[發明專利]一種基于激光里程計算的激光數據驗證方法及裝置

有效

• 申請號: 202010551218.1
• 申請日: 2020-06-17
• 公開（公告）號: CN111458699B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 李夢男;支濤
• 申請（專利權）人: 北京云跡科技有限公司
• 主分類號: G01S11/12
• 分類號: G01S11/12;G01C22/00;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李飛

本申請實施例提供一種基于激光里程計算的激光數據驗證方法及裝置，涉及智能測距領域，該方法包括：獲取實時激光數據；根據預設的人工智能模型對實時激光數據進行特征提取處理，得到激光特征集合；將激光特征集合輸入至預設的支持向量機分類器中進行分類驗證，得到分類驗證結果；分類驗證結果用于表示實時激光數據是否能夠計算激光里程。可見，實施這種實施方式，能夠根據激光數據確定激光里程計是否可以正常使用，從而保證了激光里程的準確獲取，避免智能機器人的定位失準的問題。

技術領域

本申請涉及智能測距領域，具體而言，涉及一種基于激光里程計算的激光數據驗證方法及裝置。

背景技術

目前，智能機器人技術發展地十分迅速，較多智能機器人的投入使用已經為人們的工作發展帶來了極大的便利。在實踐中發現，智能機器人通常需要根據自身位置進行相應工作，而該位置的確定則通常是通過激光里程計進行計算得到。然而，該種激光里程計有一定的應用場景限制，這就使得在某些特殊情況下智能機器人的定位將會失準，從而降低激光里程的獲取精度。

發明內容

本申請實施例的目的在于提供一種基于激光里程計算的激光數據驗證方法及裝置，能夠根據激光數據確定激光里程計是否可以正常使用，從而保證了激光里程的準確獲取，避免智能機器人的定位失準的問題。

本申請實施例第一方面提供了一種基于激光里程計算的激光數據驗證方法，包括：

獲取實時激光數據；

根據預設的人工智能模型對所述實時激光數據進行特征提取處理，得到激光特征集合；

將所述激光特征集合輸入至預設的支持向量機分類器中進行分類驗證，得到分類驗證結果；所述分類驗證結果用于表示所述實時激光數據是否能夠計算激光里程。

在上述實現過程中，該方法可以優先獲取實時激光數據；再根據預設的人工智能模型對實時激光數據進行特征提取處理，得到激光特征集合；然后再將激光特征集合輸入至預設的支持向量機分類器中進行分類驗證，得到分類驗證結果；分類驗證結果用于表示實時激光數據是否能夠計算激光里程。可見，實施這種實施方式，能夠對實時激光數據進行識別與驗證，從而獲取激光數據是否真實有效的結果，進而便于后續機器人可以基于真實有效的激光數據進行定位，使得機器人定位的精準程度大大提高。

進一步地，所述方法還包括：

獲取多個歷史激光數據；

將所述多個歷史激光數據輸入至預設的幀間計算模型中進行計算，得到與所述多個歷史激光數據一一對應的多個計算結果；

根據所述多個計算結果對所述多個歷史激光數據標注相對應的標簽，得到數據樣本集合；

將所述數據樣本集合輸入至預設的神經網絡模型進行訓練，得到預設的人工智能模型。

在上述實現過程中，該方法還可以優先獲取多個歷史激光數據；然后將多個歷史激光數據輸入至預設的幀間計算模型中進行計算，得到與多個歷史激光數據一一對應的多個計算結果；然后再根據多個計算結果對多個歷史激光數據標注相對應的標簽，得到數據樣本集合；并將該數據樣本集合輸入至預設的神經網絡模型進行訓練，得到預設的人工智能模型。可見，實施這種實施方式，能夠實時獲取人工智能模型，使得人工智能模型應用的精準度得以提高，同時該種方式獲取的人工智能模型可以更準確地獲取有效的激光特征，從而有利于提高激光數據驗證的準確性。

進一步地，預設的神經網絡模型至少依次包括：輸入層、第一卷積層、池化層、第二卷積層、第三卷積層、dropout層以及全連接層。