异常状态识别方法、系统、自移动设备及存储介质与流程

1.本发明属于自移动设备技术领域，具体涉及一种应用于自移动设备的异常状态识别方法、系统、自移动设备及计算机可读存储介质。


背景技术：

2.自移动设备是一种依靠人工智能自动在工作区域内执行工作任务的智能设备。自移动设备在工作区域内执行任务过程中进行同步定位和建立地图，从而根据定位和地图有规划的执行工作任务。
3.然而，当自移动机器人在执行任务过程中若发生异常，比如发生打滑等情况，将导致自移动机器人的定位和建图不准确，进而影响后续基于地图的路径规划和导航。如何准确识别自移动设备的异常状态是本领域技术人员研究的热点。
4.因此，有必要对现有技术予以改良以克服现有技术中的所述缺陷。


技术实现要素：

5.因此，本发明的所要解决的是现有的自移动设备无法准确、及时的识别异常状态的技术问题。
6.为解决上述技术问题，本发明提供一种应用于自移动设备的异常状态识别方法，包括：
7.采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息；
8.根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度；
9.根据所述机身行进角度和所述目标驱动机构的行进角度，生成对应的配准偏差；
10.当所述配准偏差不满足预设条件时，确定所述自移动设备处于异常状态。
11.在其中一实施例中，所述采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息，包括：
12.按照预设的采样频率，采集所述自移动设备行进过程中所述自移动设备对应的所述运动数据及所述里程信息；
13.所述根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度，包括：
14.根据每一采样时刻对应的所述运动数据及所述里程信息，确定每一所述采样时刻分别对应的偏差值，所述偏差值用于描述对应的所述机身行进角度及所述目标驱动机构的行进角度的差值；
15.根据目标采样周期包含的所有所述采样时刻对应的偏差值，生成所述配准偏差。
16.在其中一实施例中，所述根据目标采样周期包含的所有所述采样时刻对应的偏差值，生成所述配准偏差，包括：
17.根据目标采样周期包含的所有所述采样时刻对应的偏差值，确定每一偏差值对应
的绝对值；
18.确定所有所述绝对值之和为所述配准偏差。
19.在其中一实施例中，所述目标驱动机构包括第一驱动机构及第二驱动机构，所述采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息，包括：
20.采集所述第一驱动机构和所述第二驱动机构的里程信息；
21.所述根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度，包括：
22.根据所述第一驱动机构、所述第二驱动机构的里程信息以及所述第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度。
23.在其中一实施例中，所述根据所述第一驱动机构、所述第二驱动机构的里程信息以及第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度，包括：
24.根据所述第一驱动机构、所述第二驱动机构的里程信息，确定所述第一驱动机构及所述第二驱动机构在相邻采样时刻间的第一里程变化量和第二里程变化量；
25.根据所述第一里程变化量和所述第二里程变化量，确定所述自移动设备的机身中心的距离变化量；
26.根据所述机身中心的距离变化量及所述第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度。
27.在其中一实施例中，所述自移动设备包括运动传感器，所述采集自移动设备的运动数据，根据所述运动数据确定所述自移动设备的机身行进角度，包括：
28.获取所述运动传感器采集的自移动设备的角速度数据；
29.根据所述角速度数据，确定所述自移动设备的机身行进角度。
30.在其中一实施例中，所述应用于自移动设备的异常状态识别方法还包括：
31.在确定所述自移动设备处于异常状态时，控制所述自移动设备停止执行地图建模操作。
32.此外，本发明还提供了一种应用于自移动设备的异常状态识别系统，包括：
33.获取模块，用于采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息；
