本发明涉及通信领域，特别是涉及一种移动机器人的陀螺仪数据校正方法、装置和设备。
背景技术：
随着智能化产品的不断发展，人们对智能家居产品的需求度大大提升，智能扫地机器人已经逐渐走进我们的生活，其凭借一定的人工智能，能够自动在房间内完成地面清理工作，极大的方便了人们的生活。
传统技术中，移动机器人在进行回环检测后，对移动机器人的雷达传感器记录的所有关键帧数据进行全局优化操作，从而获取到优化后的移动机器人在当前帧内的位姿信息，并根据当前帧内的位姿信息，对移动机器人的陀螺仪数据进行校正，进而消除累积误差对陀螺仪数据校正的干扰。
但是，现有技术中的全局优化操作计算量大且计算时间长，导致移动机器人的陀螺仪数据校正的实时性较差。
技术实现要素：
基于此，有必要针对传统技术中的全局优化操作计算量大且计算时间长，导致移动机器人的陀螺仪数据校正的实时性较差问题，提供一种移动机器人的陀螺仪数据校正方法、装置和设备。
第一方面，本发明实施例提供一种移动机器人的陀螺仪数据校正方法，包括：
对当前帧的激光雷达数据进行回环检测；
若回环检测成功，则采用迭代最近点icp算法，根据移动机器人的y个关键帧的初始估计位置、y个所述关键帧的激光雷达点集、y个所述关键帧的初始估计角度、所述移动机器人的当前帧的激光雷达点集，确定所述当前帧的y个待选估计位姿信息；
根据每个所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定所述当前帧的每个待选估计位姿的量化值；
根据y个所述量化值中的最大量化值对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
在其中一个实施例中，采用迭代最近点icp算法，所述根据所述移动机器人的y个关键帧的初始估计位置、y个所述关键帧的激光雷达点集、y个所述关键帧的初始估计角度、所述移动机器人的当前帧的激光雷达点集，确定所述当前帧的y个待选估计位姿信息，包括：
采用所述icp算法，根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集和所述关键帧的初始估计位置，确定所述当前帧的初始估计位置；
根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集、所述关键帧的初始估计位置、所述关键帧的初始估计角度和所述当前帧的初始估计位置，确定所述当前帧的初始估计角度；
根据所述当前帧的初始估计位置和所述当前帧的初始估计角度确定所述当前帧的待选估计位姿信息。
在其中一个实施例中，所述采用所述icp算法，根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集确定和所述关键帧的初始估计位置，确定所述当前帧的初始估计位置，包括：
采用所述icp算法，根据所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定估计矩阵；所述估计矩阵包括旋转矩阵和平移矩阵；
根据所述估计矩阵和所述关键帧的初始估计位置确定所述当前帧的初始估计位置。
在其中一个实施例中，所述根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集、所述关键帧的初始估计位置、所述关键帧的初始估计角度和所述当前帧的初始估计位置，确定所述当前帧的初始估计角度，包括：
根据所述关键帧的激光雷达点集，确定所述关键帧的激光雷达数据中心点；
根据所述当前帧的激光雷达点集，确定所述当前帧的激光雷达数据中心点；
根据所述关键帧的激光雷达数据中心点、所述当前帧的激光雷达数据中心点、所述关键帧的初始估计位置、所述关键帧的初始估计角度和所述当前帧的初始估计位置，确定所述当前帧的初始估计角度。
在其中一个实施例中，所述根据所述关键帧的激光雷达点集，确定所述关键帧的激光雷达数据中心点与根据所述当前帧的激光雷达点集，确定所述当前帧的激光雷达数据中心点，包括：
根据公式
根据公式
在其中一个实施例中，所述根据所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定所述当前帧的每个待选估计位姿的量化值，包括：
分别对y个所述关键帧的激光雷达点集进行旋转平移变换操作，获得y个变换激光雷达点集；
根据每个所述变换激光雷达点集、所述当前帧的激光雷达点集和第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目；
根据每个所述变换激光雷达点集中的内点数目和外点数目，确定所述当前帧的每个待选估计位姿的量化值。
在其中一个实施例中，所述根据所述变换激光雷达点集、所述当前帧的激光雷达点集和第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目，包括：
根据所述变换激光雷达点集和所述当前帧的激光雷达点集，确定所述变换激光雷达点集中的每个数据点对应的第三距离；所述第三距离为所述变换激光雷达点集中的所述数据点与所述当前帧的激光雷达点集中的数据点之间的最小距离；
根据所述第三距离和所述第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目。
在其中一个实施例中，所述根据所述第三距离和所述第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目，包括：
若所述第三距离小于所述第一预设阈值，则确定所述变换激光雷达点集中的点为内点；
若所述第三距离大于三倍的所述第一预设阈值，则确定所述变换激光雷达点集中的点为外点；
根据每个所述变换激光雷达点集中的内点和外点，确定每个所述变换激光雷达点集中的内点数目和外点数目。
在其中一个实施例中，根据每个所述变换激光雷达点集中的内点数目和外点数目，确定所述当前帧的每个待选估计位姿的量化值，包括：
