信息处理的方法及智能设备的制作方法
【专利摘要】本发明公开了一种信息处理的方法，包括：获取第一信息集合及第二信息集合；计算获取第一信息集合中各第一信息时对应的智能设备在环境中的第一位置信息；从第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；从至少两个以上的第一信息中的第一子信息中分别获取第一对象集合；分别计算至少两个以上的第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；分别计算至少两个以上的第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；对所计算的至少两个以上的第一信息中的第一子信息中的第一对象集合中相同的第一对象的第三位置信息进行优化处理。本发明还公开了一种智能设备。本发明实施例提升了特征点位置信息获取的效率及准确率。
【专利说明】信息处理的方法及智能设备
【技术领域】
[0001]本发明涉及信息处理技术，尤其涉及一种基于智能设备的三维地图信息处理方法及智能设备。
【背景技术】
[0002]目前，随着智能控制在工业中的应用越广泛，智能设备正被应用于各种工艺生产中。利用智能设备进行环境信息创建也是智能设备的工业应用之一。当前的环境信息中，主要通过确定智能设备采集图像中的一些特征点的位置信息来标定，通过所提取的诸多的特征点的位置信息而完成环境信息的采集。
[0003]由于智能设备在行动中存在位移误差，这样在确定特征点的位置信息时，自然也存在误差，而误差一旦累积，所形成的环境信息将会相当不准确。因此，在进行环境信息创建时，对特征点的位置信息修正将变得相当重要，一旦所采集的特征点的位置信息不准确，所创建的环境信息的实用性就会变差。
【发明内容】
[0004]有鉴于此，本发明实施例的主要目的在于提供一种信息处理的方法及智能设备，能在采集信息时对所采集信息中的特征点的位置信息进行修正，获取更准确的信息。
[0005]为达到上述目的，本发明实施例的技术方案是这样实现的:
[0006]一种信息处理的方法，应用于智能设备中；所述方法包括:
[0007]获取第一信息集合及对应于所述第一信息集合的第二信息集合；
[0008]计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息；
[0009]从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；
[0010]从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合；
[0011]根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；
[0012]根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；
[0013]对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
[0014]一种智能设备；包括:第一获取单元、第一计算单元、第二获取单元、第三获取单元、第二计算单元、第三计算单元和优化处理单元，其中:
[0015]第一获取单兀，用于获取第一信息集合及对应于所述第一信息集合的第二信息集合；
[0016]第一计算单元，用于计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息；
[0017]第二获取单元，用于从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；
[0018]第三获取单元，用于从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合；
[0019]第二计算单元，用于根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；
[0020]第三计算单元，根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；
[0021]优化处理单元，用于对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
[0022]本发明的实施例中，获取第一信息集合及对应于所述第一信息集合的第二信息集合；计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息；从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合；根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。本发明实施例中，通过连续获取多个第一信息，并提取这些多个第一信息中的相重合的第一子信息，从相重合的第一子信息中分别获取第一对象集合，并计算每个第一对象集合中所有第一对象的位置信息，再对第一对象的位置信息进行修正，将修正后的第一对象的位置信息作为该第一对象的位置信息。再获取第一对象的位置信息时，采用并行方式进行，从而提升了处理效率；由于本发明从多个第一信息中获取多个相同的第一对象的位置信息，并对这些第一对象的位置信息进行修正，所计算的第一对象的位置信息更准确，基于第一对象的位置信息创建环境信息时，环境信息更具实用价值。
【专利附图】
【附图说明】
[0023]图1为本发明实施例一的信息处理的方法的流程示意图；
[0024]图2为本发明实施例二的信息处理的方法的流程示意图；
[0025]图3为本发明实施例三的信息处理的方法的流程示意图；
[0026]图4为本发明实施例四的信息处理的方法的流程示意图；
[0027]图5为本发明实施例的智能设备的组成结构示意图；
[0028]图6为本发明实施例的智能设备中第三计算单元的组成结构示意图；
[0029]图7为本发明实施例的智能设备中优化处理单元的组成结构示意图；
[0030]图8为本发明实施例的智能设备中第一计算单元的组成结构示意图。
【具体实施方式】
[0031]本发明实施例，主要是针对当前环境信息如三维地图信息创建时，需要智能设备如机器人不断对所获取的特征点的位置信息进行计算并校正，但对特征点的位置信息计算及校正的方式比较多，所计算的方式均比较繁杂，很多计算方式需辅以很多专用设备，导致成本较高。