34.判断模块，用于根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度；
35.生成模块，用于根据所述机身行进角度和所述目标驱动机构的行进角度，生成对应的配准偏差；
36.决策模块，用于当所述配准偏差不满足预设条件时，确定所述自移动设备处于异常状态。
37.此外，本发明还提供了一种自移动设备，包括：
38.机身；
39.目标驱动机构，用于驱动所述机身；
40.传感器，设置于所述机身上，用于采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息；
41.控制器，设置于所述机身上，与所述传感器通信连接，所述控制器用于：
42.根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度；
43.根据所述机身行进角度和所述目标驱动机构的行进角度，生成对应的配准偏差；
44.当所述配准偏差不满足预设条件时，确定所述自移动设备处于异常状态。
45.此外，本发明还提供了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行上述任一实施例所述用于自移动设备的异常状态识别方法。
46.本发明提供的技术方案，具有以下优点：
47.本发明提供的应用于自移动设备的异常状态识别方法、系统、自移动设备及计算机可读存储介质，上述方法通过采集自移动设备的运动数据及对应自移动设备的目标驱动机构的里程信息；根据运动数据确定自移动设备的机身行进角度及根据里程信息确定目标驱动机构的行进角度；根据机身行进角度和目标驱动机构的行进角度，生成对应的配准偏差；当配准偏差不满足预设条件时，确定自移动设备处于异常状态。从而能够提高自移动设备的异常状态识别的准确性和及时性，为后续导航和控制提供精准的数据信息。
附图说明
48.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图是本发明的一些实施方式，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。
49.图1为本发明实施例1提供的应用于自移动设备的异常状态识别方法的流程示意图；
50.图2为本发明实施例提供的应用于自移动设备的异常状态识别系统模块结构示意图；
51.图3为本发明实施例1提供的自移动设备的立体结构示意图。
具体实施方式
52.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
53.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
54.在本发明中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的，或者是针对部件本身在竖直、垂直或重力方向上而言的；同样地，为便于理解和描述，“内、外”是指相对于各部件本身的轮廓的内、外，但上述方位词并不用于限制本发明。
55.实施例1
56.本实施例提供了一种应用于自移动设备的异常状态识别方法。该方法在具体实施时用于自移动设备。其中，自移动设备是一种依赖人工智能自动在工作区域内执行工作任务的设备。示例性的，请参见图3，自移动设备包括机身31和设置在机身31上的目标驱动机构(未示出)，目标驱动机构支持于机身31的下方，用于驱动机身31位移。自移动设备通常包括定位模块和建图模块，定位模块用于自移动设备位置的确定，建图模块用于建立工作区域的地图，从而便于有规划的执行工作任务，提高工作任务执行效率。
57.现有的自移动设备通常基于目标驱动机构的里程信息进行位置确定，然而，当自移动机器人的目标驱动机构发生打滑的情况时，将导致自移动机器人基于里程信息的定位和建图不准确，进而影响后续基于地图的路径规划和导航。
58.针对上述问题，本发明提供的应用于自移动设备的异常状态识别方法，在具体实施时，可以包括以下步骤：
59.s10、采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息；
60.s20、根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度；
61.s30、根据所述机身行进角度和所述目标驱动机构的行进角度，生成对应的配准偏差；
62.s40、当所述配准偏差不满足预设条件时，确定所述自移动设备处于异常状态。