根据第i个变换激光雷达点集中的内点数目和外点数目，确定第i个变换激光雷达点集对应的内点数目与外点数目的比值；其中，1≤i≤y；
判断所述第i个变换激光雷达点集对应的内点数目与外点数目的比值是否小于第二预设阈值，得到判断结果；
根据所述判断结果，确定所述变换激光雷达点集的量化值；
将y个所述变换激光雷达点集的量化值的和，确定为所述当前帧的第j个待选估计位姿的量化值；其中，1≤j≤y。
在其中一个实施例中，所述根据所述判断结果，确定所述变换激光雷达点集的量化值，包括：
若所述判断结果为所述第i个变换激光雷达点集对应的内点数目与外点数目的比值小于所述第二预设阈值，则确定所述第i个变换激光雷达点集对应的内点数目与外点数目的比值为所述变换激光雷达点集中的量化值；
若所述判断结果为所述第i个变换激光雷达点集对应的内点数目与外点数目的比值不小于所述第二预设阈值，则确定所述第二预设阈值为所述变换激光雷达点集中的量化值。
在其中一个实施例中，所述根据y个所述量化值中的最大量化值对应的待选估计位姿，对所述移动机器人的陀螺仪数据进行校正，包括：
若所述最大量化值大于第三预设阈值，则根据所述最大量化值对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
在其中一个实施例中，所述根据最大量化值对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正，包括：
根据目标关键帧的激光雷达数据中心点、所述目标关键帧的初始估计位置、所述目标关键帧的初始估计角度、所述当前帧的激光雷达数据中心点、所述当前帧的初始估计位置，确定所述当前帧的修正估计角度；所述目标关键帧为所述最大量化值对应的关键帧；
根据所述当前帧的修正估计角度和所述目标关键帧对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
第二方面，本发明实施例提供一种移动机器人的陀螺仪数据校正装置，包括：
回环检测模块，用于对当前帧的激光雷达数据进行回环检测；
第一确定模块，用于当回环检测成功时，则采用迭代最近点icp算法，根据所述移动机器人的y个关键帧的初始估计位置、y个所述关键帧的激光雷达点集、y个所述关键帧的初始估计角度、所述移动机器人的当前帧的激光雷达点集，确定所述当前帧的y个待选估计位姿信息；
第二确定模块，用于根据所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定所述当前帧的每个待选估计位姿的量化值；
校正模块，用于根据y个所述量化值中的最大量化值对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
第三方面，本发明实施例提供一种设备，包括存储器、处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例中所述方法的步骤。
本实施例提供的移动机器人的陀螺仪数据校正方法、装置和设备，能够使得移动机器人采用icp算法，根据y个关键帧的初始估计位置、y个关键帧的激光雷达点集、y个关键帧的初始估计角度、移动机器人的当前帧的激光雷达点集，确定当前帧的y个待选估计位姿信息，并根据每个关键帧的激光雷达点集和当前帧的激光雷达点集，确定出当前帧的每个待选估计位姿的量化值，将确定出的y个量化值中的最大量化值对应的待选估计位姿信息，对移动机器人的陀螺仪数据进行校正。相较于全局优化算法，icp算法的实现方式具有步骤简单、算法复杂度低的特点，因此，采用icp算法确定出其当前帧的y个待选估计位姿可以减少计算量，缩短计算时间，从而提高了陀螺仪数据校正的实时性。同时，根据y个量化值中的最大量化值对应的待选估计位姿信息，对移动机器人的陀螺仪数据进行校正，相当于选取了最优待选估计位姿对陀螺仪数据进行校正，大大提高了对陀螺仪数据校正的精确度，从而能够实现对陀螺仪数据更快速、更准确的校正，提高了系统工作的鲁棒性。
附图说明
图1为本发明实施例提供的移动机器人的陀螺仪数据校正方法应用的系统架构图；
图2为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图；
图3为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图；
图4为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图；
图5为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图；
图6为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图；
图7为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图；
图8为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图；
图9为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图；
图10为一实施例提供的移动机器人的陀螺仪数据校正装置的结构示意图；
图11为一实施例提供的移动机器人的陀螺仪数据校正装置的结构示意图；
图12为一实施例提供的移动机器人的陀螺仪数据校正装置的结构示意图；
图13为一实施例提供的移动机器人的陀螺仪数据校正装置的结构示意图；
图14为一实施例提供的一种设备的结构示意图。
具体实施方式
本发明实施例提供的移动机器人的陀螺仪数据校正方法，可以适用于图1所示的系统中。如图1所示，该系统可以包括机器人11、服务器12以及终端13。可选的，该机器人11可以是扫地机器人，可以是移动机器人；可选的，该服务器12可以是云端服务器，可以是远程服务器；可选的，该终端13可以为手机、平板电脑、pda(personaldigitalassistant，个人数字助理)等具有任何上网功能的智能终端，本发明对终端、服务器的具体类型并不做限定。
