[发明专利]一种定位方法、装置及移动设备

说明书

本申请提供一种定位方法、装置及移动设备，其中，所述方法包括：获取移动设备在目标环境下采集的相邻两帧图像；将所述两帧图像中后采集的图像输入到第一深度学习模型中，得到所述移动设备的第一定位结果，以及，基于所述两帧图像和所述移动设备的上次综合定位结果，确定所述移动设备的第二定位结果；基于所述第一定位结果和所述第二定位结果确定所述移动设备的综合定位结果。本申请可以实现仅依赖于模型本身，而无需依赖于庞大的特征库进行定位，可以提高定位方案的可行性，并且，可以提高定位方案的准确性。

技术领域

本申请涉及信息处理技术领域，尤其涉及一种定位方法、装置及移动设备。

背景技术

随着配送行业的迅猛发展，无人配送技术也日益受到人们的关注。由于无人车、无人机或配送机器人等移动设备可对其周围环境进行感知，对行驶路径进行规划，因而用户可以根据实际环境选取相应的移动设备配送货物，进而可以解决偏远山区、交通拥堵的城市等环境货物配送难度大的问题。

上述移动设备在自动驾驶过程中，需要对自身进行准确地定位，以执行环境感知、路径规划等操作。而现有的定位方案，如基于视觉的即时定位与地图构建VSLAM技术等，通常需要基于每帧图像进行定位，且依赖从每帧图像中提取特征点后形成的庞大的特征点库，即定位的范围越大，所需特征点库的数据越多，进而导致定位方案可行性较低，且由于仅基于每帧图像进行定位，因而导致定位准确性也较低。

发明内容

有鉴于此，本申请提供一种定位方法、装置及移动设备，可以提高定位方案的可行性，并提高定位的准确性。

具体地，本申请是通过如下技术方案实现的：

根据本申请的第一方面，提出了一种定位方法，包括：

获取移动设备在目标环境下采集的相邻两帧图像；

将所述两帧图像中后采集的图像输入到第一深度学习模型中，得到所述移动设备的第一定位结果，以及，基于所述两帧图像和所述移动设备的上次综合定位结果，确定所述移动设备的第二定位结果；

基于所述第一定位结果和所述第二定位结果确定所述移动设备的综合定位结果。

在一实施例中，所述第一深度学习模型根据以下步骤训练得到：

获取目标环境的多帧样本图像；

确定每帧所述样本图像对应的定位结果；

将所述多帧样本图像以及每帧所述样本图像对应的定位结果作为训练集，训练第一深度学习模型。

在一实施例中，所述基于所述两帧图像和所述移动设备的上次综合定位结果，确定所述移动设备的第二定位结果，包括：

将所述两帧图像输入第二深度学习模型中，得到所述移动设备的动作预估结果；

基于所述动作预估结果和所述移动设备的上次综合定位结果，确定所述移动设备当前的第二定位结果。

在一实施例中，所述第二深度学习模型根据以下步骤训练得到：

获取移动设备采集的目标环境下的连续多帧样本图像；

确定所述多帧样本图像中每相邻两帧样本图像对应的动作预估结果；

将所述多帧样本图像以及所述每相邻两帧样本图像对应的动作预估结果作为训练集，训练第二深度学习模型。

在一实施例中，所述基于所述第一定位结果和所述第二定位结果确定所述移动设备的综合定位结果，包括：

基于卡尔曼滤波原理，将所述第一定位结果与所述第二定位结果进行融合，得到所述移动设备的综合定位结果。