63.在一实施场景中，上述自移动设备可以为清洁机器人。具体的，清洁机器人可以为扫地机器人、拖地机器人或扫拖一体机器人。在其他实施场景中，上述自移动设备也可以为监控机器人或割草机器人等。
64.当然，需要说明的是，上述所列举的自移动设备只是一种示意性说明。具体实施时，根据具体的应用场景和处理需求，上述自移动设备还可以包括巡检机器人、保姆机器人等等，对此，本说明书不作限定。对应不同的自移动设备，自移动设备在待工作区域中所要执行的作业任务也可以是有差异的。示例性的，在自移动设备为清洁机器人的情况下，相应的，工作区域为房间地面，工作任务为房间地面的清洁工作。在自移动设备为割草机器人的情况下，工作区域为待切割的草坪，相应工作任务为指定草坪工作区域的割草任务。
65.上述运动数据可以包括自移动设备的运动姿态数据，根据运动数据能够确定自移动设备的机身行进角度。自移动设备可以配置有运动传感器，用于采集上述运动数据，根据运动数据确定自移动设备的机身行进角度。具体的，上述运动传感器可以是惯性传感器imu。
66.自移动设备可以配置有里程计，设置于上述目标驱动机构上，用于采集上述目标驱动机构的里程信息。在一具体实施例中，目标驱动机构包括第一驱动机构及第二驱动机构，第一驱动机构和第二驱动机构分别设置在机身的左右两侧。具体的，第一驱动机构包括第一驱动轮，第二驱动机构包括第二驱动轮。在一些实施例中，第一驱动机构还可包括用于驱动该第一驱动轮位移的第一驱动马达，第二驱动机构还可包括用于驱动该第二驱动轮位移的第二驱动马达。其中，第一驱动马达与第一驱动轮传动连接，用于带动第一驱动轮转动；相应的，第二驱动马达与第二驱动轮传动连接，用于带动第二驱动轮转动。里程计的数量也为两个，分别设置于第一驱动轮和第二驱动轮上，用于采集第一驱动轮和第二驱动轮
的行驶里程信息。上述机身的“左”和“右”是以机身前进方向为参考。
67.在采集到目标驱动机构的里程信息之后，可以根据目标驱动机构的里程信息确定目标驱动机构的行进角度。具体计算方法在下文具体实施例中详述。
68.当自移动设备正常行驶，未发生打滑和被困，其根据运动数据确定的机身行进角度和基于里程信息确定的目标驱动机构的行进角度应该是一致，或者仅具有微小的测量偏差。然而，当自移动设备的其中一个驱动轮(第一驱动轮或第二驱动轮)被卡住，自移动设备围绕被卡住的驱动轮在原地打转，此时，里程计不断累加，但自移动设备本身的位置并没有发生变化，若采用基于slam(simultaneous localization and mapping)地图进行定位和目标驱动机构的里程信息的打滑检测方式，会出现异常状态(打滑)漏检测。
69.本实施例提供的异常状态识别方法，根据自移动设备的运动数据确定自移动设备的机身行进角度及根据目标驱动机构的里程信息确定目标驱动机构的行进角度，进一步，根据机身行进角度和目标驱动机构的行进角度，生成对应的配准偏差，并判断配准偏差是否满足预设条件，当配准偏差不满足预设条件时，确定自移动设备处于异常状态，从而可以实现根据机身行进角度和目标驱动机构的行进角度的配准程度来识别自移动设备是否处于异常状态。由于机身行进角度和目标驱动机构的行进角度均是在自移动设备运行过程中采集获取的，因此可以及时地识别到目标驱动机构是否打滑或被困，提高自移动设备异常状态识别的及时性和准确性，为下一步控制和导航提供准确的数据基础。
70.为了进一步保障上述异常状态识别的及时性和准确性。在其中一实施例中，上述步骤s10也即“所述采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息”的步骤，在具体实施时，可以包括以下内容：
71.按照预设的采样频率，采集所述自移动设备行进过程中所述自移动设备对应的所述运动数据及所述里程信息；
72.其中，预设的采样频率为自移动设备采集运动数据及里程信息的频率。在具体实施例中，运动数据由自移动设备的运动传感器测量，里程信息由目标驱动机构上设置的里程计测量。运动传感器和里程计的时钟时刻相同，在同一采样时刻，同时采集上述运动数据和里程信息。
73.进一步，上述步骤s20即“所述根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度”的步骤，包括：
74.根据每一采样时刻对应的所述运动数据及所述里程信息，确定每一所述采样时刻分别对应的偏差值，所述偏差值用于描述对应的所述机身行进角度及所述目标驱动机构的行进角度的差值；
75.根据目标采样周期包含的所有所述采样时刻对应的偏差值，生成所述配准偏差。
