一种移动机器人重定位方法、移动机器人及电子设备与流程

本申请涉及移动机器人领域，特别涉及一种移动机器人重定位方法、移动机器人及电子设备。

背景技术：

移动机器人是自动执行工作的机器装置，其既可以接受人类指挥，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。当今移动机器人的任务是协助或取代人类工作，例如生产业、建筑业，或是危险的工作。

移动机器人可以根据地图构建算法来构建关于所在场景的地图，进而基于所构建的地图来进行基于位置的工作。但是，在某些情况下，移动机器人存在重定位的需求，其中，所谓重定位指将移动机器人随机放入已知地图环境中，移动机器人能够找到自己在地图中的坐标。举例而言：移动机器人在关机后重启时，会存在重定位需求。

那么，如何快速有效地实现移动机器人的重定位，是个亟待解决的问题。

技术实现要素：

有鉴于此，本申请提供一种移动机器人重定位方法、移动机器人及电子设备，以快速有效地实现移动机器人的重定位。

具体地，本申请是通过如下技术方案实现的：

第一方面，本申请实施例提供了一种移动机器人重定位方法，包括：

控制移动机器人移动至预定的一参考位置；

利用所述移动机器人的图像采集设备采集目标图像数据集；

从预设的特征数据库所包含的各个参考数据集中，确定与所述目标图像数据集相匹配的目标参考数据集；其中，各个参考数据集为：所述移动机器人具有位置信息时，在预定的各个参考位置处所采集的图像数据集；

将所述目标参考数据集所对应的目标关联坐标，确定为所述移动机器人当前所处位置的坐标；其中，所述目标关联坐标为所述目标参考数据集所对应参考位置的坐标。

可选地，所述各个参考位置为：

所述移动机器人所在目标场景的各个夹角位置。

可选地，所述控制移动机器人移动至预定的一参考位置的步骤，包括：

基于所述移动机器人的测距传感器和陀螺仪，控制移动机器人移动至预定的一夹角位置。

可选地，所述基于所述移动机器人的测距传感器和陀螺仪，控制移动机器人移动至预定的一夹角位置的步骤，包括：

控制移动机器人原地旋转预定角度，并在旋转过程中，利用所述移动机器人的测距传感器和陀螺仪进行数据采样，得到距离数据集和角度数据集；

基于所述距离数据集和角度数据集，将数据采样过程中各个采样点转换到二维坐标系下，并基于所述二维坐标系中的各个采样点，拟合得到所述二维坐标系中的至少一条直线；

控制所述移动机器人沿拟合得到的任一直线移动，当检测到所述移动机器人被目标障碍物阻断前进时，将所述移动机器人调整至目标位置，所述目标位置为：与所述目标障碍物相距第一距离且与该直线所对应障碍物相距第二距离的位置。

可选地，所述各个参考位置为：

与第一辅助信号设备相距预定距离的各个位置；

或者，

使得第二辅助信号设备接收到预定强度值的网络信号的各个位置；其中，该网络信号由所述移动机器人发出。

可选地，所述利用所述移动机器人的图像采集设备采集目标图像数据集的步骤，包括：

控制所述移动机器人原地旋转到预定偏转角度，在旋转到预定偏转角度后，利用所述移动机器人的图像采集设备采集图像数据，基于所采集的图像数据构建目标图像数据集。

可选地，所述利用所述移动机器人的图像采集设备采集目标图像数据集的步骤，包括：

控制所述移动机器人依次原地旋转到多个不同的预定偏转角度，在每次旋转到一个预定偏转角度后，利用所述移动机器人的图像采集设备采集图像数据，基于所采集的各个图像数据构建目标图像数据集。