传统的移动机器人是对雷达传感器记录的所有关键帧数据根据全局优化操作，从而获取到优化后的移动机器人在当前帧内的位姿，并根据当前帧内的位姿，对移动机器人的陀螺仪数据进行校正，但是该数据校正方法中的全局优化操作计算量大其计算时间长，导致移动机器人对陀螺仪数据校正的实时性较差。为此，本发明提供的数据校正方法，旨在解决上述传统技术中存在的技术问题。
本发明实施例提供的移动机器人的陀螺仪数据校正方法不仅可以实现对移动机器人的当前帧的估计位姿的快速估算，完成对陀螺仪数据的更快速校正，提高了移动机器人系统工作的鲁棒性和定位的准确性。因此，本发明实施例提供的移动机器人不仅可以适用于工业、农业、医疗、服务等行业，而且在城市安全、国防和空间探测等有害与危险的场合也得到了很好的应用。
需要说明的是，下述方法实施例的执行主体可以是移动机器人、终端、服务器中的任意一个。下述方法实施例的执行主体以机器人为例来进行说明。
为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图2为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图。本实施例涉及的是移动机器人采用迭代最近点算法，根据y个关键帧的初始估计位置、y个关键帧的激光雷达点集、y个关键帧的初始估计角度、当前帧的激光雷达点集，确定当前帧的y个待选估计位姿信息，并确定当前帧的每个待选估计位姿的量化值，根据最大量化值对应的待选估计位姿信息，对移动机器人的陀螺仪数据进行校正的具体过程。如图2所示，该方法包括：
s101、对当前帧的激光雷达数据进行回环检测。
具体的，当激光雷达传感器获取到当前帧的激光雷达数据时，检测是否存在与当前帧的激光雷达数据匹配的关键帧的激光雷达数据。
s102、若回环检测成功，则采用迭代最近点(iterativeclosestpoint，简称icp)算法，根据移动机器人的y个关键帧的初始估计位置、y个所述关键帧的激光雷达点集、y个所述关键帧的初始估计角度、所述移动机器人的当前帧的激光雷达点集，确定所述当前帧的y个待选估计位姿信息。
具体的，移动机器人通过激光雷达传感器获取到当前帧的激光雷达点集，并在回环检测成功后，获取到与当前帧的激光雷达点集匹配的x个关键帧，并从x个关键帧中随机选取y个关键帧，由于这些关键帧的激光雷达点集与当前帧的的激光雷达点集的相似度极高，因此根据y个关键帧中的激光雷达数据信息来确定当前帧的y个待选估计位姿信息。
其中，关键帧的初始估计位置为根据激光雷达传感器在关键帧时刻获取到的数据确定的移动机器人的初始位置，关键帧的激光雷达点集为激光雷达传感器在关键帧获取到的数据点组成的集合，关键帧的初始估计角度为根据激光雷达传感器在关键帧时刻获取到的数据确定的移动机器人的角度信息，移动机器人的当前帧的激光雷达点集包括激光雷达传感器在当前帧获取到的数据点组成的集合，其中，激光雷达传感器的每一帧的时长为激光雷达传感器旋转一周的时长。
需要说明的是，移动机器人采用icp算法，并根据移动机器人的y个关键帧的初始估计位置、y个关键帧的激光雷达点集、y个关键帧的初始估计角度以及移动机器人的当前帧的激光雷达点集，确定出当前帧的y个待选估计位姿信息，但对于icp算法的具体实现方式和流程不加以限制。
可选的，该激光雷达点集可以为激光雷达数据组成的集合，也可以是视觉的图像点组成的集合。
s103、根据每个所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定所述当前帧的每个待选估计位姿的量化值。
具体的，移动机器人在确定出当前帧的y个待选估计位姿信息之后，其可以根据每个关键帧的激光雷达点集和当前帧的激光雷达点集，确定当前帧的每个待选估计位姿的量化值，并遍历当前帧的y个待选估计位姿，确定出y个待选估计位姿对应的量化值。
例如，可以根据关键帧的激光雷达点集中的数据点和当前帧的激光雷达点集中的数据点之间的相对位置确定每个待选估计位姿的量化值，相对位置越近，则该量化值越大，相对位置越远，则该量化值越小。
s104、根据y个所述量化值中的最大量化值对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
具体的，可以将y个量化值按照从大到小的顺序进行排序，将排在第一位的量化值确定为最大量化值；或者，采用冒泡排序方法对y个量化值排序，确定最大量化值，根据最大量化值对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
本实施例提供的数据校正方法，移动机器人对当前帧的激光雷达数据进行回环检测，当回环检测成功后，采用icp算法，根据y个关键帧的初始估计位置、y个关键帧的激光雷达点集、y个关键帧的初始估计角度、移动机器人的当前帧的激光雷达点集，确定当前帧的y个待选估计位姿信息，并根据每个关键帧的激光雷达点集和当前帧的激光雷达点集，确定出当前帧的每个待选估计位姿的量化值，将确定出的y个量化值中的最大量化值对应的待选估计位姿信息，对移动机器人的陀螺仪数据进行校正。相较于全局优化算法，icp算法的实现方式具有步骤简单、算法复杂度低的特点，因此，采用icp算法确定出其当前帧的y个待选估计位姿可以减少计算量，缩短计算时间，从而提高了陀螺仪数据校正的实时性。同时，根据y个量化值中的最大量化值对应的待选估计位姿信息，对移动机器人的陀螺仪数据进行校正，相当于选取了最优待选估计位姿对陀螺仪数据进行校正，大大提高了对陀螺仪数据校正的精确度，从而能够实现对陀螺仪数据更快速、更准确的校正，提高了系统工作的鲁棒性。