76.在按照预设的采样频率采集了每一采样时刻运动数据及里程信息之后，根据每一采样时刻对应的运动数据及里程信息，确定每一采样时刻分别对应的偏差值。也即，每一采样时刻均计算得到一偏差值，该偏差值用于描述对应的机身行进角度及目标驱动机构的行进角度的差值。具体计算方法是根据机身行进角度与目标驱动机构的行进角度相减得到。
77.上述目标采样周期理解为计算配准偏差的时间窗，这里时间窗理解为一定长度的时间段。可以理解的，目标采样周期越短，预设时间段就越短，其所包含的采样数据量越少，计算量越小，异常状态的识别就越灵敏；相应的，目标采样周期越长，预设时间段也越长，其
所包含的采样数据量越多，计算量越大，异常状态的识别灵敏性降低，准确性相应提高。为了保障异常状态识别的及时性和灵敏度，在一实施例中，目标采样周期为当前时刻向前推移预设时间段。具体的，预设时间段的长短可以为2s-5s。上述目标采样周期可以是预先设置的，也可以是自移动机器人自动匹配的。上述目标采样周期的长短可以固定的，也可以是变化的。
78.在一具体实施例中，上述步骤“根据目标采样周期包含的所有所述采样时刻对应的偏差值，生成所述配准偏差”在具体实施时，可以包括以下内容：
79.根据目标采样周期包含的所有所述采样时刻对应的偏差值，确定每一偏差值对应的绝对值；
80.确定所有所述绝对值之和为所述配准偏差。
81.也即将目标采样周期内的所有采样时刻的偏差值的绝对值相累加求和得到上述配准偏差。可以理解的，配准偏差为一正数，其目标采样周期越长，配准偏差的值将越大。
82.在得到配准偏差之后，将配准偏差与预设条件进行比较，若配准偏差符合预设条件，则认为自移动设备正常行驶，若配准偏差不符合预设条件，则确定自移动设备处于异常状态。在具体实施例中，预设条件包括预设阈值，通过将配准偏差与预设阈值进行比较，若配准偏差大于预设阈值，则确定自移动设备处于异常状态，反之，则认为自移动设备正常行驶。
83.在一些实施例中，步骤s10即“所述采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息”步骤，包括：
84.采集所述第一驱动机构和所述第二驱动机构的里程信息；
85.进一步的，步骤“所述根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度”，包括：
86.根据所述第一驱动机构、所述第二驱动机构的里程信息以及所述第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度。
87.在一实施例中，上述步骤“所述根据所述第一驱动机构、所述第二驱动机构的里程信息以及所述第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度”，具体可以包括：
88.根据所述第一驱动机构、所述第二驱动机构的里程信息，确定所述第一驱动机构及所述第二驱动机构在相邻采样时刻间的第一里程变化量和第二里程变化量；
89.根据所述第一里程变化量和所述第二里程变化量，确定所述自移动设备的机身中心的距离变化量；
90.根据所述机身中心的距离变化量及所述第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度。
91.在具体实施例中，需要首先建立自移动设备的运动模型，已知自移动设备在t时刻(上一采样时刻)的目标行走机构的行进角度θ，以及在δt时间内机器人第一驱动机构、第二驱动机构的里程信息，通过计算得出自移动设备的t+δt(当前采样时刻)时刻的姿态θ’。
92.通过获取第一驱动机构的里程变化量δsl和第二驱动机构的里程变化量δsr，可以计算自移动设备的机身中心距离变化量δs；其中，δs表达式为：
93.δs＝(δsl+δsr)/2；
94.进一步的，计算目标行走机构的行进角度变化量δθ；其中，目标行走机构的行进角度变化量表达式如下：
95.δθ＝(δsl+δsr)/2l；
96.其中，2l为自移动设备第一驱动机构和第二驱动机构的距离值，通常第一驱动机构和第二驱动机构关于自移动设备的机身中心对称设置，也就是说l为第一驱动机构或第二驱动机构到自移动设备的中心的距离。
97.进一步的，根据上一采样时刻(t时刻)的目标行走机构的行进角度θ和目标行走机构的行进角度变化量δθ计算得到当前采样时刻(t+δt时刻)的目标行走机构的行进角度θ’。
98.在一具体实施例中，所述采集自移动设备的运动数据，根据所述运动数据确定所述自移动设备的机身行进角度的步骤，包括：
99.获取所述运动传感器采集的自移动设备的角速度数据；
100.根据所述角速度数据，确定所述自移动设备的机身行进角度。