可选地，本申请实施例所提供的移动机器人重定位方法还包括：

当满足预定更替条件时，利用所述目标图像数据集替换所述特征数据库中的所述目标参考数据集。

第二方面，本申请实施例提供了一种移动机器人，包括：

移动控制单元，用于控制移动机器人移动至预定的一参考位置；

数据集获得单元，用于利用所述移动机器人的图像采集设备采集目标图像数据集；

目标参考数据集确定单元，用于从预设的特征数据库所包含的各个参考数据集中，确定与所述目标图像数据集相匹配的目标参考数据集；其中，各个参考数据集为：所述移动机器人具有位置信息时，在预定的各个参考位置处所采集的图像数据集；

坐标确定单元，用于将所述目标参考数据集所对应的目标关联坐标，确定为所述移动机器人当前所处位置的坐标；其中，所述目标关联坐标为所述目标参考数据集所对应参考位置的坐标。

可选地，所述各个参考位置为：

所述移动机器人所在目标场景的各个夹角位置。

可选地，所述移动控制单元具体用于：

基于所述移动机器人的测距传感器和陀螺仪，控制移动机器人移动至预定的一夹角位置。

可选地，所述移动控制单元具体用于：

控制移动机器人原地旋转预定角度，并在旋转过程中，利用所述移动机器人的测距传感器和陀螺仪进行数据采样，得到距离数据集和角度数据集；

基于所述距离数据集和角度数据集，将数据采样过程中各个采样点转换到二维坐标系下，并基于所述二维坐标系中的各个采样点，拟合得到所述二维坐标系中的至少一条直线；

控制所述移动机器人沿拟合得到的任一直线移动，当检测到所述移动机器人被目标障碍物阻断前进时，将所述移动机器人调整至目标位置，所述目标位置为：与所述目标障碍物相距第一距离且与该直线所对应障碍物相距第二距离的位置。

可选地，所述各个参考位置为：

与第一辅助信号设备相距预定距离的各个位置；

或者，

使得第二辅助信号设备接收到预定强度值的网络信号的各个位置；其中，该网络信号由所述移动机器人发出。

可选地，所述数据集获得单元具体用于：

控制所述移动机器人原地旋转到预定偏转角度，在旋转到预定偏转角度后，利用所述移动机器人的图像采集设备采集图像数据，基于所采集的图像数据构建目标图像数据集。

可选地，所述数据集获得单元具体用于：

控制所述移动机器人依次原地旋转到多个不同的预定偏转角度，在每次旋转到一个预定偏转角度后，利用所述移动机器人的图像采集设备采集图像数据，基于所采集的各个图像数据构建目标图像数据集。

可选地，本申请实施例所提供的移动机器人还包括：

更替单元，用于当满足预定更替条件时，利用所述目标图像数据集替换所述特征数据库中的所述目标参考数据集。

第三方面，本申请实施例提供了一种电子设备，包括：内部总线、存储器、处理器和通信接口；其中，所述处理器、所述通信接口、所述存储器通过所述内部总线完成相互间的通信；其中，所述存储器，用于存储移动机器人重定位方法对应的机器可行指令；

所述处理器，用于读取所述存储器上的所述机器可读指令，并执行所述指令以实现上述第一方面所提供的移动机器人重定位方法。

本申请实施例所提供的方法中，在控制移动机器人移动至预定的一参考位置后，利用该移动机器人的图像采集设备采集目标图像数据集；从预设特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集，即确定该移动机器人当前移动至具体哪个参考位置，进而将该目标参考数据集所对应的目标关联坐标，确定为该移动机器人当前所处位置的坐标。可见，通过本方案可以快速有效地实现移动机器人的重定位。

附图说明

图1为本申请实施例所提供的一种移动机器人重定位方法的流程图；

图2(a)为将各个采样点转换至二维坐标系下所形成的坐标示意图，图2(b)为基于图2(a)所示出坐标点拟合得到的至少一条直线的示意图；

图3(a)为移动机器人所在房间的俯视图，图3(b)为移动机器人所在房间的格栅地图的示意图，图3(c)为移动机器人移动至夹角a所对应夹角位置的示意图；

图4为本申请实施例所提供的一种移动机器人的结构示意图；

图5为本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

为了快速有效地实现移动机器人的重定位，本申请实施例提供了一种移动机器人重定位方法、移动机器人及电子设备。

下面首先对本申请实施例所提供的一种移动机器人重定位方法进行介绍。

需要说明的是，本申请实施例所提供的一种移动机器人重定位方法的执行主体可以为一种移动机器人重定位装置。在具体应用中，该移动机器人重定位装置可以运行于移动机器人中，也可以运行于移动机器人对应的云服务器中，当然还可以运行于该移动机器人所对应的客户端设备中，这都是合理的。