[0032]本发明实施例主要是针对上述技术问题而提出，通过连续获取多个第一信息，并提取这些多个第一信息中的相重合的第一子信息，从相重合的第一子信息中分别获取第一对象集合，并计算每个第一对象集合中所有第一对象的位置信息，再对第一对象的位置信息进行修正，将修正后的第一对象的位置信息作为该第一对象的位置信息。
[0033]为使本发明的目的、技术方案和优点更加清楚明白，以下举实施例并参照附图，对本发明进一步详细说明。
[0034]图1为本发明实施例一的信息处理的方法的流程示意图，如图1所示，在本发明一个优选实施例中，信息处理的方法包括以下步骤:
[0035]本实施例的信息处理的方法应用于智能设备中，如该智能设备可以为智能机器人，该智能机器人具有图像采集单元；作为一个优选示例，本发明实施例的图像采集单元可以为摄像头，作为一种示例，图像采集单元也可以是专用的图像采集及分析系统，如可以是摄像传感器、RGB图像传感器等。该智能设备还具有图像处理能力。
[0036]步骤101，获取第一信息集合及对应于所述第一信息集合的第二信息集合；
[0037]本示例中，所述第一信息集合包括:所述智能设备采集的图像信息帧的集合；
[0038]所述第二信息集合包括:对应于各图像信息帧的深度信息的集合。
[0039]具体地，通过该智能设备上设置的图像采集单元采集连续的图像信息帧，这些连续的图像信息帧构成了图像信息帧集合，即为第一信息集合。
[0040]对应于每一图像信息帧，还对应有该图像信息帧的深度信息，形成深度信息集合。
[0041]步骤102，计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息；
[0042]所述第一位置信息包括:所述智能设备在全局坐标系中的位置信息；
[0043]本步骤中，当对图像信息帧进行采集时，还对采集图像信息帧时的智能设备的位置信息进行计算。
[0044]步骤103，从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；
[0045]本示例中，通过连续获取多个第一信息，并提取这些多个第一信息中的相重合的第一子信息，从相重合的第一子信息中分别获取第一对象集合。具体地，通过智能设备的图像采集单元获取连续的图像信息帧，从多个连续的图像信息帧中获取这些图像信息帧的相互重合部分。可以通过前述每个图像信息帧的位置信息，确定出这些连续的多个图像信息帧的重合部分，以便从重合的图像信息帧中获取相同的特征点。
[0046]步骤104，从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合；
[0047]所述第一对象集合包括:图像信息帧中的所有特征点；
[0048]本示例中，第一对象可以为智能设备通过图像采集单元所取景图像中的物体的特征点；本示例中，特征点可以为任何物体上的任何部位的成像点。如物体的边缘处的点，也可以是物体上的与该物体的特性不一致的点，如白色物体上的黑色斑点，物体上凸起的点，物体上凹下点，金属制物体上的锈点，物体表面漆体上的剥落点等。
[0049]特征点还有很多属性信息如颜色(RGB)信息、位置信息，特征点描述信息等。特征描述信息是表征特征点的属性的信息，通过特征描述信息可以唯一确定特征点。具体地，可通过SIFT算法、SURF算法或ORB算法等确定特征点集合中每个特征点的信息及特征点的特征描述信息；特征点的特征描述信息能唯一标识一个特征点，其是64维或128维的数据，当然，随着对特征点属性进一步的划分，表征特征点的特征描述信息可以是其他维度的参数。作为示例，特征描述信息可以包括尺度和旋转。
[0050]从连续的多个图像信息帧的重合部分的图像信息中获取特征点，由于所基于的图像信息是相同的，因此，从每个图像信息帧中的重合部分所获取到的特征点应当是相同的，将所获取的特征点作为特征点集合。
[0051]步骤105，根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；
[0052]其中，所述第二位置信息包括:第一对象相对于所述智能设备的相对位置信息；
[0053]当确定出连续的多个图像信息帧的重合部分的图像信息的特征点后，根据图像信息帧的深度信息，分别计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息。
[0054]步骤106，根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；
[0055]其中，所述第三位置信息包括:特征点在全局坐标系中的位置信息；
[0056]计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息后，根据采集图像信息帧的时刻对应的智能设备在全局坐标系中的位置信息，计算连续的多个图像信息帧的重合部分的各特征点在全局坐标系中的位置信息。
[0057]步骤107，对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
[0058]由于智能设备在移动过程中会存在位置信息计算误差，因此，通过本步骤之前确定的特征点的位置信息会存在较大的误差，本示例需对前述步骤计算的特征点的第三位置信息进行优化处理，具体地，对所计算相同特征点的各位置信息，求算术平均或加权平均等，作为该相同特征点的最终位置信息。
[0059]本示例中，相同特征点的判断，可以通过特征点的RGB信息或特征描述信息等进行确定。例如特征点的对应RGB信息完全相同时，确定特征点相同，或者，特征点的特征描述信息中的每一项均匹配时，确定特征点相同。
[0060]图2为本发明实施例二的信息处理的方法的流程示意图，如图2所示，在本发明一个优选实施例中，信息处理的方法包括以下步骤:
[0061]本实施例的信息处理的方法应用于智能设备中，如该智能设备可以为智能机器人，该智能机器人具有图像采集单元；作为一个优选示例，本发明实施例的图像采集单元可以为摄像头，作为一种示例，图像采集单元也可以是专用的图像采集及分析系统，如可以是摄像传感器、RGB图像传感器等。该智能设备还具有图像处理能力。
[0062]步骤201，获取第一信息集合及对应于所述第一信息集合的第二信息集合；
[0063]本示例中，所述第一信息集合包括:所述智能设备采集的图像信息帧的集合；
[0064]所述第二信息集合包括:对应于各图像信息帧的深度信息的集合。
