采集图像进行处理，识别图像中的至少一个对象。具体的，可以利用图像识别技术，如对象检测等，对图像进行分割识别，确定至少一个对象。
其中，对象检测是指利用图像处理与模式识别等领域的理论和方法，检测出图像中存在的目标对象，确定这些目标对象的语义类别，并标定出目标对象在图像中的位置。为了便于理解，图3-1和3-2示出了采集图像两个实施例的示意图，识别出的至少一个对象包括建筑a，树木b，天空c和地面d。识别图像中至少一个对象的具体实现过程将在后续实施例中进行说明，此处不进行赘述。
61.基于上述识别结果，可以确定可移动设备当前所在场所的场所类型。场所类型例如可以包括空旷场所类型，密集场所类型等，其中，密集场所类型又可以包括不同级别的密集场所类型，如一级密集场所类型，二级密集场所类型等，级别越高，密集程度越大，空旷场所类型也可以包括不同级别的空旷场所类型，不进行限定。具体的，可以根据识别出图像中对象的数目、种类等进行确定。例如，识别出图像中对象的数目超过某一预设值时，可以确定场所类型为密集场所类型，或者，识别出图像中对象的种类包括某一预设种类时，预设种类可以是建筑，可以确定场所类型为密集场所类型。
62.实际应用中，基于图像的识别结果，确定可移动设备当前所在场所的场所类型还可以有其它的实现方式，将在后续实施例中进行说明，此处不进行赘述。
63.在步骤s13中，根据场所类型，确定可移动设备中的多个定位系统分别对应的权重系数。
64.本实施例中，可移动设备中可以设置有多个定位系统，定位系统可以包括不同类型，如全球定位系统(global positioning system，简称gps)、超宽带定位系统(ultrawide band，简称uwb)、惯性测量定位系统(inertial measurement unit，简称imu)，视觉/激光传感器等。其中，定位系统的个数及类别可以根据实际应用场景进行设置。多个定位系统都可以基于自身的定位原理对可移动设备进行定位，融合多个定位系统各自的定位结果，可以设置多个定位系统分别对应的权重系数，其中，多个权重系数的加和为数值1。
65.具体的，可以根据可移动设备中设置的定位系统，预先设置场所类型与各定位系统权重系数的对应关系。如可移动设备设置有gps定位系统和imu定位系统时，场所类型为空旷场所类型，可以设置对应的gps定位系统的权重系数为60％，imu定位系统的权重系数为40％；又如可移动设备设置有uwb定位系统，imu定位系统和视觉传感器时，场所类型为密集场所类型，可以设置对应的uwb定位系统的权重系数为20％，imu定位系统的权重系数为40％，视觉传感器的权重系数为40％，等等，可以根据实际应用场景进行设置，不作具体限定。
66.将该对应关系进行存储，从而在场所类型确定后，可以根据该对应关系，确定可移动设备中各定位系统分别对应的权重系数。
67.在步骤s14中，根据多个定位系统分别对应的权重系数，融合处理多个定位系统各自的定位结果，以获得可移动设备的目标定位结果。
68.其中，可以将多个定位系统各自的定位结果与权重系数进行乘积计算，获得多个计算结果，再将多个计算结果进行加和计算，获得可移动设备最终的定位结果，即目标定位结果。
69.可选的，上述各定位系统的定位结果可以是定位坐标。具体的，可以将多个定位系统各自的定位坐标及权重系数进行乘积计算，获得多个第一定位坐标，以及将多个第一定位坐标进行加和计算，获得第二定位坐标，第二定位坐标即为可移动设备的目标定位坐标。
70.以可移动设备中的定位系统是gps定位系统和摄像头传感器为例，可以按照如下公式计算可移动设备的目标定位坐标：p＝k1*pgps+k2*pcamera，其中，k1+k2＝1，p表示目标定位坐标，pgps表示gps定位系统对可移动设备定位获得的定位坐标，pcamera表示摄像头传感器对可移动设备定位获得的定位坐标，k1表示gps定位系统的权重系数，k2表示摄像头传感器的权重系数。
71.本实施例中，可移动设备在当前所在场所中移动，可以获取可移动设备采集的图像，通过识别图像中的至少一个对象，获得识别结果，可以实现基于识别结果，对可移动设备当前所在场所的场所类型进行确定。其中，可移动设备中设置有多个定位系统，该多个定位系统都可以对可移动设备进行定位，获得各自的定位结果，根据上述确定的场所类型，确定多个定位系统分别对应的权重系数，从而基于权重系数，融合处理多个定位系统各自的定位结果，获得可移动设备的目标定位结果，提高了可移动设备的定位精度。
72.实际应用中，确定可移动设备当前所在场所的场所类型可以有多种实现方式，下面对此进行说明。
73.作为一种可选的实现方式，识别图像中的至少一个对象后，可以判断至少一个对象中是否包含至少一个遮挡对象。若判断结果为否，可以确定当前场所的场所类型为空旷场所类型；若判断结果为是，可以确定当前场所的场所类型为密集场所类型。