其中，重定位的触发条件可以为：关机后重启，或者，其他原因导致的地图坐标丢失，或者，接收到用户指定的重定位指令，等等。并且，移动机器人在目标场景的重定位的前提是：预先根据地图构建算法构建了关于该目标场景的地图，这样，该移动机器人在重定位之前可以具有位置信息，进而该移动机器人重定位装置可以预先构建特征数据库以及将特征数据库与坐标进行关联。可以理解的是，任一种地图构建算法均可以应用于该目标场景的地图构建过程，由于地图构建过程不涉及本申请实施例的发明点，因此，在此不做限定。

另外，本申请所涉及的目标场景可以为室内场景，如：室内家居、地下停车场、办公楼等区域。当然，本申请所涉及的目标场景可以不局限于室内场景，如露天停车场、公园、厂区等小型的室外场景也可以应用本申请所提供的方法。如图1所示，一种移动机器人重定位方法，可以包括：

s101，控制移动机器人移动至预定的一参考位置；

为了快速有效地实现移动机器人的重定位，本申请实施例中所提出的重定位思想为：该移动机器人重定位装置控制移动机器人移动至任一参考位置，然后基于图像数据集分析该任一参考位置具体是哪个参考位置，进而确定出坐标完成重定位。基于该种处理思想，当该移动机器人重定位装置检测到符合重定位条件时，可以控制移动机器人移动至预定的一参考位置，进而执行后续的图像采集过程，其中，该预定的一参考位置为预定的多个参考位置中的任一参考位置。

需要强调的是，各个参考位置为不依赖地图信息即可确定出的位置。在具体应用中，各个参考位置的具体形式存在多种，下面对各个参考位置的具体形式进行举例说明。

可选地，在一种具体实现方式中，该各个参考位置为：该移动机器人所在目标场景的各个夹角位置。其中，从角度大小的维度而言，该夹角位置所对应的夹角可以为直角型或非直角型；而从夹角构成的维度而言，夹角位置所对应的夹角可以由墙壁构成，由非墙壁构成，或者，由墙壁与非墙壁构成，这都是合理的。举例而言，参见图3(a)所示的房间俯视图，该图中存在夹角位置a、b、c、d和e，那么，移动机器人移动至的预定一参考位置可以为夹角位置a、b、c、d和e中的任一夹角位置。

其中，当该各个参考位置为：该移动机器人所在目标场景的各个夹角位置时，该移动机器人重定位装置可以基于所述移动机器人的测距传感器和陀螺仪，控制移动机器人移动至预定的一夹角位置，当然并不局限于此。具体的，基于该移动机器人的测距传感器和陀螺仪，控制移动机器人移动至预定的一夹角位置的过程，可以包括：

控制移动机器人原地旋转预定角度，并在旋转过程中，利用该移动机器人的测距传感器和陀螺仪进行数据采样，得到距离数据集和角度数据集；

基于该距离数据集和角度数据集，将数据采样过程中各个采样点转换到二维坐标系下，并基于该二维坐标系中的各个采样点，拟合得到该二维坐标系中的至少一条直线；

控制该移动机器人沿拟合得到的任一直线移动，当检测到该移动机器人被目标障碍物阻断前进时，将该移动机器人调整至目标位置，该目标位置为：与该目标障碍物相距第一距离且与该直线所对应障碍物相距第二距离的位置。