[0065]具体地，通过该智能设备上设置的图像采集单元采集连续的图像信息帧，这些连续的图像信息帧构成了图像信息帧集合，即为第一信息集合。
[0066]对应于每一图像信息帧，还对应有该图像信息帧的深度信息，形成深度信息集合。
[0067]步骤202，计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息；
[0068]所述第一位置信息包括:所述智能设备在全局坐标系中的位置信息；
[0069]本步骤中，当对图像信息帧进行采集时，还对采集图像信息帧时的智能设备的位置信息进行计算。
[0070]步骤203，从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；
[0071]本示例中，通过连续获取多个第一信息，并提取这些多个第一信息中的相重合的第一子信息，从相重合的第一子信息中分别获取第一对象集合。具体地，通过智能设备的图像采集单元获取连续的图像信息帧，从多个连续的图像信息帧中获取这些图像信息帧的相互重合部分。可以通过前述每个图像信息帧的位置信息，确定出这些连续的多个图像信息帧的重合部分，以便从重合的图像信息帧中获取相同的特征点。
[0072]步骤204，从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合；
[0073]所述第一对象集合包括:图像信息帧中的所有特征点；
[0074]本示例中，第一对象可以为智能设备通过图像采集单元所取景图像中的物体的特征点；本示例中，特征点可以为任何物体上的任何部位的成像点。如物体的边缘处的点，也可以是物体上的与该物体的特性不一致的点，如白色物体上的黑色斑点，物体上凸起的点，物体上凹下点，金属制物体上的锈点，物体表面漆体上的剥落点等。
[0075]特征点还有很多属性信息如颜色(RGB)信息、位置信息，特征点描述信息等。特征描述信息是表征特征点的属性的信息，通过特征描述信息可以唯一确定特征点。具体地，可通过SIFT算法、SURF算法或ORB算法等确定特征点集合中每个特征点的信息及特征点的特征描述信息；特征点的特征描述信息能唯一标识一个特征点，其是64维或128维的数据，当然，随着对特征点属性进一步的划分，表征特征点的特征描述信息可以是其他维度的参数。作为示例，特征描述信息可以包括尺度和旋转。
[0076]从连续的多个图像信息帧的重合部分的图像信息中获取特征点，由于所基于的图像信息是相同的，因此，从每个图像信息帧中的重合部分所获取到的特征点应当是相同的，将所获取的特征点作为特征点集合。
[0077]步骤205，根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；
[0078]其中，所述第二位置信息包括:第一对象相对于所述智能设备的相对位置信息；
[0079]当确定出连续的多个图像信息帧的重合部分的图像信息的特征点后，根据图像信息帧的深度信息，分别计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息。
[0080]步骤206，根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；
[0081]其中，所述第三位置信息包括:特征点在全局坐标系中的位置信息；
[0082]具体地，计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息，包括:
[0083]将每个所述第一信息集合中的第一信息中的第一子信息中的所述第一对象集合中的所有第一集合按空间位置划分为至少两个以上的部分；
[0084]根据所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息以及所述智能设备在环境中的第一位置信息，并行计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息。
[0085]计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息后，根据采集图像信息帧的时刻对应的智能设备在全局坐标系中的位置信息，计算连续的多个图像信息帧的重合部分的各特征点在全局坐标系中的位置信息。
[0086]针对从每一图像信息帧提取的特征点集合，按特征点的空间位置划分为多个区域，如划分为四个区域、八个区域、十六个区域等。为保证特征点集合划分的比较均匀，可按特征点集合中所有特征点的坐标值，确定出能涵盖特征点集合中所有特征点的正方体空间，将正方体空间划分为四个相同的子正方体；可以每个子正方体为单位，并行地计算每个子正方体中的特征点的位置信息。
[0087]需要说明的是，为保证特征点集合中的每一特征点都不被遗漏地被计算，所划分的子正方体之间可以有重合的区域。
[0088]需要说明的是，本实例是以正方体为例对特征点集合进行了区域划分，也可以是其他划分方式，如按特征点集合中特征点的数量进行划分等。考虑到环境信息的创建特点，最好按正方体空间对特征点集合进行区域划分。
[0089]步骤207，对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
[0090]由于智能设备在移动过程中会存在位置信息计算误差，因此，通过本步骤之前确定的特征点的位置信息会存在较大的误差，本示例需对前述步骤计算的特征点的第三位置信息进行优化处理，具体地，对所计算相同特征点的各位置信息，求算术平均或加权平均等，作为该相同特征点的最终位置信息。
[0091 ] 本示例中，相同特征点的判断，可以通过特征点的RGB信息或特征描述信息等进行确定。例如特征点的对应RGB信息完全相同时，确定特征点相同，或者，特征点的特征描述信息中的每一项均匹配时，确定特征点相同。
[0092]图3为本发明实施例三的信息处理的方法的流程示意图，如图3所示，在本发明一个优选实施例中，信息处理的方法包括以下步骤:
[0093]本实施例的信息处理的方法应用于智能设备中，如该智能设备可以为智能机器人，该智能机器人具有图像采集单元；作为一个优选示例，本发明实施例的图像采集单元可以为摄像头，作为一种示例，图像采集单元也可以是专用的图像采集及分析系统，如可以是摄像传感器、RGB图像传感器等。该智能设备还具有图像处理能力。
[0094]步骤301，获取第一信息集合及对应于所述第一信息集合的第二信息集合；
[0095]本示例中，所述第一信息集合包括:所述智能设备采集的图像信息帧的集合；