101.其中，运动传感器设置于自移动设备的机身上，用于采集自移动设备的角速度数据。在一具体实施例中，运动传感器可以包括惯性测量单元。
102.上述角速度数据为当前采样时刻(t+δt时刻)与上一采样时刻(t时刻)的角速度的变化量δw，根据上一采样时刻(t时刻)的角速度数据w和角速度的变化量δw计算得到当前采样时刻(t+δt时刻)的自移动设备的机身的行进角度w’。
103.可以理解的，基于上述实施例所提供的异常状态识别方法，当自移动设备存在异常状态的情况下，基于该异常状态进行地图建模会出现偏差。
104.为了降低异常状态对自移动设备正常建图和导航工作的不利影响。在一些实施例中，上述方法还包括，在确定所述自移动设备处于异常状态时，控制所述自移动设备停止执行地图建模操作。
105.本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。相关之处参见方法实施例的部分说明即可。具体的可以根据前述相关实施例示例的描述的可以实现技术方案，在此不做逐个实施例实现方案的赘述。
106.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
107.实施例2
108.本实施例提供了一种应用于自移动设备的异常状态识别系统100。请参见图2所示，该异常状态识别系统100包括获取模块101，判断模块102、生成模块103以及决策模块104。
109.其中，获取模块101，用于采集自移动设备的运动数据及对应自移动设备的目标驱动机构的里程信息；
110.判断模块102，用于根据运动数据确定自移动设备的机身行进角度及根据里程信息确定目标驱动机构的行进角度；
111.生成模块103，用于根据机身行进角度和目标驱动机构的行进角度，生成对应的配
准偏差；
112.决策模块104，用于当配准偏差不满足预设条件时，确定自移动设备处于异常状态。
113.在一些实施例中，获取模块101在具体实施时，通过以下方式采集自移动设备的运动数据及对应自移动设备的目标驱动机构的里程信息：按照预设的采样频率，采集所述自移动设备行进过程中所述自移动设备对应的所述运动数据及所述里程信息。进一步的，生成模块103采用以下方式生成配准偏差：根据每一采样时刻对应的运动数据及里程信息，确定每一采样时刻分别对应的偏差值，其中，偏差值用于描述对应的机身行进角度及目标驱动机构的行进角度的差值；根据目标采样周期包含的所有采样时刻对应的偏差值，生成配准偏差。
114.具体的，生成模块103采用以下方式生成配准偏差：根据目标采样周期包含的所有所述采样时刻对应的偏差值，确定每一偏差值对应的绝对值；确定所有所述绝对值之和为所述配准偏差。
115.其中，目标驱动机构包括第一驱动机构及第二驱动机构，第一驱动机构和第二驱动机构分别设置在机身的左右两侧。在一实施例中，获取模块101在具体实施时，通过以下方式采集自移动设备的目标驱动机构的里程信息：采集所述第一驱动机构和所述第二驱动机构的里程信息。进一步的，判断模块102通过以下方式确定目标驱动机构的行进角度：根据第一驱动机构、第二驱动机构的里程信息以及第一驱动机构、所述第二驱动机构的距离值，确定目标驱动机构的行进角度。
116.具体的，判断模块102通过以下方式确定目标驱动机构的行进角度：根据第一驱动机构、第二驱动机构的里程信息，确定第一驱动机构及第二驱动机构在相邻采样时刻间的第一里程变化量和第二里程变化量；根据第一里程变化量和第二里程变化量，确定自移动设备的机身中心的距离变化量；根据机身中心的距离变化量及第一驱动机构、所述第二驱动机构的距离值，确定目标驱动机构的行进角度。
117.自移动设备包括运动传感器，用于采集自移动设备的角速度数据。在具体实施例中，判断模块102通过以下方式确定机身行进角度：获取运动传感器采集的自移动设备的角速度数据；根据角速度数据，确定自移动设备的机身行进角度。
118.在一实施例中，自移动设备还包括建图模块，用于建立工作区域的地图，在确定所述自移动设备处于异常状态时，决策模块104还用于控制自移动设备停止执行地图建模操作。
119.上述应用于自移动设备的异常状态识别系统100与上述应用于自移动设备的异常状态识别方法相互对应，相同的部件采样相同的名称，本实施例中应用于自移动设备的异常状态识别系统100中各个部件、模块的功能在相应的方法实施例中详细阐述，在此不再赘述。
120.实施例3
121.本发明还提供了一种自移动设备，请参见图3，该自移动设备包括机身31，用于驱动自移动设备位移的目标驱动机构(未示出)、控制器33和传感器。