其中，基于该距离数据集中的距离和角度数据集中的角度具有唯一对应性。并且，基于该距离数据集和角度数据集，将数据采样过程中采集得到的各个采样点转换到二维坐标系下的具体实现方式可以采用现有技术中的任一种转换方式；而基于该二维坐标系中的各个采样点，拟合得到该二维坐标系中的至少一条直线的具体实现方式也可以采用现有技术中的任一种直线拟合方式。举例而言，将数据采样得到的各个采样点转换到二维坐标系下所形成的坐标示意图可以参见图2(a)，相应的，基于图2(a)中的坐标点拟合得到的至少一条直线的示意图可以参见图2(b)。

可以理解的是，拟合得到的直线即为障碍物边界，控制该移动机器人沿着任一直线移动，即控制该移动机器人沿着某一障碍物边界移动，当检测到该移动机器人被目标障碍物阻断前进时，即无法继续向前移动，可以判定该移动机器人已经接近夹角；而由于接近夹角的位置存在多个而参考位置具有唯一性，在判定该移动机器人接近夹角时，可以基于测距传感器，将该移动机器人调整至目标位置，该目标位置为：与该目标障碍物相距第一距离且与该直线所对应障碍物相距第二距离的位置。其中，预定角度可以根据具体应用来设定，举例而言，该预定角度可以为360度，300度，240度，180度等等；同样的，第一距离和第二距离可以根据具体应用来设定，第一距离和第二距离可以设置为相同的值，以使得移动机器人无论从哪个方向接近夹角，均可以确定出唯一的夹角位置。

可选地，在另一具体实现方式中，该各个参考位置可以为：与第一辅助信号设备相距预定距离的各个位置。相应的，所述控制移动机器人移动至预定的一参考位置的步骤，可以包括：控制移动机器人按照预定轨迹移动，在移动过程中，监测该移动机器人与第一辅助信号设备之间的距离，当监测到该移动机器人与第一辅助信号设备相距预定距离时，确定该移动机器人移动至预定的一参考位置，即与第一辅助信号设备相距预定距离的一个位置。

可以理解的是，该移动机器人可以具有蓝牙功能，那么，该第一辅助信号设备可以为具有蓝牙功能且位置被固定的设备，该第一辅助信号设备所处位置与移动机器人所处位置之间的距离可以通过蓝牙距离来确定。或者，该移动机器人可以包含信号发射器，那么，该第一辅助信号设备可以为信号接收器，该第一辅助信号设备所处位置与移动机器人所处位置之间的距离可以通过信号传输时间来确定。其中，信号发射器和信号接收器的类型可以包括但不局限于光学类型或声学类型；并且，该预定轨迹可以由移动机器人重定位装置随机设定或按照特定算法所设定，这都是合理的。

可选地，在另一具体实现方式中，该各个参考位置可以为：使得第二辅助信号设备接收到预定强度值的网络信号的各个位置；其中，该网络信号由该移动机器人发出。相应的，所述控制移动机器人移动至预定的一参考位置的步骤，可以包括：控制移动机器人按照预定轨迹移动，在移动过程中，监测第二辅助信号设备接收到网络信号的强度值，当第二辅助信号设备接收到的网络信号的强度值为预定强度值时，确定该移动机器人移动至预定的一参考位置，即使得第二辅助信号设备接收到预定强度值的网络信号的一个位置。

其中，该第二辅助信号设备为具有无线接入模块且位置固定的设备；而该移动机器人可以具有wifi探测器，这样，该移动机器人可以通过该wifi探测器形成无线网络，并探测该第二辅助信号设备接收到的网络信号的强度。可以理解的是，该wifi探测器具体可以为现有技术中的wifi探针，其中，wifi探针为现有的用于检测周围环境中的wifi终端的设备，其基本工作原理为：创建wifi热点，收集周围环境中可接入的终端的信息，例如：唯一标识信息、wifi信号强度值、wifi信号持续时长等等，其中，可以理解的是，wifi终端的唯一标识信息可以为mac(mediaaccesscontrol，媒体访问控制)地址，wifi探测器的具体显示可以不局限于wifi探针。