[0096]所述第二信息集合包括:对应于各图像信息帧的深度信息的集合。
[0097]具体地，通过该智能设备上设置的图像采集单元采集连续的图像信息帧，这些连续的图像信息帧构成了图像信息帧集合，即为第一信息集合。
[0098]对应于每一图像信息帧，还对应有该图像信息帧的深度信息，形成深度信息集合。
[0099]步骤302，计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息；
[0100]所述第一位置信息包括:所述智能设备在全局坐标系中的位置信息；
[0101]本步骤中，当对图像信息帧进行采集时，还对采集图像信息帧时的智能设备的位置信息进行计算。
[0102]步骤303，从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；
[0103]本示例中，通过连续获取多个第一信息，并提取这些多个第一信息中的相重合的第一子信息，从相重合的第一子信息中分别获取第一对象集合。具体地，通过智能设备的图像采集单元获取连续的图像信息帧，从多个连续的图像信息帧中获取这些图像信息帧的相互重合部分。可以通过前述每个图像信息帧的位置信息，确定出这些连续的多个图像信息帧的重合部分，以便从重合的图像信息帧中获取相同的特征点。
[0104]步骤304，从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合；
[0105]所述第一对象集合包括:图像信息帧中的所有特征点；
[0106]本示例中，第一对象可以为智能设备通过图像采集单元所取景图像中的物体的特征点；本示例中，特征点可以为任何物体上的任何部位的成像点。如物体的边缘处的点，也可以是物体上的与该物体的特性不一致的点，如白色物体上的黑色斑点，物体上凸起的点，物体上凹下点，金属制物体上的锈点，物体表面漆体上的剥落点等。
[0107]特征点还有很多属性信息如颜色(RGB)信息、位置信息，特征点描述信息等。特征描述信息是表征特征点的属性的信息，通过特征描述信息可以唯一确定特征点。具体地，可通过SIFT算法、SURF算法或ORB算法等确定特征点集合中每个特征点的信息及特征点的特征描述信息；特征点的特征描述信息能唯一标识一个特征点，其是64维或128维的数据，当然，随着对特征点属性进一步的划分，表征特征点的特征描述信息可以是其他维度的参数。作为示例，特征描述信息可以包括尺度和旋转。
[0108]从连续的多个图像信息帧的重合部分的图像信息中获取特征点，由于所基于的图像信息是相同的，因此，从每个图像信息帧中的重合部分所获取到的特征点应当是相同的，将所获取的特征点作为特征点集合。
[0109]步骤305，根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；
[0110]其中，所述第二位置信息包括:第一对象相对于所述智能设备的相对位置信息；
[0111]当确定出连续的多个图像信息帧的重合部分的图像信息的特征点后，根据图像信息帧的深度信息，分别计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息。
[0112]步骤306，根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；
[0113]其中，所述第三位置信息包括:特征点在全局坐标系中的位置信息；
[0114]具体地，计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息，包括:
[0115]将每个所述第一信息集合中的第一信息中的第一子信息中的所述第一对象集合中的所有第一集合按空间位置划分为至少两个以上的部分；
[0116]根据所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息以及所述智能设备在环境中的第一位置信息，并行计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息。
[0117]计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息后，根据采集图像信息帧的时刻对应的智能设备在全局坐标系中的位置信息，计算连续的多个图像信息帧的重合部分的各特征点在全局坐标系中的位置信息。
[0118]针对从每一图像信息帧提取的特征点集合，按特征点的空间位置划分为多个区域，如划分为四个区域、八个区域、十六个区域等。为保证特征点集合划分的比较均匀，可按特征点集合中所有特征点的坐标值，确定出能涵盖特征点集合中所有特征点的正方体空间，将正方体空间划分为四个相同的子正方体；可以每个子正方体为单位，并行地计算每个子正方体中的特征点的位置信息。
[0119]需要说明的是，为保证特征点集合中的每一特征点都不被遗漏地被计算，所划分的子正方体之间可以有重合的区域。
[0120]需要说明的是，本实例是以正方体为例对特征点集合进行了区域划分，也可以是其他划分方式，如按特征点集合中特征点的数量进行划分等。考虑到环境信息的创建特点，最好按正方体空间对特征点集合进行区域划分。
[0121]步骤307，对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
[0122]具体地，对第三位置信息进行优化处理包括:
[0123]为所计算的所述至少两个以上的所述第一信息中的第一子信息中的相同的第一对象的第三位置信息建立高斯模型；
[0124]确定所述相同的第一对象的第三位置信息的高斯分布特性；
[0125]根据所述相同的第一对象的第三位置信息的高斯分布特性筛除方差超出设定阈值的超出所述相同的第一对象的第三位置信息；
[0126]计算剩余的所述相同的第一对象的第三位置信息的平均值。
[0127]这里，平均值包括加权平均值或算术平均值。
[0128]由于智能设备在移动过程中会存在位置信息计算误差，因此，通过本步骤之前确定的特征点的位置信息会存在较大的误差，本示例需对前述步骤计算的特征点的第三位置信息进行优化处理，具体地，对所计算相同特征点的各位置信息，求算术平均或加权平均等，作为该相同特征点的最终位置信息。
[0129]通过对相同特征点的全局坐标位置信息建立高斯模型，确定出相同特征点的全局坐标位置信息高斯分布状态，并筛除掉远离高斯分布均线的特征点的全局坐标位置信息。这些远离高斯分布均线的特征点的全局坐标位置信息可以视作误差较大的计算结果，如可能存在计算错误等。