图3为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图。本实施例涉及的是移动机器人采用icp算法确定当前帧的y个待选估计位姿信息的具体过程。基于上述图2所示实施例的基础上，如图3所示，s102“若回环检测成功，则采用迭代最近点icp算法，根据移动机器人的y个关键帧的初始估计位置、y个所述关键帧的激光雷达点集、y个所述关键帧的初始估计角度、所述移动机器人的当前帧的激光雷达点集，确定所述当前帧的y个待选估计位姿信息”的一种实现方式可以包括：
s201、采用所述icp算法，根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集和所述关键帧的初始估计位置，确定所述当前帧的初始估计位置。
具体的，移动机器人通过激光雷达传感器获取到当前帧的激光雷达点集，并通过回环检测成功后获取到关键帧的激光雷达点集以及关键帧的初始估计位置，然后采用icp算法，根据关键帧的激光雷达点集、当前帧的激光雷达点集和关键帧的初始估计位置，确定所述当前帧的初始估计位置。
可选地，如图4所示，s201“采用所述icp算法，根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集和所述关键帧的初始估计位置，确定所述当前帧的初始估计位置”的一种可能的实现方式包括：
s301、采用所述icp算法，根据所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定估计矩阵；所述估计矩阵包括旋转矩阵和平移矩阵。
具体的，采用icp算法，根据关键帧的激光雷达点集和当前帧的激光雷达点集，确定估计矩阵，其中，估计矩阵包括旋转矩阵和平移矩阵。
可选的，本实施例中可以通过公式(ri,ti)＝icp(kfi,f)得到估计矩阵，其中，kfi表示关键帧的激光雷达点集，f表示当前帧的激光雷达点集，ri为旋转矩阵，ti为平移矩阵。
可选的，确定旋转矩阵ri和平移矩阵ti的过程如下:
根据公式
遍历所有ai，通过公式
s302、根据所述估计矩阵和所述关键帧的初始估计位置确定所述当前帧的初始估计位置。
具体的，移动机器人在确定出估计矩阵后，然后根据估计矩阵和关键帧的初始估计位置确定当前帧的初始估计位置pfi。
可选的，可以通过公式pfi＝ripkfi+ti确定当前帧的初始估计位置pfi，其中，ri为旋转矩阵，ti为平移矩阵，pkfi为关键帧的初始估计位置。
上述实施例提供的移动机器人的陀螺仪数据校正方法，采用icp算法，根据关键帧的激光雷达点集和当前帧的激光雷达点集，确定估计矩阵，并根据估计矩阵和关键帧的初始估计位置，确定出当前帧的初始估计位置。由于采用icp算法,根据关键帧的激光雷达点集和当前帧的激光雷达点集，可以快速确定估计矩阵，该算法步骤简单且使用参数少，可以快速、精确的确定出当前帧的初始估计位置。
s202、根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集、所述关键帧的初始估计位置、所述关键帧的初始估计角度和所述当前帧的初始估计位置，确定所述当前帧的初始估计角度。
具体的，移动机器人在确定出当前帧的初始估计位置之后，然后根据关键帧的激光雷达点集、当前帧的激光雷达点集、关键帧的初始估计位置、关键帧的初始估计角度，进而确定出当前帧的初始估计角度。
可选的，如图5所示，s202“根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集、所述关键帧的初始估计位置、所述关键帧的初始估计角度和所述当前帧的初始估计位置，确定所述当前帧的初始估计角度”的一种可能的实现方式包括：
s401、根据所述关键帧的激光雷达点集，确定所述关键帧的激光雷达数据中心点。
具体的，可以通过选取关键帧的激光雷达点集中的任一点作为关键帧的激光雷达数据中心点；或者，可以根据公式
s402、根据所述当前帧的激光雷达点集，确定所述当前帧的激光雷达数据中心点。
具体的，可以通过选取当前帧的激光雷达点集中的任一点作为当前帧的激光雷达数据中心点，可选的，可以根据公式
s403、根据所述关键帧的激光雷达数据中心点、所述当前帧的激光雷达数据中心点、所述关键帧的初始估计位置、所述关键帧的初始估计角度和所述当前帧的初始估计位置，确定所述当前帧的初始估计角度。
具体的，移动机器人根据关键帧的激光雷达点集，确定关键帧的激光雷达数据中心点，并根据当前帧的激光雷达点集，确定当前帧的激光雷达数据中心点，并根据关键帧的激光雷达数据中心点、当前帧的激光雷达数据中心点、关键帧的初始估计位置、关键帧的初始估计角度和当前帧的初始估计位置，确定所述当前帧的初始估计角度。
可选的，可以根据以下公式确定当前帧的初始估计角度θfi，
θ1＝atan2(p0i-pkfi)*y,(p0i-pkfi)*x)，
θ2＝atan2(p0f-pfi)*y,(p0f-pfi)*x)，
θfi＝θkfi+(θ2-θ1)，
其中，p0i为关键帧的激光雷达数据中心点，pkfi为关键帧的初始估计位置，p0f为当前帧的激光雷达数据中心点，pfi为当前帧的初始估计位置，θkfi为关键帧的初始估计角度，a为常数，x为当前帧激光雷达数据点的横坐标，y为当前帧激光雷达数据点的纵坐标。
上述实施例提供的移动机器人的陀螺仪数据校正方法，移动机器人根据关键帧的激光雷达点集，确定关键帧的激光雷达数据中心点，并根据当前帧的激光雷达点集，确定关键帧的激光雷达数据中心点，然后根据关键帧的激光雷达数据中心点、当前帧的激光雷达数据中心点、关键帧的初始估计位置以及当前帧的初始估计位置，确定出当前帧的初始估计角度。由于通过关键帧的激光雷达点集和当前帧的激光雷达点集，分别确定出了关键帧的激光雷达数据中心点和关键帧的激光雷达数据中心点，该激光雷达数据中心点具有代表性，能够反映关键帧的激光雷达点集和当前帧的激光雷达点集的整体趋势，使得确定当前帧的初始估计角度更加精确。
s203、根据所述当前帧的初始估计位置和所述当前帧的初始估计角度确定所述当前帧的待选估计位姿信息。