需要说明的是，上述所给出的各个参考位置的具体形式仅仅作为示例，并不应该构成对本申请实施例的限定。

s102，利用该移动机器人的图像采集设备采集目标图像数据集；

其中，该移动机器人重定位装置控制移动机器人移动至预定的一参考位置后，可以利用该移动机器人的图像采集设备采集目标图像数据集，进而后续基于该目标图像数据集分析该预定的一参考位置具体为哪个参考位置。其中，该图像采集设备具体可以为摄像头，当然并不局限于此。

可选地，在一种具体实现方式中，所述利用该移动机器人的图像采集设备采集目标图像数据集的步骤，可以包括：

控制该移动机器人原地旋转到预定偏转角度，在旋转到预定偏转角度后，利用该移动机器人的图像采集设备采集图像数据，基于所采集的图像数据构建目标图像数据集。

该种具体实现方式中，该移动机器人在原地旋转到预定偏转角度后，可以通过图像采集设备采集至少一张图片，或者，可以通过图像采集设备录制至少一段视频，进而将所采集到的至少一张图片或至少一段视频作为目标图像数据集的内容。并且，该预定偏转角度为基于基准方向偏移的角度，其中，该基准方向可以根据具体应用设定，该预定偏转角度的具体角度值也可以根据具体应用设定。可以理解的是，在具体应用中，可以根据室内布局来确定预定偏转角度，以使得所采集到的目标图像数据集中包含较为丰富的物品信息。

可选地，在另一种具体实现方式中，所述利用该移动机器人的图像采集设备采集目标图像数据集的步骤，可以包括：

控制该移动机器人依次原地旋转到多个不同的预定偏转角度，在每次旋转到一个预定偏转角度后，利用所述移动机器人的图像采集设备采集图像数据，基于所采集的各个图像数据构建目标图像数据集。

该种具体实现方式中，该移动机器人在每次原地旋转到一个预定偏转角度后，可以通过图像采集设备采集至少一张图片，或者，可以通过图像采集设备录制至少一段视频，进而，将所采集到的各个预定偏转角度所对应的至少一张图片或至少一段视频作为目标图像数据集的内容，此时，该目标图像数据集对应有多个角度的数据内容。并且，任一预定偏转角度为基于基准方向偏移的角度，其中，该基准方向可以根据具体应用设定，多个不同的预定偏转角度可以根据具体应用设定。

s103，从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集；其中，各个参考数据集为：该移动机器人具有位置信息时，在预定的各个参考位置处所采集的图像数据集；

需要说明的是，在重定位之前，该移动机器人重定位装置可以预先构建特征数据库，该特征数据库中包含多个参考数据集。在获得该目标图像数据集后，可以从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集。可以理解的是，为了构建特征数据库，在移动机器人具有位置信息时，移动机器人重定位装置可以控制移动机器人移动至各个参考位置，并在各个参考位置处采集参考数据集，其中，移动机器人重定位装置控制移动机器人移动至各个参考位置的具体实现方式可以参见上述的控制移动机器人移动至预定的一参考位置的具体实现方式。并且，为了保证目标图像数据集与各个参考数据集的匹配有效，利用该移动机器人的图像采集设备采集目标图像数据集的具体实现方式与各个参考数据集的具体采集方式相同。

其中，从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集的具体实现方式存在多种，例如：基于相似度、特征点匹配数量或神经网络模型等方式来确定。而为了方案清楚及布局清楚，后续对具体实现方式进行举例介绍。

s104，将该目标参考数据集所对应的目标关联坐标，确定为该移动机器人当前所处位置的坐标；其中，该目标关联坐标为所述目标参考数据集所对应参考位置的坐标。

其中，在构建特征数据库时，可以将各个参考数据集与所对应参考位置的坐标进行关联，即预先确定各个参考数据集所对应的关联坐标。这样，在确定出目标参考数据集后，可以直接将该目标参考数据集所对应的目标关联坐标，确定为该移动机器人当前所处位置的坐标，从而完成该移动机器人的重定位。