[0130]本示例中，相同特征点的判断，可以通过特征点的RGB信息或特征描述信息等进行确定。例如特征点的对应RGB信息完全相同时，确定特征点相同，或者，特征点的特征描述信息中的每一项均匹配时，确定特征点相同。
[0131]图4为本发明实施例四的信息处理的方法的流程示意图，如图4所示，在本发明一个优选实施例中，信息处理的方法包括以下步骤:
[0132]本实施例的信息处理的方法应用于智能设备中，如该智能设备可以为智能机器人，该智能机器人具有图像采集单元；作为一个优选示例，本发明实施例的图像采集单元可以为摄像头，作为一种示例，图像采集单元也可以是专用的图像采集及分析系统，如可以是摄像传感器、RGB图像传感器等。该智能设备还具有图像处理能力。
[0133]步骤401，获取第一信息集合及对应于所述第一信息集合的第二信息集合；
[0134]本示例中，所述第一信息集合包括:所述智能设备采集的图像信息帧的集合；
[0135]所述第二信息集合包括:对应于各图像信息帧的深度信息的集合。
[0136]具体地，通过该智能设备上设置的图像采集单元采集连续的图像信息帧，这些连续的图像信息帧构成了图像信息帧集合，即为第一信息集合。
[0137]对应于每一图像信息帧，还对应有该图像信息帧的深度信息，形成深度信息集合。
[0138]步骤402，计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息；
[0139]所述第一位置信息包括:所述智能设备在全局坐标系中的位置信息；
[0140]本步骤中，当对图像信息帧进行采集时，还对采集图像信息帧时的智能设备的位置信息进行计算。
[0141]具体地，确定第二位置信息，包括:
[0142]分别对所述智能设备的水平移动方向及垂直移动方向进行距离矫正；
[0143]确定获取第一信息集合中所有第一信息的时刻信息；
[0144]根据所述智能设备距离矫正前的第一位置信息、所确定时刻信息、水平移动方向及垂直移动方向的矫正距离，计算所述智能设备在获取第一信息集合中所有第一信息的时刻的第一位置信息。
[0145]具体地，对于智能设备而言，一般会设置有确定智能设备位移的运动控制系统，例如可以在智能机器人的左右驱动轮两侧分别安装增量式旋转编码器，实时测定智能机器人单位时间内左右轮行走的距离，并由两轮的行走距离通过计算可以得出机器人的位姿坐标。并计算出智能机器人位姿中的角度值，通过差动驱动智能机器人的原理，即可确定出智能机器人在其所处环境中的位置信息。
[0146]步骤403，从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；
[0147]本示例中，通过连续获取多个第一信息，并提取这些多个第一信息中的相重合的第一子信息，从相重合的第一子信息中分别获取第一对象集合。具体地，通过智能设备的图像采集单元获取连续的图像信息帧，从多个连续的图像信息帧中获取这些图像信息帧的相互重合部分。可以通过前述每个图像信息帧的位置信息，确定出这些连续的多个图像信息帧的重合部分，以便从重合的图像信息帧中获取相同的特征点。
[0148]步骤404，从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合；
[0149]所述第一对象集合包括:图像信息帧中的所有特征点；
[0150]本示例中，第一对象可以为智能设备通过图像采集单元所取景图像中的物体的特征点；本示例中，特征点可以为任何物体上的任何部位的成像点。如物体的边缘处的点，也可以是物体上的与该物体的特性不一致的点，如白色物体上的黑色斑点，物体上凸起的点，物体上凹下点，金属制物体上的锈点，物体表面漆体上的剥落点等。
[0151]特征点还有很多属性信息如颜色(RGB )信息、位置信息，特征点描述信息等。特征描述信息是表征特征点的属性的信息，通过特征描述信息可以唯一确定特征点。具体地，可通过SIFT算法、SURF算法或ORB算法等确定特征点集合中每个特征点的信息及特征点的特征描述信息；特征点的特征描述信息能唯一标识一个特征点，其是64维或128维的数据，当然，随着对特征点属性进一步的划分，表征特征点的特征描述信息可以是其他维度的参数。作为示例，特征描述信息可以包括尺度和旋转。
[0152]从连续的多个图像信息帧的重合部分的图像信息中获取特征点，由于所基于的图像信息是相同的，因此，从每个图像信息帧中的重合部分所获取到的特征点应当是相同的，将所获取的特征点作为特征点集合。
[0153]步骤405，根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；
[0154]其中，所述第二位置信息包括:第一对象相对于所述智能设备的相对位置信息；
[0155]当确定出连续的多个图像信息帧的重合部分的图像信息的特征点后，根据图像信息帧的深度信息，分别计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息。
[0156]步骤406，根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；
[0157]其中，所述第三位置信息包括:特征点在全局坐标系中的位置信息；
[0158]具体地，计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息，包括:
[0159]将每个所述第一信息集合中的第一信息中的第一子信息中的所述第一对象集合中的所有第一集合按空间位置划分为至少两个以上的部分；
[0160]根据所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息以及所述智能设备在环境中的第一位置信息，并行计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息。
[0161]计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息后，根据采集图像信息帧的时刻对应的智能设备在全局坐标系中的位置信息，计算连续的多个图像信息帧的重合部分的各特征点在全局坐标系中的位置信息。