具体的，当移动机器人采用icp算法，根据关键帧的激光雷达点集、当前帧的激光雷达点集和关键帧的初始估计位置确定出当前帧的初始估计位置后并确定出当前帧的初始估计角度后，并根据当前帧的初始估计位置和当前帧的初始估计角度，确定当前帧的待选估计位姿信息。其中，待选估计位姿信息包括移动机器人当前帧的初始估计位置和初始估计角度。
可选的，可以通过公式posefi＝(pfi,θfi)确定当前帧的初始估计角度，其中pfi为当前帧的初始估计位置，θfi为当前帧的初始估计角度，posefi为当前帧的待选估计位姿。
本实施例提供的移动机器人的陀螺仪数据校正方法，采用icp算法，根据关键帧的激光雷达点集、当前帧的激光雷达点集和关键帧的初始估计位置，确定出当前帧的初始估计位置，并根据关键帧的初始估计角度、关键帧的激光雷达点集、当前帧的激光雷达点集、关键帧的初始估计位置和当前帧的初始估计位置，确定所述当前帧的初始估计角度，根据当前帧的初始估计位置和当前帧的初始估计角度，确定当前帧的待选估计位姿信息。由于采用icp算法，根据关键帧的激光雷达点集、当前帧的激光雷达点集和关键帧的初始估计位置，该算法步骤少且计算算法复杂度低，从而能够快速确定出当前帧的初始估计位置和初始估计角度，进而通过确定出的当前帧的初始估计位置和初始估计角度，很大程度上提高了确定当前帧的待选估计位姿信息的速度，便于更快速的对陀螺仪数据进行校正。
图6为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图。本实施例涉及的是移动机器人根据关键帧的激光雷达点集和当前帧的激光雷达点集，确定当前帧的每个待选估计位姿量化值的具体过程。在上述实施例的基础上，如图6所示，步骤103的实现方式可以包括：
s501、分别对y个所述关键帧的激光雷达点集进行旋转平移变换操作，获得y个变换激光雷达点集。
具体的，在对每个关键帧的激光雷达点集进行旋转平移变换操作时，可以通过先对该关键帧的激光雷达点集进行旋转变换操作，再对其进行平移变换操作，也可以先对该关键帧的激光雷达点集进行平移变换操作，再对其进行旋转变换操作，获得每个关键帧的变换激光雷达点集，同样，对y个关键帧的激光雷达点集进行上述旋转平移变换操作，这样，获得y个变换激光雷达点集。
可选的，可以根据上述图4实施例方法获得对应的旋转矩阵r0和平移矩阵t0，并利用计算得到的r0和t0，将关键帧中的点集中的点进行旋转平移变换，通过以下公式获得变换激光雷达点集p′：
p′＝r0p+t0，
其中，p为关键帧的激光雷达点集，r0为旋转矩阵，t0为平移矩阵。
s502、根据每个所述变换激光雷达点集、所述当前帧的激光雷达点集和第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目。
例如，可以通过变换激光雷达点集中的数据点与当前帧的激光雷达点集中的数据点之前的距离，将该距离与第一预设阈值进行对比，从而确定出每个变换激光雷达点集中的内点数目和外点数目。其中，不同的变换激光雷达点集中的内点数目和外点数目都不同。
可选地，如图7所示，s502“根据每个所述变换激光雷达点集、所述当前帧的激光雷达点集和第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目”的一种可能的实现方式包括：
s601、根据所述变换激光雷达点集和所述当前帧的激光雷达点集，确定所述变换激光雷达点集中的每个数据点对应的第三距离；所述第三距离为所述变换激光雷达点集中的所述数据点与所述当前帧的激光雷达点集中的数据点之间的最小距离。
具体的，移动机器人在对关键帧的激光雷达点集进行旋转平移变换操作，获得变换激光雷达点集后，然后根据变换激光雷达点集和当前帧的激光雷达点集，确定变换激光雷达点集中的每个数据点与当前帧的激光雷达点集中的数据点之间的最小距离，可选的，可以先选定变换激光雷达点集中的任一点，当前帧的激光雷达点集中并检索与其距离最近的的数据点，然后计算变换激光雷达点集中的该点与检索到的当前帧的激光雷达点集中的数据点之间的第三距离。
例如，可以通过以下公式计算第三距离：
其中，(x1,y1)为变换激光雷达点集中的点坐标，(x2,y2)为当前帧的激光雷达点集中的点坐标，di为第三距离。
s602、根据所述第三距离和所述第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目。
具体的，第一预设阈值为根据实际情况确定的阈值，当移动机器人根据变换激光雷达点集和当前帧的激光雷达点集，确定变换激光雷达点集中的每个数据点对应的第三距离之后，将第三距离和第一预设阈值进行比较，根据比较结果确定每个变换激光雷达点集中的内点数目和外点数目。
可选的，若第三距离小于第一预设阈值，则确定变换激光雷达点集中的点为内点；若第三距离大于三倍的第一预设阈值，则确定变换激光雷达点集中的点为外点；然后根据每个变换激光雷达点集中的内点和外点，确定每个变换激光雷达点集中的内点数目和外点数目。
例如，可以通过下述公式确定变换激光点集中的内点和外点，遍历变换激光点集中的所有点，并统计该点集中的内点数目num1和外点数目num2。
其中，pi′为变换激光雷达点集，di为第三距离，ε为第一预设阈值。
上述实施例提供的移动机器人的陀螺仪数据校正方法，移动机器人在通过对关键帧的激光雷达点集进行旋转平移变换操作后，获得变换激光雷达点集，并根据变换激光雷达点集和当前帧的激光雷达点集，确定变换激光雷达点集中的每个数据点与当前帧中的与之距离最近的激光雷达点集中的数据点对应的第三距离，然后根据第三距离和第一预设阈值之间的大小关系，确定每个变换激光雷达点集中的内点数目和外点数目。由于第三距离为所述变换激光雷达点集中的所述数据点与所述当前帧的激光雷达点集中的数据点之间的最小距离，从而使得变换激光雷达点集中的数据点与当前帧的激光雷达点集中的数据点更接近，从而更精准的确定变换激光雷达点集中的内点数目和外点数目。