需要说明的是，为了避免长期的小幅度场景改变而导致匹配度持续下降，从而提高算法稳定性，本申请实施例所提供的方法还可以包括：

当满足预定更替条件时，利用该目标图像数据集替换该特征数据库中的该目标参考数据集。

其中，该预定更替条件可以为：达到预定时间点；或者，获得更替指令。

当然，该预定更替条件也可以为：与该目标参考数据集与该目标图像数据集的匹配度相关的条件。举例而言：所谓的匹配度可以为相似度，相应的，该预定更替条件可以为：本次的相似度相对于上一次的相似度下降，或者，本次的相似度低于预定相似度阈值，等等；或者，所谓的匹配度可以为特征点匹配数量，相应的该预定更替条件可以为：本次的特征点匹配数量相对于上一次的特征点匹配数量下降，或者，本次的特征点匹配数量低于预定数量阈值，等等。

需要强调的是，上述所给出的预定更替条件仅仅作为示例，并不应该构成对本申请实施例的限定。

本申请实施例所提供的方法中，在控制移动机器人移动至预定的一参考位置后，利用该移动机器人的图像采集设备采集目标图像数据集；从预设特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集，即确定该移动机器人当前移动至具体哪个参考位置，进而将该目标参考数据集所对应的目标关联坐标，确定为该移动机器人当前所处位置的坐标。可见，通过本方案可以快速有效地实现移动机器人的重定位。

为了布局清晰及方案清楚，下面对从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集的具体实现方式进行举例介绍：

可选地，在一种具体实现方式中，从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集的步骤，可以包括：

分别计算该目标图像数据集与各个参考数据集的相似度；

将所对应相似度最高的参考数据集作为与该目标图像数据集相匹配的目标参考数据集。

可以理解的是，当目标图像数据集和各个参考数据集均包含一张图片时，计算该目标图像数据集与任一参考数据集的相似度的具体过程可以包括：

计算该目标图像数据集所包含图片与该参考数据集所包含图片的相似度；

将计算得到的相似度作为该目标图像数据集与该参考数据集的相似度。

当目标图像数据集和各个参考数据集均包含至少两张图片时，计算该目标图像数据集与任一参考数据集的相似度的具体过程可以包括：

计算该目标图像数据集所包含的至少两张图片与该参考数据集的各张图片的相似度；

将所计算出的最高的相似度作为该目标图像数据集与该参考数据集的相似度，或者，将所计算出的相似度的均值作为该目标图像数据集与该参考数据集的相似度。

当目标图像数据集和各个参考数据集均包含至少一段视频时，计算该目标图像数据集与任一参考数据集的相似度的具体过程可以包括：

计算该目标图像数据集所包含视频中的每一视频帧与该参考数据集所包含视频中的每一视频帧的相似度；

将所计算出的最高的相似度作为该目标图像数据集与该参考数据集的相似度，或者，将所计算出的相似度的均值作为该目标图像数据集与该参考数据集的相似度。

可以理解的是，任意两张图片的相似度的计算方式可以为现有技术中任一相似度计算方式。

可选地，在一种具体实现方式中，从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集的步骤，可以包括：

提取该目标图像数据集所包含图片或视频帧的第一类图像特征点；

将第一类图像特征点分别与各个参考数据集所包含图片或视频帧的第二类图像特征点进行匹配；

将匹配数量最高的参考数据集作为与该目标图像数据集相匹配的目标参考数据集。

可以理解的是，图像特征点能够反映图像本质特征，可以标识图像中目标物体，通过特征点的匹配能够完成图像的匹配。其中，该移动机器人重定位装置可以利用orb(orientedfastandrotatedbrief)算法来提取图像特征点，当然并不局限于此。其中，该orb是一种快速特征点提取和描述的算法。