122.其中，传感器和控制器33均设置于机身31上。目标驱动机构支撑于机身31之下，用于带动机身31位移，从而驱动自移动设备位移。控制器33与目标驱动机构电连接，控制器33
通过控制目标驱动机构控制自移动设备的移动。
123.具体的，传感器与控制器33通信连接，包括运动传感器和里程计，运动传感器用于采集自移动设备的运动数据，里程计用于采集目标驱动机构的里程信息。
124.控制器33，用于根据运动数据确定自移动设备的机身行进角度及根据里程信息确定目标驱动机构的行进角度；根据机身行进角度和目标驱动机构的行进角度，生成对应的配准偏差；当配准偏差不满足预设条件时，确定自移动设备处于异常状态。
125.在一实施例中，传感器按照预设的采样频率，采集自移动设备行进过程中自移动设备对应的运动数据及里程信息。控制器33用于根据每一采样时刻对应的运动数据及里程信息，确定每一采样时刻分别对应的偏差值，偏差值用于描述对应的机身行进角度及目标驱动机构的行进角度的差值；根据目标采样周期包含的所有采样时刻对应的偏差值，生成配准偏差。
126.在一具体实施例中，控制器根据目标采样周期包含的所有采样时刻对应的偏差值，确定每一偏差值对应的绝对值；确定所有绝对值之和为配准偏差。
127.其中，目标驱动机构包括第一驱动机构及第二驱动机构，第一驱动机构和第二驱动机构分别设置在机身的左右两侧。运动传感器用于采集第一驱动机构和第二驱动机构的里程信息，控制器用于根据第一驱动机构、第二驱动机构的里程信息以及第一驱动机构、所述第二驱动机构的距离值，确定目标驱动机构的行进角度。具体的，控制器33根据所述第一驱动机构、第二驱动机构的里程信息，确定第一驱动机构及所述第二驱动机构在相邻采样时刻间的第一里程变化量和第二里程变化量；根据第一里程变化量和所述第二里程变化量，确定自移动设备的机身中心的距离变化量；根据机身中心的距离变化量及第一驱动机构、所述第二驱动机构的距离值，确定目标驱动机构的行进角度。
128.在一具体实施例中，运动传感器用于采集的自移动设备的角速度数据，控制器33根据角速度数据，确定自移动设备的机身行进角度。
129.在一具体实施例中，在确定所述自移动设备处于异常状态时，控制器还用于控制自移动设备停止执行地图建模操作。
130.上述实施例中所提及的运动传感器、里程计、第一驱动机构和第二驱动机构与上述异常状态识别方法中相应的部件功能一致，控制器所执行的功能是实现上述异常状态识别方法，具体内容可参照对上述异常状态识别方法的描述，在此不再赘述。
131.实施例4
132.本发明还提供了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，计算机程序使得计算机执行上述任一实施例所述的自移动设备的异常状态识别方法。
133.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
134.本发明是参照根据本发明实施例的方法、设备(系统)、服务器和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的
每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
135.显然，上述所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，可以做出其它不同形式的变化或变动，都应当属于本发明保护的范围。

技术特征：
1.一种应用于自移动设备的异常状态识别方法，其特征在于，所述应用于自移动设备的异常状态识别方法包括：采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息；根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度；根据所述机身行进角度和所述目标驱动机构的行进角度，生成对应的配准偏差；当所述配准偏差不满足预设条件时，确定所述自移动设备处于异常状态。2.根据权利要求1所述的应用于自移动设备的异常状态识别方法，其特征在于，所述采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息，包括：按照预设的采样频率，采集所述自移动设备行进过程中所述自移动设备对应的所述运动数据及所述里程信息；所述根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度，包括：根据每一采样时刻对应的所述运动数据及所述里程信息，确定每一所述采样时刻分别对应的偏差值，所述偏差值用于描述对应的所述机身行进角度及所述目标驱动机构的行进角度的差值；根据目标采样周期包含的所有所述采样时刻对应的偏差值，生成所述配准偏差。