s503、根据每个所述变换激光雷达点集中的内点数目和外点数目，确定所述当前帧的每个待选估计位姿的量化值。
在本实施例中，确定出变换激光雷达点集中的内点数目和外点数目之后，可以根据内点数目和外点数目的比值确定当前帧的每个待选估计位姿的量化值。
可选地，如图8所示，s503“根据每个所述变换激光雷达点集中的内点数目和外点数目，确定所述当前帧的每个待选估计位姿的量化值”的一种可能的实现方式包括：
s701、根据第i个变换激光雷达点集中的内点数目和外点数目，确定第i个变换激光雷达点集对应的内点数目与外点数目的比值；其中，1≤i≤y。
具体的，在移动机器任确定出每个变换激光雷达点集中的内点数目和外点数目之后，并对其中的第i个变换激光雷达点集中的内点数目与外点数目作商，得到相应的结果，并确定该结果为第i个变换激光雷达点集对应的内点数目与外点数目的比值。
例如，可以根据i个变换激光雷达点集pi′中的内点数目num1和外点数目num2，确定内点数目与外点数目的比值
s702、判断所述第i个变换激光雷达点集对应的内点数目与外点数目的比值是否小于第二预设阈值，得到判断结果。
具体的，移动机器人在确定出第i个变换激光雷达点集中的内点数目与外点数目的比值后，并判断该变换激光雷达点集中的内点数目与外点数目的比值与第二预设阈值之间的大小关系，得到相应的判断结果。
可选的，该判断结果可以是该变换激光雷达点集中的内点数目与外点数目的比值小于第二预设阈值，也可以是该变换激光雷达点集中的内点数目与外点数目的比值不小于第二预设阈值，也就是说，该变换激光雷达点集中的内点数目与外点数目的比值大于或等于第二预设阈值。
s703、根据所述判断结果，确定所述变换激光雷达点集的量化值。
具体的，移动机器人通过判断第i个变换激光雷达点集对应的内点数目与外点数目的比值是否小于第二预设阈值，得到相应的判断结果后，然后根据该判断结果，确定变换激光雷达点集中的量化值。
可选的，若判断结果为第i个变换激光雷达点集对应的内点数目与外点数目的比值小于第二预设阈值，则确定第i个变换激光雷达点集对应的内点数目与外点数目的比值为变换激光雷达点集中的量化值；若判断结果为第i个变换激光雷达点集对应的内点数目与外点数目的比值不小于第二预设阈值，则确定第二预设阈值为变换激光雷达点集中的量化值。
例如，可以通过下述公式确定判断结果，
其中，
s704、将y个所述变换激光雷达点集的量化值的和，确定为所述当前帧的第j个待选估计位姿的量化值；其中，1≤j≤y。
具体的，移动机器人在确定当前帧的第j个待选估计位姿的量化值时，通过确定第i个变换激光雷达点集中的内点数目和外点数目的比值，并判断该比值是否小于第二预设阈值，然后根据得到的判断结果，确定第i个变换激光雷达点集中的量化值，然后遍历y个变换激光雷达点集，这时，可以确定出y个变换激光雷达点集分别对应的y个量化值，将该y个量化值累加求和，得到相应的结果，将该结果确定为当前帧的第j个待选估计位姿的量化值。
例如，可以通过下述公式确定当前帧的第j个待选估计位姿的量化值：
其中，kfi为第i个变换激光雷达点集，fj为当前帧的激光雷达点集，posekfi为第i个变换激光雷达点集的待选估计位姿，posefj为第j个当前帧的待选估计位姿，scorej为当前帧的第j个待选估计位姿的量化值，score(kfi,fj,posekfi,posefj)为当前帧的第j个待选估计位姿对应的第i个变换激光雷达点集中的量化值。
需要说明的是，上述过程为确定当前帧对应的第j个待选估计位姿的量化值的整体过程，对于每一个待选估计位姿，均需要遍历y个关键帧，将y个关键帧的对应的y个变换激光雷达点集的量化值的和作为待选估计位姿的量化值。并遍历当前帧的每个待选估计位姿，可以确定出当前帧的y个待选估计位姿对应的y个量化值。并通过对比当前帧的y个量化值的大小，得到当前帧的最大量化值。
可选的，若最大量化值大于第三预设阈值，则根据最大量化值对应的待选估计位姿信息，对移动机器人的陀螺仪数据进行校正。
具体的，在确定出当前帧的最大量化值之后，并将该最大量化值与第三预设阈值进行对比，当最大量化值大于第三预设阈值时，根据该最大量化值对应的待选估计位姿信息对移动机器人的陀螺仪数据进行校正。
上述实施例提供的移动机器人的陀螺仪数据校正方法，移动机器人根据第i个变换激光雷达点集中的内点数目和外点数目，确定出第i个变换激光雷达点集对应的内点数目与外点数目的比值，然后判断该比值是否小于第二预设阈值，得到相应的判断结果，并根据得到的判断结果，确定第i个变换激光雷达点集的量化值，并遍历y个变换激光雷达点集，得到y个变换激光雷达点集的量化值，并将y个量化值累加的和，确定为第j个待选估计位姿的量化值，然后遍历当前帧的y个待选估计位姿，得到对应的y个量化值，确定其中的最大量化值，并将该最大量化值与第三预设阈值大小进行对比，当该最大量化值大于第三预设阈值时，最后根据确定给出的最大量化值对应的待选估计位姿信息对陀螺仪进行校正。由于移动机器人通过确定变换雷达点集中的内点数目与外点数目的比值，更好的确定内点数目与外点数目的关系，并通过将该比值与第二预设阈值进行对比，从而更精准的确定出第i个变换激光雷达点集的量化值，并将得到的y个变换激光雷达点集的量化值相加，使得确定出的第j个待选估计位姿的量化值结果更加准确，便于对陀螺仪数据进行更精准的校正。
本实施例提供的移动机器人的陀螺仪数据校正方法，移动机器人先分别对y个关键帧的激光雷达点集进行旋转平移变换操作，获得y个变换激光雷达点集，并根据每个变换激光雷达点集、当前帧的激光雷达点集和第一预设阈值，确定每个变换激光雷达点集中的内点数目和外点数目，然后根据每个变换激光雷达点集中的内点数目和外点数目，确定当前帧的每个待选估计位姿的量化值。可以根据变换激光雷达点集中的内点数目和外点数目，步精准的确定当前帧的每个待选估计位姿的量化值，使得移动机器人更加准确的判定出当前帧的最优待位姿，很大程度上提高了对陀螺仪数据校正的精准度，从而大大提高了系统的鲁棒性。