可选地，在另一种具体实现方式中，从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集的步骤，可以包括：

基于预先训练的神经网络模型，从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集。

其中，神经网络模型可以为卷积神经网络模型、循环神经网络模型等等。

可以理解的是，可以利用大量的带有物体名称标签的场景图片对神经网络模型进行训练，在训练完成后，该神经网络模型可以识别输入至该神经网络模型中的图片所包含的物体。这样，该移动机器人重定位装置可以通过该神经网络模型确定出目标图像数据集所包含的物体，如果目标图像数据集所包含的物体与一参考数据集所包含的物体相同且物体在图片中占有的像素位置变化幅度低于预定幅度阈值时，可以将该参考数据集作为与该目标图像数据集相匹配的目标参考数据集。

需要说明的是，上述的从预设的特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集的具体实现方式仅仅作为示例，并不应该构成对本申请实施例的限定。

下面结合具体应用实例，对本申请实施例所提供的移动机器人重定位方法进行介绍。

假设移动机器人所在目标场景为一房间，该房间具有五个参考位置，分别为：夹角位置a、b、c、d和e，各个参考位置与相应的夹角边缘相距l，并且，正北是移动机器人的基准方向，即正北为0度。其中，该房间的俯视图可以参见图3(a)，其中，图3(a)中左上方的黑色矩形区域用于表示一障碍物，同样的图3(b)和图3(c)中左上方的黑色矩形区域用于表示一障碍物。另外，该图3(a)中的m表示移动机器人，01表示移动机器人的图像采集设备。

为了实现重定位，前期数据处理过程如下：

移动机器人根据地图构建算法构建关于该房间的地图，这样使得移动机器人具有位置信息，图3(b)所示的格栅地图为移动机器人所构建的该房间的地图。在移动机器人具有位置信息时，移动机器人重定位装置可以基于测距传感器和陀螺仪，控制移动机器人移动至各个夹角位置，在达到每一夹角位置时，控制该移动机器人原地旋转，旋转到偏转角度θ后，利用图像采集设备采集图像数据，构成参考数据集，其中，采集的图像数据为一张图片。其中，每一夹角位置距离相应夹角的夹角边缘均为l。

并且，基于该房间的地图可知，移动机器人移动至夹角位置a时，移动机器人所处的坐标为(x0,yn)，因此，可以将移动机器人在夹角位置a处采集的参考数据集与坐标(x0,yn)进行关联，即夹角位置a所对应参考数据集的关联坐标为(x0,yn)。类似地，确定夹角位置b、c、d和e所对应的参考数据集的关联坐标。

基于前期数据处理过程，重定位过程如下：

当需要重定位时，该移动机器人重定位装置基于测距传感器和陀螺仪，控制移动机器人移动至预定的一夹角位置：夹角位置a，如图3(c)所示。

移动机器人重定位装置控制该移动机器人原地旋转到偏转角度θ，利用该移动机器人的图像采集设备采集图像数据，基于所采集的图像数据构建目标图像数据集；其中，采集的图像数据为一张图片，该图片可以参见图3(c)所示的fa。

移动机器人重定位装置计算该目标图像数据集所包含图片与各个参考数据集所包含图片的相似度；

将相似度最高的参考数据集所对应的关联坐标确定该移动机器人当前所处位置的坐标，即(x0,yn)，完成该移动机器人的重定位。

可见，通过该具体实施例中的方案，可以快速有效地实现移动机器人的重定位。

相应于上述方法实施例，本申请实施例还提供了一种移动机器人。如图4所示，该移动机器人可以包括：

移动控制单元410，用于控制移动机器人移动至预定的一参考位置；

数据集获得单元420，用于利用所述移动机器人的图像采集设备采集目标图像数据集；

目标参考数据集确定单元430，用于从预设的特征数据库所包含的各个参考数据集中，确定与所述目标图像数据集相匹配的目标参考数据集；其中，各个参考数据集为：所述移动机器人具有位置信息时，在预定的各个参考位置处所采集的图像数据集；