74.其中，遮挡对象可以指影响定位信号传输的对象，例如可以包括树木、建筑等，建筑对象又可以包括如房屋、电线杆等，不进行限定。
75.可选的，还可以根据至少一个对象中遮挡对象的数目，确定不同级别的密集场所类型，如遮挡对象越多，密集程度越大等，不再进行赘述。
76.作为确定场所类型的另一种可选的实现方式，识别图像中的至少一个对象后，可以确定该至少一个对象分别在图像中所占的比例，并根据至少一个对象各自所占的比例，确定当前场所的场所类型。
77.其中，上述比例可以是面积比例。识别图像中的至少一个对象后，可以计算该至少一个对象各自的面积及图像的总面积，并确定至少一个对象的面积分别占图像总面积的比例。实际应用中，可以预先设置至少一个对象各自所占的比例与场所类型的对应关系。如天空所占的比例是50％，树木所占的比例是10％，对应的场所类型为空旷场所类型；又如地面所占的比例是30％，建筑所占的比例是70％，对应的场所类型为密集场所类型等，可以根据实际应用场景进行设置。
78.将该对应关系进行存储，从而在至少一个对象分别在图像中所占的比例确定后，可以根据该对应关系，确定当前场所的场所类型。
79.可选的，上述至少一个对象包括遮挡对象时，还可以判断至少一个遮挡对象各自的比例是否小于各自的预设比例。若判断结果为是，可以确定当前场所的场所类型为空旷场所类型；若判断结果为否，可以确定当前场所的场所类型为密集场所类型。以遮挡对象包括建筑和树木为例，建筑所占的预设比例可以是30％，树木所占的比例可以是20％，可以根据实际应用场景设置。
80.或者，还可以判断至少一个遮挡对象的总比例是否小于预设总比例。若判断结果为是，可以确定当前场所的场所类型为空旷场所类型；若判断结果为否，可以确定当前场所的场所类型为密集场所类型。预设总比例可以是40％，可以根据实际应用场景设置。
81.或者，还可以判断至少一个对象中除遮挡对象外的其它对象各自的比例是否大于各自的预设比例，或者其它对象的总比例是否大于总预设比例，该其它对象例如可以包括天空和地面等，不再进行赘述。
82.进一步地，场所类型确定后，可以确定多个定位系统分别对应的权重系数。实际应用中，考虑不同定位系统的定位原理，部分定位系统可能会受到场所中遮挡对象的影响，从而影响其定位精度。如gps定位系统和uwb定位系统等，是根据基站(卫星)发射信号到可移动设备，基于可移动设备接收的信号进行定位的。场所中的遮挡对象可能会对基站发射的信号进行反射，从而影响可移动设备接收信号的准确性，影响其定位精度，因此可以考虑降低该定位系统的权重系数。在某些实施例中，多个定位系统可以包括至少一个第一定位系统及至少一个第二定位系统，第一定位系统基于基站发射的信号获得定位结果，第二定位系统与第一定位系统不同。
83.此时，根据场所类型，确定可移动设备中的多个定位系统分别对应的权重系数的方法可以包括：
84.若场所类型为空旷场所类型，确定至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数；
85.若场所类型为密集场所类型，基于至少一个对象各自的比例，确定至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数，至少一个第一定位系统各自的第二权重系数小于各自的第一权重系数，至少一个第二定位系统各自的第二权重系数大于各自的第一权重系数。
86.其中，第一定位系统例如可以包括gps定位系统和uwb定位系统等，第二定位系统例如可以包括imu定位系统和视觉/激光传感器等，不进行限定。
87.当确定当前所在场所为空旷场所时，第一定位系统的定位精度不受影响，定位精度较高，可以确定较高的权重系数。上述第一权重系数可以根据实际应用场景预先设置，如第一定位系统包括gps定位系统和uwb定位系统，第二定位系统包括imu定位系统和视觉/激光传感器时，gps定位系统和uwb定位系统的第一权重系数可以均设置为30％，imu定位系统和视觉/激光传感器的第一权重系数可以均设置为20％。其中，多个第一权重系数的加和为数值1。
88.当确定当前所在场所为密集场所时，第一定位系统的定位精度受到遮挡影响，定位精度较低，可以确定较低的权重系数，即第一定位系统各自的第二权重系数小于各自的第一权重系数，对应的，至少一个第二定位系统各自的第二权重系数大于各自的第一权重系数。第二权重系数可以根据实际应用场景预先设置，如gps定位系统和uwb定位系统的第二权重系数可以分别设置为10％和20％，imu定位系统和视觉/激光传感器的第二权重系数可以分别设置为30％和40％。其中，多个第二权重系数的加和为数值1。