[0162]针对从每一图像信息帧提取的特征点集合，按特征点的空间位置划分为多个区域，如划分为四个区域、八个区域、十六个区域等。为保证特征点集合划分的比较均匀，可按特征点集合中所有特征点的坐标值，确定出能涵盖特征点集合中所有特征点的正方体空间，将正方体空间划分为四个相同的子正方体；可以每个子正方体为单位，并行地计算每个子正方体中的特征点的位置信息。
[0163]需要说明的是，为保证特征点集合中的每一特征点都不被遗漏地被计算，所划分的子正方体之间可以有重合的区域。
[0164]本示例是以正方体为例对特征点集合进行了区域划分，也可以是其他划分方式，如按特征点集合中特征点的数量进行划分等。考虑到环境信息的创建特点，最好按正方体空间对特征点集合进行区域划分。
[0165]步骤407，对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
[0166]具体地，对第三位置信息进行优化处理包括:
[0167]为所计算的所述至少两个以上的所述第一信息中的第一子信息中的相同的第一对象的第三位置信息建立高斯模型；
[0168]确定所述相同的第一对象的第三位置信息的高斯分布特性；
[0169]根据所述相同的第一对象的第三位置信息的高斯分布特性筛除方差超出设定阈值的超出所述相同的第一对象的第三位置信息；
[0170]计算剩余的所述相同的第一对象的第三位置信息的平均值。
[0171]这里，平均值包括加权平均值或算术平均值。
[0172]由于智能设备在移动过程中会存在位置信息计算误差，因此，通过本步骤之前确定的特征点的位置信息会存在较大的误差，本示例需对前述步骤计算的特征点的第三位置信息进行优化处理，具体地，对所计算相同特征点的各位置信息，求算术平均或加权平均等，作为该相同特征点的最终位置信息。
[0173]通过对相同特征点的全局坐标位置信息建立高斯模型，确定出相同特征点的全局坐标位置信息高斯分布状态，并筛除掉远离高斯分布均线的特征点的全局坐标位置信息。这些远离高斯分布均线的特征点的全局坐标位置信息可以视作误差较大的计算结果，如可能存在计算错误等。
[0174]本示例中，相同特征点的判断，可以通过特征点的RGB信息或特征描述信息等进行确定。例如特征点的对应RGB信息完全相同时，确定特征点相同，或者，特征点的特征描述信息中的每一项均匹配时，确定特征点相同。
[0175]图5为本发明实施例的智能设备的组成结构示意图，本发明实施例中，智能设备可以为智能机器人，该智能机器人具有图像采集单元；作为一个优选示例，本发明实施例的图像采集单元可以为摄像头，作为一种示例，图像采集单元也可以是专用的图像采集及分析系统，如可以是摄像传感器、RGB图像传感器等。该智能设备还具有图像处理能力。如图5所示，本发明实施例的智能设备包括:第一获取单元50、第一计算单元51、第二获取单元52、第三获取单元53、第二计算单元54、第三计算单元55和优化处理单元56，其中:
[0176]第一获取单兀50,用于获取第一信息集合及对应于所述第一信息集合的第二信息集合;
[0177]第一计算单元51，用于计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息；
[0178]第二获取单元52，用于从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息；
[0179]第三获取单元53，用于从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合；
[0180]第二计算单元54，用于根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息；
[0181]第三计算单元55，根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息；
[0182]优化处理单元56，用于对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
[0183]本示例中，所述第一信息集合包括:所述智能设备采集的图像信息帧的集合；
[0184]所述第二信息集合包括:对应于各图像信息帧的深度信息的集合；
[0185]所述第一位置信息包括:所述智能设备在全局坐标系中的位置信息；
[0186]所述第二位置信息包括:第一对象相对于所述智能设备的相对位置信息；
[0187]所述第一对象包括:从所述图像信息帧中提取的特征点；
[0188]所述第一对象集合包括:图像信息帧中的所有特征点；
[0189]所述第三位置信息包括:特征点在全局坐标系中的位置信息。
[0190]本示例中，第一对象可以为智能设备通过图像采集单元所取景图像中的物体的特征点；本示例中，特征点可以为任何物体上的任何部位的成像点。如物体的边缘处的点，也可以是物体上的与该物体的特性不一致的点，如白色物体上的黑色斑点，物体上凸起的点，物体上凹下点，金属制物体上的锈点，物体表面漆体上的剥落点等。
[0191]特征点还有很多属性信息如颜色(RGB )信息、位置信息，特征点描述信息等。特征描述信息是表征特征点的属性的信息，通过特征描述信息可以唯一确定特征点。具体地，可通过SIFT算法、SURF算法或ORB算法等确定特征点集合中每个特征点的信息及特征点的特征描述信息；特征点的特征描述信息能唯一标识一个特征点，其是64维或128维的数据，当然，随着对特征点属性进一步的划分，表征特征点的特征描述信息可以是其他维度的参数。作为示例，特征描述信息可以包括尺度和旋转。
[0192]作为一种优选实施例，本发明实施例的第三计算单元55的构成如图6所示；图6为本发明实施例的智能设备中第三计算单元的组成结构示意图，如图6所示，本发明实施例的第三计算单元55包括:划分子单元550和并行计算子单元551，其中:
[0193]划分子单元550，用于将每个所述第一信息集合中的第一信息中的第一子信息中的所述第一对象集合中的所有第一集合按空间位置划分为至少两个以上的部分；
[0194]并行计算子单元551，用于根据所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息以及所述智能设备在环境中的第一位置信息，并行计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息。
[0195]计算连续的多个图像信息帧的重合部分的各特征点的相对于智能设备的图像采集单元的位置信息后，根据采集图像信息帧的时刻对应的智能设备在全局坐标系中的位置信息，计算连续的多个图像信息帧的重合部分的各特征点在全局坐标系中的位置信息。