坐标确定单元440，用于将所述目标参考数据集所对应的目标关联坐标，确定为所述移动机器人当前所处位置的坐标；其中，所述目标关联坐标为所述目标参考数据集所对应参考位置的坐标。

本申请实施例所提供的移动机器人，在控制移动机器人移动至预定的一参考位置后，利用该移动机器人的图像采集设备采集目标图像数据集；从预设特征数据库所包含的各个参考数据集中，确定与该目标图像数据集相匹配的目标参考数据集，即确定该移动机器人当前移动至具体哪个参考位置，进而将该目标参考数据集所对应的目标关联坐标，确定为该移动机器人当前所处位置的坐标。可见，通过本方案可以快速有效地实现移动机器人的重定位。

可选地，所述各个参考位置为：

所述移动机器人所在目标场景的各个夹角位置。

可选地，所述移动控制单元具体用于：

基于所述移动机器人的测距传感器和陀螺仪，控制移动机器人移动至预定的一夹角位置。

可选地，所述移动控制单元410具体用于：

控制移动机器人原地旋转预定角度，并在旋转过程中，利用所述移动机器人的测距传感器和陀螺仪进行数据采样，得到距离数据集和角度数据集；

基于所述距离数据集和角度数据集，将数据采样过程中各个采样点转换到二维坐标系下，并基于所述二维坐标系中的各个采样点，拟合得到所述二维坐标系中的至少一条直线；

控制所述移动机器人沿拟合得到的任一直线移动，当检测到所述移动机器人被目标障碍物阻断前进时，将所述移动机器人调整至目标位置，所述目标位置为：与所述目标障碍物相距第一距离且与该直线所对应障碍物相距第二距离的位置。

可选地，所述各个参考位置为：

与第一辅助信号设备相距预定距离的各个位置；

或者，

使得第二辅助信号设备接收到预定强度值的网络信号的各个位置；其中，该网络信号由所述移动机器人发出。

可选地，所述数据集获得单元420具体用于：

控制所述移动机器人原地旋转到预定偏转角度，在旋转到预定偏转角度后，利用所述移动机器人的图像采集设备采集图像数据，基于所采集的图像数据构建目标图像数据集。

可选地于，所述数据集获得单元420具体用于：

控制所述移动机器人依次原地旋转到多个不同的预定偏转角度，在每次旋转到一个预定偏转角度后，利用所述移动机器人的图像采集设备采集图像数据，基于所采集的各个图像数据构建目标图像数据集。

可选地，该移动机器人还可以包括：

更替单元，用于当满足预定更替条件时，利用所述目标图像数据集替换所述特征数据库中的所述目标参考数据集。

相应于上述方法实施例，本申请实施例还提供了一种电子设备；如图5所示，所述电子设备包括：内部总线510、存储器(memory)520、处理器(processor)530和通信接口(communicationsinterface)540；其中，所述处理器530、所述通信接口540、所述存储器520通过所述内部总线510完成相互间的通信；

其中，所述存储器520，用于存储移动机器人重定位方法对应的机器可行指令；

所述处理器530，用于读取所述存储器520上的所述机器可读指令，并执行所述指令以实现本申请所提供的一种移动机器人重定位方法。其中，一种移动机器人重定位方法，可以包括：

控制移动机器人移动至预定的一参考位置；

利用所述移动机器人的图像采集设备采集目标图像数据集；

从预设的特征数据库所包含的各个参考数据集中，确定与所述目标图像数据集相匹配的目标参考数据集；其中，各个参考数据集为：所述移动机器人具有位置信息时，在预定的各个参考位置处所采集的图像数据集；

将所述目标参考数据集所对应的目标关联坐标，确定为所述移动机器人当前所处位置的坐标；其中，所述目标关联坐标为所述目标参考数据集所对应参考位置的坐标。

本实施例中，关于移动机器人重定位方法的具体步骤的相关描述可以参见本申请所提供方法实施例中的描述内容，在此不做赘述。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。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申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。