89.可选的，上述第二权重系数还可以根据图像中至少一个对象所占的比例进行设置。可以预先设置至少一个对象所占的比例与各定位系统的第二权重系数的对应关系。如建筑所占的比例是40％，树木所占的比例是30％时，gps定位系统和uwb定位系统的第二权重系数可以均设置为10％，imu定位系统和视觉/激光传感器的第二权重系数可以均设置为40％，又如建筑所占的比例是50％，树木所占的比例是40％时，gps定位系统和uwb定位系统的第二权重系数可以均设置为5％，imu定位系统和视觉/激光传感器的第二权重系数可以
均设置为45％，等等。
90.此时，根据多个定位系统分别对应的权重系数，融合处理多个定位系统各自的定位结果，以获得可移动设备的目标定位结果的方法可以包括：
91.根据至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数，融合处理至少一个第一定位系统及至少一个第二定位系统各自的定位结果，以获得可移动设备的目标定位结果；或者，根据至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数，融合处理至少一个第一定位系统及至少一个第二定位系统各自的定位结果，以获得可移动设备的目标定位结果。具体实现过程在前述实施例中已有详细说明，不再进行赘述。
92.可选的，基于至少一个对象各自的比例，确定至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数的方法可以包括：
93.基于至少一个对象各自的比例，确定至少一个第一定位系统及至少一个第二定位系统分别对应的权重系数调整参数；至少一个第一定位系统各自的权重系数调整参数为负值，至少一个第二定位系统各自的权重系数调整参数为正值；
94.将至少一个第一定位系统及至少一个第二定位系统各自的第一权重系数及权重系数调整参数进行加和计算，获得各自对应的第二权重系数。
95.其中，可以预先设置至少一个对象各自的比例与各定位系统的权重系数调整参数的对应关系。如建筑所占的比例是40％，树木所占的比例是30％时，gps定位系统和uwb定位系统的权重系数调整参数可以均设置为-20％，imu定位系统和视觉/激光传感器的权重系数调整参数可以均设置为+20％。以gps定位系统和uwb定位系统的第一权重系数是30％，imu定位系统和视觉/激光传感器的第一权重系数是20％为例，基于各自的第一权重系数与权重系数调整参数进行加和计算，可以确定gps定位系统和uwb定位系统的第二权重系数为10％，imu定位系统和视觉/激光传感器的第一权重系数为40％。
96.通过根据图像中至少一个对象所占的比例，确定多个定位系统中至少一个第一定位系统及至少一个第二定位系统各自的权重系数，实现在场所中遮挡对象影响第一定位系统的定位精度时，降低第一定位系统的权重系数，升高第二定位系统的权重系数，从而在融合定位时，提高可移动设备的定位精度。
97.为了进一步提高定位精度，实际应用中，可以利用对象检测模型对图像中的至少一个对象进行识别处理，上述方法还可以包括：
98.获取对象检测模型；该对象检测模型可以基于包含至少一个对象的样本图像及至少一个对象预先训练获得。
99.其中，对象检测模型例如可以是深度学习网络模型。具体的，可以是基于神经网络的对象检测模型，如可以包括基于卷积神经网络(convolutional neural networks，简称cnn)的对象检测模型、基于区域卷积神经网络(regions with cnn features，简称r-cnn)的对象检测模型等。实际应用中，该对象检测模型可以是基于标注了至少一个对象的样本图像预先训练获得，不进行赘述。
100.利用上述训练得到的对象检测模型可以识别图像中的至少一个对象，并计算至少一个对象的面积分别占图像总面积的比例，不再进行赘述。
101.实际应用中，存在无法对图像中的对象进行识别的情况，如可移动设备移动至场
所中某物体很近的距离范围内，如移动至贴近一堵墙的位置，此时采集的图像中可能只包括墙面，从而无法很好识别，或者可移动设备中的图像采集装置受到遮挡，如摄像头被树叶遮挡等。可选的，上述方法还包括：
102.若无法识别图像中的至少一个对象，可以输出提示信息，以指示控制调整可移动设备的移动或调整图像采集装置。其中，控制可移动设备移动的实现方法可以参考传统方案中的控制实现，不进行赘述。
103.如图4所示，为本技术提供的一种定位方法另一个实施例的流程图，该方法可以包括以下几个步骤：
104.在步骤s41中，可移动设备在当前所在场所中移动，利用可移动设备中的图像采集装置采集获得图像。
105.在步骤s42中，获取可移动设备采集的图像。
