[发明专利]位姿信息估计方法、装置和可移动设备

权利要求书

1.一种位姿信息估计方法，用于估计处于工作环境中的可移动设备的位姿信息，所述可移动设备包括环境传感器和运动传感器，所述方法包括：

接收由所述环境传感器获取的所述工作环境的样本数据；

经由多层深度学习模型，提取所述样本数据中的特征表示，并根据所述特征表示来估计所述可移动设备的位姿信息；以及

输出所述位姿信息；

其中，经由多层深度学习模型，提取所述样本数据中的特征表示，并根据所述特征表示来估计所述可移动设备的位姿信息，包括：

经由深度学习特征模型，提取所述样本数据中的特征表示；

接收由所述运动传感器获取的所述可移动设备的运动数据；

经由深度学习位姿模型，根据所述特征表示和所述运动数据来估计所述可移动设备的位姿信息；以及

基于特定条件来触发执行回环检测，经由深度学习回环模型，根据所述特征表示和已经估计出的所述可移动设备的位姿信息来检测所述可移动设备在所述工作环境中的行走路径是否出现回环，并且根据回环检测结果来校正已经估计出的所述可移动设备的位姿信息。

2.如权利要求1所述的方法，其中，所述深度学习特征模型和所述深度学习位姿模型是离线训练好的，并且所述深度学习回环模型是在线训练的。

3.如权利要求2所述的方法，其中，经由多层深度学习模型，提取所述样本数据中的特征表示，并根据所述特征表示来估计所述可移动设备的位姿信息，还包括：

响应于判断出所述行走路径未出现回环，使用所述特征表示和已经估计出的所述可移动设备的位姿信息来对所述深度学习回环模型进行在线训练；以及

响应于判断出所述行走路径出现回环，使用所述特征表示和校正后的位姿信息来对所述深度学习回环模型进行在线训练。

4.如权利要求1所述的方法，其中，经由多层深度学习模型，提取所述样本数据中的特征表示，并根据所述特征表示来估计所述可移动设备的位姿信息，还包括：

响应于判断出所述行走路径出现回环，使用所述特征表示和校正后的位姿信息来更新所述深度学习位姿模型。

5.如权利要求1所述的方法，其中，经由所述深度学习位姿模型，根据所述特征表示和所述运动数据来估计所述可移动设备的位姿信息，包括：

响应于提取到当前样本数据中的特征表示，获取所述当前样本数据之前预定数目的先前样本数据中的特征表示；以及

经由所述深度学习位姿模型，根据所述先前样本数据中的特征表示、所述当前样本数据中的特征表示、和所述可移动设备的当前运动数据来估计所述可移动设备在获取所述当前样本数据时的当前绝对位姿。

6.如权利要求5所述的方法，其中，经由所述深度学习位姿模型，根据所述先前样本数据中的特征表示、所述当前样本数据中的特征表示、和所述可移动设备的当前运动数据来估计所述可移动设备在获取所述当前样本数据时的当前绝对位姿，包括：

经由所述深度学习位姿模型，根据所述先前样本数据中的特征表示、所述当前样本数据中的特征表示、和所述可移动设备的当前运动数据来估计所述可移动设备在获取所述当前样本数据时与在获取前一样本数据时相比的当前相对位姿；

读取已经估计出的所述可移动设备在获取所述前一样本数据时的前一绝对位姿；以及

根据所述当前相对位姿和所述前一绝对位姿来计算所述当前绝对位姿。

7.如权利要求5所述的方法，其中，经由深度学习回环模型，根据所述特征表示和已经估计出的所述可移动设备的位姿信息来检测所述可移动设备在所述工作环境中的行走路径是否出现回环，包括：

经由深度学习回环模型，根据所述当前样本数据中的特征表示和所述当前绝对位姿来生成当前出现回环的置信度和对应的校正位姿；以及

如果所述置信度大于或等于一阈值，则判断出所述行走路径当前出现回环；

如果所述置信度小于所述阈值，则判断出所述行走路径当前未出现回环。