3.根据权利要求2所述的应用于自移动设备的异常状态识别方法，其特征在于，所述根据目标采样周期包含的所有所述采样时刻对应的偏差值，生成所述配准偏差，包括：根据目标采样周期包含的所有所述采样时刻对应的偏差值，确定每一偏差值对应的绝对值；确定所有所述绝对值之和为所述配准偏差。4.根据权利要求1-3中任一项所述的应用于自移动设备的异常状态识别方法，其特征在于，所述目标驱动机构包括第一驱动机构及第二驱动机构，所述采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息，包括：采集所述第一驱动机构和所述第二驱动机构的里程信息；所述根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度，包括：根据所述第一驱动机构、所述第二驱动机构的里程信息以及所述第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度。5.根据权利要求4所述的应用于自移动设备的异常状态识别方法，其特征在于，所述根据所述第一驱动机构、所述第二驱动机构的里程信息以及第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度，包括：根据所述第一驱动机构、所述第二驱动机构的里程信息，确定所述第一驱动机构及所述第二驱动机构在相邻采样时刻间的第一里程变化量和第二里程变化量；根据所述第一里程变化量和所述第二里程变化量，确定所述自移动设备的机身中心的距离变化量；根据所述机身中心的距离变化量及所述第一驱动机构、所述第二驱动机构的距离值，确定所述目标驱动机构的行进角度。
6.根据权利要求1-3中任一项所述的应用于自移动设备的异常状态识别方法，其特征在于，所述自移动设备包括运动传感器，所述采集自移动设备的运动数据，根据所述运动数据确定所述自移动设备的机身行进角度，包括：获取所述运动传感器采集的自移动设备的角速度数据；根据所述角速度数据，确定所述自移动设备的机身行进角度。7.根据权利要求1-3中任一项所述的应用于自移动设备的异常状态识别方法，其特征在于，所述应用于自移动设备的异常状态识别方法还包括：在确定所述自移动设备处于异常状态时，控制所述自移动设备停止执行地图建模操作。8.一种应用于自移动设备的异常状态识别系统，其特征在于，包括：获取模块，用于采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息；判断模块，用于根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度；生成模块，用于根据所述机身行进角度和所述目标驱动机构的行进角度，生成对应的配准偏差；决策模块，用于当所述配准偏差不满足预设条件时，确定所述自移动设备处于异常状态。9.一种自移动设备，其特征在于，包括：机身；目标驱动机构，用于驱动所述机身；传感器，设置于所述机身上，用于采集自移动设备的运动数据及对应所述自移动设备的目标驱动机构的里程信息；控制器，设置于所述机身上，与所述传感器通信连接，所述控制器用于：根据所述运动数据确定所述自移动设备的机身行进角度及根据所述里程信息确定所述目标驱动机构的行进角度；根据所述机身行进角度和所述目标驱动机构的行进角度，生成对应的配准偏差；当所述配准偏差不满足预设条件时，确定所述自移动设备处于异常状态。10.一种计算机可读存储介质，其特征在于，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7中任一项所述的方法。

技术总结
本发明公开一种应用于自移动设备的异常状态识别方法、系统、自移动设备及计算机可读存储介质，所述方法通过采集自移动设备的运动数据及对应自移动设备的目标驱动机构的里程信息；根据运动数据确定自移动设备的机身行进角度及根据里程信息确定目标驱动机构的行进角度；根据机身行进角度和目标驱动机构的行进角度，生成对应的配准偏差；当配准偏差不满足预设条件时，确定自移动设备处于异常状态，从而能够提高自移动设备的异常状态识别的准确性和及时性，保障后续导航和控制的精准。保障后续导航和控制的精准。保障后续导航和控制的精准。


技术研发人员：张陆涵 孙佳佳 薄慕婷
受保护的技术使用者：追觅创新科技（苏州）有限公司
技术研发日：2022.01.18
技术公布日：2023/8/1