106.在步骤s43中，识别图像中的至少一个对象以及至少一个对象分别在图像中所占的比例。
107.在步骤s44中，判断至少一个对象各自的比例是否小于各自的预设比例；若判断结果为是，执行步骤s35的操作；若判断结果为否，执行步骤s37的操作；
108.在步骤s45中，确定可移动设备当前所在场所的场所类型为空旷场所类型，以及确定至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数。
109.在步骤s46中，根据至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数，融合处理至少一个第一定位系统及至少一个第二定位系统各自的定位结果，以获得可移动设备的目标定位结果。
110.在步骤s47中，确定可移动设备当前所在场所的场所类型为密集场所类型，以及基于至少一个对象各自的比例，确定至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数。
111.在步骤s48中，根据至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数，融合处理至少一个第一定位系统及至少一个第二定位系统各自的定位结果，以获得可移动设备的目标定位结果。
112.上述各步骤的实现过程可以参考前述实施例中具体的实现过程，不再进行赘述。
113.如图5所示，为本技术提供的一种定位装置一个实施例的结构示意图，该装置可以包括以下模块：
114.获取模块501，用于获取可移动设备采集的图像；
115.识别模块502，用于识别图像中的至少一个对象，并基于识别结果，确定可移动设备当前所在场所的场所类型；
116.确定模块503，用于根据场所类型，确定可移动设备中的多个定位系统分别对应的权重系数；
117.定位模块504，用于根据多个定位系统分别对应的权重系数，融合处理多个定位系统各自的定位结果，以获得可移动设备的目标定位结果。
118.本实施例中，该定位装置可以实现图1所示的定位方法，可移动设备在当前所在场所中移动，可以获取可移动设备采集的图像，通过识别图像中的至少一个对象，获得识别结果，可以实现基于识别结果，对可移动设备当前所在场所的场所类型进行确定。其中，可移
动设备中设置有多个定位系统，该多个定位系统都可以对可移动设备进行定位，获得各自的定位结果，根据上述确定的场所类型，确定多个定位系统分别对应的权重系数，从而基于权重系数，融合处理多个定位系统各自的定位结果，获得可移动设备的目标定位结果，提高了可移动设备的定位精度。
119.在某些实施例中，识别模块502可以包括第一判断单元，用于识别图像中的至少一个对象，并判断至少一个对象是否包括至少一个遮挡对象；
120.第一确定单元，在第一判断单元结果为否时，用于确定可移动设备当前所在场所的场所类型为空旷场所类型，在第一判断单元结果为是时，还用于确定可移动设备当前所在场所的场所类型为密集场所类型。
121.在某些实施例中，识别模块502可以包括识别单元，用于识别图像中的至少一个对象以及至少一个对象分别在图像中所占的比例；
122.第二确定单元，用于基于至少一个对象各自所占的比例，确定可移动设备当前所在场所的场所类型。
123.在某些实施例中，识别模块502可以包括第二判断单元，用于判断至少一个对象各自的比例是否小于各自的预设比例；
124.第三确定单元，在第二判断单元结果为是时，用于确定可移动设备当前所在场所的场所类型为空旷场所类型，在第二判断单元结果为否时，还用于确定可移动设备当前所在场所的场所类型为密集场所类型。
125.在某些实施例中，确定模块503具体可以用于场所类型为空旷场所类型时，确定至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数；场所类型为密集场所类型时，基于至少一个对象各自的比例，确定至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数，至少一个第一定位系统各自的第二权重系数小于各自的第一权重系数，至少一个第二定位系统各自的第二权重系数大于各自的第一权重系数；
126.定位模块504具体可以用于根据至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数，融合处理至少一个第一定位系统及至少一个第二定位系统各自的定位结果，以获得可移动设备的目标定位结果；或者，
127.根据至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数，融合处理至少一个第一定位系统及至少一个第二定位系统各自的定位结果，以获得可移动设备的目标定位结果。