[0196]针对从每一图像信息帧提取的特征点集合，按特征点的空间位置划分为多个区域，如划分为四个区域、八个区域、十六个区域等。为保证特征点集合划分的比较均匀，可按特征点集合中所有特征点的坐标值，确定出能涵盖特征点集合中所有特征点的正方体空间，将正方体空间划分为四个相同的子正方体；可以每个子正方体为单位，并行地计算每个子正方体中的特征点的位置信息。
[0197]需要说明的是，为保证特征点集合中的每一特征点都不被遗漏地被计算，所划分的子正方体之间可以有重合的区域。
[0198]需要说明的是，本实例是以正方体为例对特征点集合进行了区域划分，也可以是其他划分方式，如按特征点集合中特征点的数量进行划分等。考虑到环境信息的创建特点，最好按正方体空间对特征点集合进行区域划分。
[0199]作为一种优选实施例，本发明实施例的优化处理单元56的构成如图7所示；图7为本发明实施例的智能设备中优化处理单元56的组成结构示意图，如图7所示，本发明实施例的优化处理单元包括:建立子单元560、确定子单元561、筛选子单元562和计算子单元563，其中:
[0200]建立子单元560，用于为所计算的所述至少两个以上的所述第一信息中的第一子信息中的相同的第一对象的第三位置信息建立高斯模型；
[0201]确定子单元561，用于确定所述相同的第一对象的第三位置信息的高斯分布特性；
[0202]筛选子单元562，用于根据所述相同的第一对象的第三位置信息的高斯分布特性筛除方差超出设定阈值的超出所述相同的第一对象的第三位置信息；
[0203]计算子单元563，用于计算剩余的所述相同的第一对象的第三位置信息的平均值。
[0204]这里，平均值包括加权平均值或算术平均值。
[0205]由于智能设备在移动过程中会存在位置信息计算误差，因此，通过第三计算单元55计算的特征点的位置信息会存在较大的误差，本示例需对前述步骤计算的特征点的第三位置信息进行优化处理，具体地，对所计算相同特征点的各位置信息，求算术平均或加权平均等，作为该相同特征点的最终位置信息。
[0206]通过对相同特征点的全局坐标位置信息建立高斯模型，确定出相同特征点的全局坐标位置信息高斯分布状态，并筛除掉远离高斯分布均线的特征点的全局坐标位置信息。这些远离高斯分布均线的特征点的全局坐标位置信息可以视作误差较大的计算结果，如可能存在计算错误等。
[0207]本示例中，相同特征点的判断，可以通过特征点的RGB信息或特征描述信息等进行确定。例如特征点的对应RGB信息完全相同时，确定特征点相同，或者，特征点的特征描述信息中的每一项均匹配时，确定特征点相同。
[0208]作为一种优选实施例，本发明实施例的第一计算单元51的构成如图8所示；图8为本发明实施例的智能设备中第一计算单元51的组成结构示意图，如图8所示，本发明实施例的第一计算单元51包括:矫正子单元510、确定子单元511和计算子单元512，其中:
[0209]矫正子单元510，用于分别对所述智能设备的水平移动方向及垂直移动方向进行距离矫正；
[0210]确定子单兀512,用于确定获取第一信息集合中所有第一信息的时刻信息；
[0211]计算子单元513，用于根据所述智能设备距离矫正前的第一位置信息、所确定时刻信息、水平移动方向及垂直移动方向的矫正距离，计算所述智能设备在获取第一信息集合中所有第一信息的时刻的第一位置信息。
[0212]具体地，对于智能设备而言，一般会设置有确定智能设备位移的运动控制系统，例如可以在智能机器人的左右驱动轮两侧分别安装增量式旋转编码器，实时测定智能机器人单位时间内左右轮行走的距离，并由两轮的行走距离通过计算可以得出机器人的位姿坐标。并计算出智能机器人位姿中的角度值，通过差动驱动智能机器人的原理，即可确定出智能机器人在其所处环境中的位置信息。
[0213]本领域技术人员应当理解，本发明实施例的智能设备中各处理单元及其子单元的功能，可参照前述的信息处理的方法的相关描述而理解，本发明实施例的智能设备中各处理单元及其子单元，可通过实现本发明实施例所述的功能的模拟电路而实现，也可以通过执行本发明实施例所述的功能的软件在智能设备上的运行而实现。
[0214]本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
[0215]在本发明所提供的几个实施例中，应该理解到，所揭露的方法和智能设备，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如:多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0216]上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。
[0217]另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
[0218]本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括:移动存储设备、只读存储器(ROM, Read-Only Memory)、随机存取存储器(RAM, Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0219]或者，本发明实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的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，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM, Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0220]以上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉本【技术领域】的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
【权利要求】