图9为一实施例提供的移动机器人的陀螺仪数据校正方法的流程示意图。本实施例涉及的是s104“移动机器人根据最大量化值对应的待选估计位姿信息，对陀螺仪数据进行校正”的具体过程。在上述实施例的基础上，如图9所示，该方法包括：
s801、根据目标关键帧的激光雷达数据中心点、所述目标关键帧的初始估计位置、所述目标关键帧的初始估计角度、所述当前帧的激光雷达数据中心点、所述当前帧的初始估计位置，确定所述当前帧的修正估计角度；所述目标关键帧为所述最大量化值对应的关键帧。
具体的，当移动机器人根据上述最大量化值对应的关键帧中的待选估计位姿信息对陀螺仪数据进行校正后，还可以进一步确定该当前帧的修正估计角度。
可选的，可以通过以下公式来确定当前帧的修正估计角度，
θ1＝atan2(p0i-pkfk)*y,(p0i-pkfk)*x)，
θ2＝atan2(p0f-pfk)*y,(p0f-pfk)*x)，
θfk＝θkfk+(θ2-θ1)，
其中，p0i为关键帧的激光雷达点集的数据中心点，pkfk为最大量化值对应的关键帧的初始估计位置，p0f为当前帧的激光雷达点集的数据中心点，pfk为最大量化值对应的当前帧的初始估计位置,θfk为最大量化值对应的关键帧的初始估计角度，θkfk为当前帧的修正估计角度，a为常数，x为当前帧激光雷达数据点的横坐标，y为当前帧激光雷达数据点的纵坐标。。
s802、根据所述当前帧的修正估计角度和所述目标关键帧对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
具体的，移动机器人在确定出当前帧的修正估计角度后，然后根据该当前帧的修正估计角度和最大量化值对应的关键帧的待选估计位姿信息，可以进一步对移动机器人的陀螺仪数据进行校正，从而进一步提高了对陀螺仪校正的准确度。
本实施例提供的移动机器人的陀螺仪数据校正方法，移动机器人先根据最大量化值对应的关键帧的激光雷达数据中心点、该关键帧的初始估计位置、该关键帧的初始估计角度、当前帧的激光雷达数据中心点、当前帧的初始估计位置，确定当前帧的修正估计角度，并根据当前帧的修正估计角度和该关键帧对应的待选估计位姿信息，对移动机器人的陀螺仪数据进行校正。由于通过确定当前帧的修正估计角度，使得对陀螺仪数据校正的精确度进一步提高。
图10为一实施例提供的一种移动机器人的陀螺仪数据校正装置的示意图。如图10所示，该装置包括：回环检测模块20、第一确定模块21、第二确定模块22和第一校正模块23。
回环检测模块20，用于对当前帧的激光雷达数据进行回环检测。
第一确定模块21，用于当回环检测成功时，则采用迭代最近点icp算法，根据所述移动机器人的y个关键帧的初始估计位置、y个所述关键帧的激光雷达点集、y个所述关键帧的初始估计角度、所述移动机器人的当前帧的激光雷达点集，确定所述当前帧的y个待选估计位姿信息。
第二确定模块22，用于根据所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定所述当前帧的每个待选估计位姿的量化值。
第一校正模块23，用于根据y个所述量化值中的最大量化值对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
本实施例提供的移动机器人的陀螺仪数据校正装置，可以执行上述图2方法实施例，其实现原理和技术效果类似，在此不再赘述。
图11为另一实施例提供的一种移动机器人的陀螺仪数据校正装置的示意图。如图11所示，在上述图10所示的实施例的基础上，第一确定模块21包括：第一确定单元211、第二确定单元212、第三确定单元213。
具体的，第一确定单元211，用于采用所述icp算法，根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集和所述关键帧的初始估计位置，确定所述当前帧的初始估计位置。
第二确定单元212，用于根据所述关键帧的激光雷达点集、所述当前帧的激光雷达点集、所述关键帧的初始估计位置、所述关键帧的初始估计角度和所述当前帧的初始估计位置，确定所述当前帧的初始估计角度。
第三确定单元213，用于根据所述当前帧的初始估计位置和所述当前帧的初始估计角度确定所述当前帧的待选估计位姿信息。
本实施例提供的移动机器人的陀螺仪数据校正装置，可以执行上述图3方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，可选的，上述第一确定单元211，具体用于采用所述icp算法，根据所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定估计矩阵；所述估计矩阵包括旋转矩阵和平移矩阵；根据所述估计矩阵和所述关键帧的初始估计位置确定所述当前帧的初始估计位置。
在其中一个实施例中，可选的，上述第二确定单元212，具体用于根据所述关键帧的激光雷达点集，确定所述关键帧的激光雷达数据中心点；根据所述当前帧的激光雷达点集，确定所述当前帧的激光雷达数据中心点；根据所述关键帧的激光雷达数据中心点、所述当前帧的激光雷达数据中心点、所述关键帧的初始估计位置、所述关键帧的初始估计位置和所述当前帧的初始估计位置，确定所述当前帧的初始估计角度。
在其中一个实施例中，可选的，上述第二确定单元212，具体用于根据公式
图12为另一实施例提供的一种移动机器人的陀螺仪数据校正装置的示意图。如图12所示，在上述图11所示的实施例的基础上，第二确定模块22包括：变换单元221、第四确定单元222、第五确定单元223。
具体的，变换单元221，用于分别对y个所述关键帧的激光雷达点集进行旋转平移变换操作，获得y个变换激光雷达点集。
第四确定单元222，用于根据每个所述变换激光雷达点集、所述当前帧的激光雷达点集和第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目。