128.在某些实施例中，确定模块503具体可以用于场所类型为空旷场所类型时，确定至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数；场所类型为密集场所类型时，基于至少一个对象各自的比例，确定至少一个第一定位系统及至少一个第二定位系统分别对应的权重系数调整参数；至少一个第一定位系统各自的权重系数调整参数为负值，至少一个第二定位系统各自的权重系数调整参数为正值；将至少一个第一定位系统及至少一个第二定位系统各自的第一权重系数及权重系数调整参数进行加和计算，获得各自对应的第二权重系数。
129.在某些实施例中，该装置还可以包括：
130.获取模块，用于获取对象检测模型；该对象检测模型基于包含至少一个对象的训练样本及至少一个对象预先训练获得；
131.识别单元，具体可以用于利用对象检测模型识别图像中的至少一个对象；计算至少一个对象的面积分别占图像总面积的比例。
132.在某些实施例中，该装置还可以包括：
133.输出模块，无法识别图像中的至少一个对象时，用于输出提示信息，该提示信息用于指示控制调整可移动设备的移动或调整图像采集装置。
134.在某些实施例中，定位模块504具体可以用于将多个定位系统各自的定位坐标及权重系数进行乘积计算，获得多个第一定位坐标，以及将多个第一定位坐标进行加和计算，获得第二定位坐标，该第二定位坐标为可移动设备的目标定位结果。
135.图5所述的定位装置可以执行图1或图4所示实施例所述的定位方法，其实现原理和技术效果不再赘述。对于上述实施例中的定位装置其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
136.在一个可能的设计中，图5所示实施例的定位装置可以实现为电子设备，如图6所示，该电子设备可以包括存储组件601及处理组件602。
137.该存储组件601用于存储一条或多条计算机程序指令，该一条或多条计算机程序指令供处理组件602调用执行；
138.该处理组件602可以用于：
139.获取可移动设备采集的图像；
140.识别图像中的至少一个对象，并基于识别结果，确定可移动设备当前所在场所的场所类型；
141.根据场所类型，确定可移动设备中的多个定位系统分别对应的权重系数；
142.根据多个定位系统分别对应的权重系数，融合处理多个定位系统各自的定位结果，以获得可移动设备的目标定位结果。
143.其中，处理组件602可以包括一个或多个处理器来执行计算机指令，以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
144.存储组件601被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
145.当然，该电子设备必然还可以包括其他部件，例如输入/输出接口、通信组件等。
146.输入/输出接口为处理组件和外围接口模块之间提供接口，上述外围接口模块可以是输出设备、输入设备等。
147.通信组件被配置为便于该电子设备和其他设备之间有线或无线方式的通信等。
148.其中，该电子设备可以为物理设备或者云计算平台提供的弹性计算主机等，此时计算设备即可以是指云服务器，上述处理组件、存储组件等可以是从云计算平台租用或购买的基础服务器资源。
149.在另一个可能的设计中，图5所示实施例的定位装置可以实现为可移动设备，如图7所示，该可移动设备可以包括存储组件701，处理组件702及采集组件703。
150.该存储组件701用于存储一条或多条计算机程序指令，该一条或多条计算机程序指令供处理组件702调用执行；
151.该处理组件702可以用于：
152.利用采集组件703采集图像；
153.识别图像中的至少一个对象，并基于识别结果，确定可移动设备当前所在场所的场所类型；
154.根据场所类型，确定可移动设备中的多个定位系统分别对应的权重系数；
155.根据多个定位系统分别对应的权重系数，融合处理多个定位系统各自的定位结果，以获得可移动设备的目标定位结果。
156.其中，处理组件702可以包括一个或多个处理器来执行计算机指令，以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
157.存储组件701被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
158.采集组件703可以包括安装于可移动设备上的图像采集设备。
159.当然，可移动设备必然还可以包括其他部件，例如输入/输出接口、通信组件等。