1.一种信息处理的方法，应用于智能设备中；其特征在于，所述方法包括: 获取第一信息集合及对应于所述第一信息集合的第二信息集合； 计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息； 从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息； 从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合； 根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息； 根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息； 对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息，包括: 将每个所述第一信息集合中的第一信息中的第一子信息中的所述第一对象集合中的所有第一集合按空间位置划分为至少两个以上的部分； 根据所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息以及所述智能设备在环境中的第一位置信息，并行计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息。
3.根据权利要求1所述的方法，其特征在于，所述对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，包括: 为所计算的所述至少两个以上的所述第一信息中的第一子信息中的相同的第一对象的第三位置信息建立高斯模型； 确定所述相同的第一对象的第三位置信息的高斯分布特性； 根据所述相同的第一对象的第三位置信息的高斯分布特性筛除方差超出设定阈值的超出所述相同的第一对象的第三位置信息； 计算剩余的所述相同的第一对象的第三位置信息的平均值。
4.根据权利要求1所述的方法，其特征在于，所述计算第一信息集合中各第一信息对应的所述智能设备在环境中的第一位置信息，包括: 分别对所述智能设备的水平移动方向及垂直移动方向进行距离矫正； 确定获取第一信息集合中所有第一信息的时刻信息； 根据所述智能设备距离矫正前的第一位置信息、所确定时刻信息、水平移动方向及垂直移动方向的矫正距离，计算所述智能设备在获取第一信息集合中所有第一信息的时刻的第一位置信息。
5.根据权利要求1至4任一项所述的方法，其特征在于， 所述第一信息集合包括:所述智能设备采集的图像信息帧的集合； 所述第二信息集合包括:对应于各图像信息帧的深度信息的集合； 所述第一位置信息包括:所述智能设备在全局坐标系中的位置信息； 所述第二位置信息包括:第一对象相对于所述智能设备的相对位置信息； 所述第一对象包括:从所述图像信息帧中提取的特征点； 所述第一对象集合包括:图像信息帧中的所有特征点； 所述第三位置信息包括:特征点在全局坐标系中的位置信息。
6.一种智能设备；其特征在于，所述智能设备包括:第一获取单元、第一计算单元、第二获取单元、第三获取单元、第二计算单元、第三计算单元和优化处理单元，其中: 第一获取单元，用于获取第一信息集合及对应于所述第一信息集合的第二信息集合；第一计算单元，用于计算获取第一信息集合中各第一信息时对应的所述智能设备在环境中的第一位置信息； 第二获取单元，用于从所述第一信息集合中的至少两个以上的第一信息中分别获取第一子信息； 第三获取单元，用于从所述至少两个以上的所述第一信息中的第一子信息中分别获取第一对象集合； 第二计算单元，用于根据与第一信息集合中的第一信息对应的所述第二信息集合中的第二信息，分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息； 第三计算单元，根据所述第二位置信息及所述智能设备在环境中的第二位置信息分别计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息； 优化处理单元，用于对所计算的所述至少两个以上的所述第一信息中的第一子信息中的所述第一对象集合中相同的第一对象的第三位置信息进行优化处理，得到所述相同的第一对象的第四位置信息，作为所述相同的第一对象的位置信息。
7.根据权利要求6所述的智能设备，其特征在于，所述第三计算单元包括:划分子单元和并行计算子单元，其中: 划分子单元，用于将每个所述第一信息集合中的第一信息中的第一子信息中的所述第一对象集合中的所有第一集合按空间位置划分为至少两个以上的部分； 并行计算子单元，用于根据所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第二位置信息以及所述智能设备在环境中的第一位置信息，并行计算所述至少两个以上的所述第一信息中的第一子信息中的第一对象集合中的每个第一对象的第三位置信息。
8.根据权利要求6所述的智能设备，其特征在于，所述优化处理单元包括:建立子单元、确定子单元、筛选子单元和计算子单元，其中: 建立子单元，用于为所计算的所述至少两个以上的所述第一信息中的第一子信息中的相同的第一对象的第三位置信息建立高斯模型； 确定子单元，用于确定所述相同的第一对象的第三位置信息的高斯分布特性； 筛选子单元，用于根据所述相同的第一对象的第三位置信息的高斯分布特性筛除方差超出设定阈值的超出所述相同的第一对象的第三位置信息； 计算子单元，用于计算剩余的所述相同的第一对象的第三位置信息的平均值。
9.根据权利要求6所述的智能设备，其特征在于，所述第一计算单元包括:矫正子单元、确定子单元和计算子单元，其中: 矫正子单元，用于分别对所述智能设备的水平移动方向及垂直移动方向进行距离矫正； 确定子单元，用于确定获取第一信息集合中所有第一信息的时刻信息； 计算子单元，用于根据所述智能设备距离矫正前的第一位置信息、所确定时刻信息、水平移动方向及垂直移动方向的矫正距离，计算所述智能设备在获取第一信息集合中所有第一信息的时刻的第一位置信息。
10.根据权利要求6至9任一项所述的智能设备，其特征在于， 所述第一信息集合包括:所述智能设备采集的图像信息帧的集合； 所述第二信息集合包括:对应于各图像信息帧的深度信息的集合； 所述第一位置信息包括:所述智能设备在全局坐标系中的位置信息； 所述第二位置信息包括:第一对象相对于所述智能设备的相对位置信息； 所述第一对象包括:从所述图像信息帧中提取的特征点； 所述第一对象集合包括:图像信息帧中的所有特征点； 所述第三位置信息包括:特征点在全局坐标系中的位置信息。
【文档编号】G06T7/00GK104424637SQ201310392816
【公开日】2015年3月18日 申请日期:2013年9月2日 优先权日:2013年9月2日
【发明者】宋爽 申请人:联想(北京)有限公司