第五确定单元223，用于根据每个所述变换激光雷达点集中的内点数目和外点数目，确定所述当前帧的每个待选估计位姿的量化值。
本实施例提供的移动机器人的陀螺仪数据校正装置，可以执行上述图6方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，可选的，上述第四确定单元222，具体用于根据所述变换激光雷达点集和所述当前帧的激光雷达点集，确定所述变换激光雷达点集中的每个数据点对应的第三距离；所述第三距离为所述变换激光雷达点集中的所述数据点与所述当前帧的激光雷达点集中的数据点之间的最小距离；根据所述第三距离和所述第一预设阈值，确定每个所述变换激光雷达点集中的内点数目和外点数目。
在其中一个实施例中，可选的，上述第四确定单元222，具体用于若所述第三距离小于所述第一预设阈值，则确定所述变换激光雷达点集中的点为内点；若所述第三距离大于三倍的所述第一预设阈值，则确定所述变换激光雷达点集中的点为外点；根据每个所述变换激光雷达点集中的内点和外点，确定每个所述变换激光雷达点集中的内点数目和外点数目。
本实施例提供的移动机器人的陀螺仪数据校正装置，可以执行上述图7方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，可选的，上述第五确定单元223，具体用于根据第i个变换激光雷达点集中的内点数目和外点数目，确定第i个变换激光雷达点集对应的内点数目与外点数目的比值；其中，1≤i≤y；判断所述第i个变换激光雷达点集对应的内点数目与外点数目的比值是否小于第二预设阈值，得到判断结果；根据所述判断结果，确定所述变换激光雷达点集的量化值；将y个所述变换激光雷达点集的量化值的和，确定为所述当前帧的第j个待选估计位姿的量化值；其中，1≤j≤y。
在其中一个实施例中，可选的，上述第五确定单元223，具体用于在所述判断结果为所述第i个变换激光雷达点集对应的内点数目与外点数目的比值小于所述第二预设阈值时，则确定所述第i个变换激光雷达点集对应的内点数目与外点数目的比值为所述变换激光雷达点集中的量化值；在所述判断结果为所述第i个变换激光雷达点集对应的内点数目与外点数目的比值不小于所述第二预设阈值时，则确定所述第二预设阈值为所述变换激光雷达点集中的量化值。
在其中一个实施例中，可选的，上述校正模块23，具体用于在所述最大量化值大于第三预设阈值时，则根据所述最大量化值对应的待选估计位姿信息，对陀螺仪数据进行校正。
本实施例提供的移动机器人的陀螺仪数据校正装置，可以执行上述图8方法实施例，其实现原理和技术效果类似，在此不再赘述。
图13为另一实施例提供的一种移动机器人的陀螺仪数据校正装置的示意图。如图13所示，在上述实施例的基础上，上述校正模块23还包括：第六确定单元231、第一校正单元232。
具体的，第六确定单元231，用于根据目标关键帧的激光雷达数据中心点、所述目标关键帧的初始估计位置、所述目标关键帧的初始估计角度、所述当前帧的激光雷达数据中心点、所述当前帧的初始估计位置，确定所述当前帧的修正估计角度；所述目标关键帧为所述最大量化值对应的关键帧。
第一校正单元232，用于根据所述当前帧的修正估计角度和所述目标关键帧对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
本实施例提供的移动机器人的陀螺仪数据校正装置，可以执行上述图9方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于控制数据校正的装置的具体限定可以参见上文中对于数据校正的方法的限定，在此不再赘述。上述数据校正的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于机器人中的处理器中，也可以以软件形式存储于机器人中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种设备，其内部结构图可以如图14所示。该机器人可以包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该机器人的处理器用于提供计算和控制能力。该机器人的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该机器人的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种数据的校正方法。该机器人的显示屏可以是液晶显示屏或者电子墨水显示屏，该机器人的输入装置可以是显示屏上覆盖的触摸层，也可以是机器人外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的机器人的限定，具体的机器人可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
对当前帧的激光雷达数据进行回环检测；
若回环检测成功，则采用迭代最近点icp算法，根据移动机器人的y个关键帧的初始估计位置、y个所述关键帧的激光雷达点集、y个所述关键帧的初始估计角度、所述移动机器人的当前帧的激光雷达点集，确定所述当前帧的y个待选估计位姿信息；
根据每个所述关键帧的激光雷达点集和所述当前帧的激光雷达点集，确定所述当前帧的每个待选估计位姿的量化值；
根据y个所述量化值中的最大量化值对应的待选估计位姿信息，对所述移动机器人的陀螺仪数据进行校正。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上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。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。