160.输入/输出接口为处理组件和外围接口模块之间提供接口，上述外围接口模块可以是输出设备、输入设备等。
161.通信组件被配置为便于可移动设备和其他设备之间有线或无线方式的通信等。
162.在一个可能的设计中，上述可移动设备可以实现为移动机器人，其中，相应的原理和技术效果可以参考清洁设备的相应说明，此处不再进行赘述。
163.当可移动设备为除草机器人时，以下就除草机器人进行除草作业为例来说明。
164.除草机器人中设置有gps定位系统，uwb定位系统和imu定位系统三个定位系统。除草机器人在院子内进行移动，三个定位系统都可以对除草机器人进行定位，获得各自的定位结果。除草机器人移动时，设置于除草机器人中的摄像头可以对院子内的物体进行拍摄，获得采集图像。将采集的图像输入预先训练的对象检测模型，获得图像中的至少一个对象，可以包括建筑、树木、天空和地面等。
165.根据上述至少一个对象的识别结果，确定当前院子的场所类型。若当前院子的场所类型是空旷场所类型，确定上述各定位系统的权重系数为各自预设的第一权重系数；若当前院子的场所类型是密集场所类型，确定上述各定位系统的权重系数为第二权重系数，其中，gps定位系统和uwb定位系统各自的第二权重系数小于各自的第一权重系数，imu定位系统的第二权重系数大于其第一权重系数。基于三个定位系统分别对应的权重系数，融合处理三个定位系统各自的定位结果，以获得除草机器人的目标定位结果，实现对除草机器人的精确定位。
166.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，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
167.以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
168.通过以上的实施例的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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rom/ram、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
169.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。

技术特征：
1.一种定位方法，其特征在于，包括：获取可移动设备采集的图像；识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。2.根据权利要求1所述的方法，其特征在于，所述识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型，包括：识别所述图像中的至少一个对象，并判断所述至少一个对象是否包括至少一个遮挡对象；若否，确定所述可移动设备当前所在场所的场所类型为空旷场所类型；若是，确定所述可移动设备当前所在场所的场所类型为密集场所类型。3.根据权利要求1所述的方法，其特征在于，所述识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型，包括：识别所述图像中的至少一个对象以及所述至少一个对象分别在所述图像中所占的比例；基于所述至少一个对象各自所占的比例，确定所述可移动设备当前所在场所的场所类型。4.根据权利要求3所述的方法，其特征在于，所述基于所述至少一个对象各自所占的比例，确定所述可移动设备当前所在场所的场所类型，包括：判断所述至少一个对象各自的比例是否小于各自的预设比例；若是，确定所述可移动设备当前所在场所的场所类型为空旷场所类型；若否，确定所述可移动设备当前所在场所的场所类型为密集场所类型。5.根据权利要求2或4任一项所述的方法，其特征在于，所述多个定位系统包括至少一个第一定位系统及至少一个第二定位系统，所述第一定位系统基于基站发射的信号获得定位结果，所述第二定位系统与所述第一定位系统不同；所述根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数，包括：若所述场所类型为空旷场所类型，确定所述至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数；若所述场所类型为密集场所类型，基于所述至少一个对象各自的比例，确定所述至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数，所述至少一个第一定位系统各自的第二权重系数小于各自的第一权重系数，所述至少一个第二定位系统各自的第二权重系数大于各自的第一权重系数；所述根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果，包括：根据所述至少一个第一定位系统及至少一个第二定位系统分别对应的第一权重系数，融合处理所述至少一个第一定位系统及至少一个第二定位系统各自的定位结果，以获得所
述可移动设备的目标定位结果；或者，根据所述至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数，融合处理所述至少一个第一定位系统及至少一个第二定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。6.根据权利要求5所述的方法，其特征在于，所述基于所述至少一个对象各自的比例，确定所述至少一个第一定位系统及至少一个第二定位系统分别对应的第二权重系数，包括：基于所述至少一个对象各自的比例，确定所述至少一个第一定位系统及至少一个第二定位系统分别对应的权重系数调整参数；所述至少一个第一定位系统各自的权重系数调整参数为负值，所述至少一个第二定位系统各自的权重系数调整参数为正值；将所述至少一个第一定位系统及至少一个第二定位系统各自的第一权重系数及权重系数调整参数进行加和计算，获得各自对应的第二权重系数。7.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取对象检测模型；所述对象检测模型基于包含所述至少一个对象的样本图像及所述至少一个对象预先训练获得；所述识别所述图像中的至少一个对象以及所述至少一个对象分别在所述图像中的比例，包括：利用对象检测模型识别所述图像中的至少一个对象；计算所述至少一个对象的面积分别占所述图像总面积的比例。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：所述可移动设备在当前所在场所中移动，利用所述可移动设备中的图像采集装置采集获得所述图像。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：若无法识别所述图像中的至少一个对象，输出提示信息，所述提示信息用于指示控制调整所述可移动设备的移动或调整所述图像采集装置。10.根据权利要求1所述的方法，其特征在于，所述根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果，包括：将所述多个定位系统各自的定位坐标及权重系数进行乘积计算，获得多个第一定位坐标，以及将所述多个第一定位坐标进行加和计算，获得第二定位坐标，所述第二定位坐标为所述可移动设备的目标定位结果。11.一种定位装置，其特征在于，包括：获取模块，用于获取可移动设备采集的图像；识别模块，用于识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；确定模块，用于根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；定位模块，用于根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。
12.一种电子设备，其特征在于，包括存储组件及处理组件；所述存储组件存储一条或多条计算机程序指令；所述一条或多条计算机程序指令以供所述处理组件调用并执行；所述处理组件用于：获取可移动设备采集的图像；识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。13.一种可移动设备，其特征在于，包括存储组件，处理组件及采集组件；所述存储组件存储一条或多条计算机程序指令；所述一条或多条计算机程序指令以供所述处理组件调用并执行；所述处理组件用于：利用所述采集组件采集图像；识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。

技术总结
本申请实施例提供一种定位方法、装置、电子设备及可移动设备。该方法包括，获取可移动设备采集的图像；识别所述图像中的至少一个对象，并基于识别结果，确定所述可移动设备当前所在场所的场所类型；根据所述场所类型，确定所述可移动设备中的多个定位系统分别对应的权重系数；根据所述多个定位系统分别对应的权重系数，融合处理所述多个定位系统各自的定位结果，以获得所述可移动设备的目标定位结果。本申请实施例提供的技术方案提高了可移动设备的定位精度。备的定位精度。备的定位精度。


技术研发人员：黄亚丁 周亚婷 张建越 张陶晶
受保护的技术使用者：科沃斯机器人股份有限公司
技术研发日：2022.01.11
技术公布日：2023/7/25