信息處理的方法及智能設備的制作方法
【專利摘要】本發明公開了一種信息處理的方法，包括：獲取第一信息集合及第二信息集合；計算獲取第一信息集合中各第一信息時對應的智能設備在環境中的第一位置信息；從第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；從至少兩個以上的第一信息中的第一子信息中分別獲取第一對象集合；分別計算至少兩個以上的第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；分別計算至少兩個以上的第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；對所計算的至少兩個以上的第一信息中的第一子信息中的第一對象集合中相同的第一對象的第三位置信息進行優化處理。本發明還公開了一種智能設備。本發明實施例提升了特征點位置信息獲取的效率及準確率。
【專利說明】信息處理的方法及智能設備

【技術領域】
[0001]本發明涉及信息處理技術，尤其涉及一種基于智能設備的三維地圖信息處理方法及智能設備。

【背景技術】
[0002]目前，隨著智能控制在工業中的應用越廣泛，智能設備正被應用于各種工藝生產中。利用智能設備進行環境信息創建也是智能設備的工業應用之一。當前的環境信息中，主要通過確定智能設備采集圖像中的一些特征點的位置信息來標定，通過所提取的諸多的特征點的位置信息而完成環境信息的采集。
[0003]由于智能設備在行動中存在位移誤差，這樣在確定特征點的位置信息時，自然也存在誤差，而誤差一旦累積，所形成的環境信息將會相當不準確。因此，在進行環境信息創建時，對特征點的位置信息修正將變得相當重要，一旦所采集的特征點的位置信息不準確，所創建的環境信息的實用性就會變差。


【發明內容】

[0004]有鑒于此，本發明實施例的主要目的在于提供一種信息處理的方法及智能設備，能在采集信息時對所采集信息中的特征點的位置信息進行修正，獲取更準確的信息。
[0005]為達到上述目的，本發明實施例的技術方案是這樣實現的:
[0006]一種信息處理的方法，應用于智能設備中；所述方法包括:
[0007]獲取第一信息集合及對應于所述第一信息集合的第二信息集合；
[0008]計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息；
[0009]從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；
[0010]從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合；
[0011]根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；
[0012]根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；
[0013]對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
[0014]一種智能設備；包括:第一獲取單元、第一計算單元、第二獲取單元、第三獲取單元、第二計算單元、第三計算單元和優化處理單元，其中:
[0015]第一獲取單兀，用于獲取第一信息集合及對應于所述第一信息集合的第二信息集合；
[0016]第一計算單元，用于計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息；
[0017]第二獲取單元，用于從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；
[0018]第三獲取單元，用于從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合；
[0019]第二計算單元，用于根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；
[0020]第三計算單元，根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；
[0021]優化處理單元，用于對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
[0022]本發明的實施例中，獲取第一信息集合及對應于所述第一信息集合的第二信息集合；計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息；從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合；根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。本發明實施例中，通過連續獲取多個第一信息，并提取這些多個第一信息中的相重合的第一子信息，從相重合的第一子信息中分別獲取第一對象集合，并計算每個第一對象集合中所有第一對象的位置信息，再對第一對象的位置信息進行修正，將修正后的第一對象的位置信息作為該第一對象的位置信息。再獲取第一對象的位置信息時，采用并行方式進行，從而提升了處理效率；由于本發明從多個第一信息中獲取多個相同的第一對象的位置信息，并對這些第一對象的位置信息進行修正，所計算的第一對象的位置信息更準確，基于第一對象的位置信息創建環境信息時，環境信息更具實用價值。

【專利附圖】

【附圖說明】
[0023]圖1為本發明實施例一的信息處理的方法的流程示意圖；
[0024]圖2為本發明實施例二的信息處理的方法的流程示意圖；
[0025]圖3為本發明實施例三的信息處理的方法的流程示意圖；
[0026]圖4為本發明實施例四的信息處理的方法的流程示意圖；
[0027]圖5為本發明實施例的智能設備的組成結構示意圖；
[0028]圖6為本發明實施例的智能設備中第三計算單元的組成結構示意圖；
[0029]圖7為本發明實施例的智能設備中優化處理單元的組成結構示意圖；
[0030]圖8為本發明實施例的智能設備中第一計算單元的組成結構示意圖。

【具體實施方式】
[0031]本發明實施例，主要是針對當前環境信息如三維地圖信息創建時，需要智能設備如機器人不斷對所獲取的特征點的位置信息進行計算并校正，但對特征點的位置信息計算及校正的方式比較多，所計算的方式均比較繁雜，很多計算方式需輔以很多專用設備，導致成本較高。
[0032]本發明實施例主要是針對上述技術問題而提出，通過連續獲取多個第一信息，并提取這些多個第一信息中的相重合的第一子信息，從相重合的第一子信息中分別獲取第一對象集合，并計算每個第一對象集合中所有第一對象的位置信息，再對第一對象的位置信息進行修正，將修正后的第一對象的位置信息作為該第一對象的位置信息。
[0033]為使本發明的目的、技術方案和優點更加清楚明白，以下舉實施例并參照附圖，對本發明進一步詳細說明。
[0034]圖1為本發明實施例一的信息處理的方法的流程示意圖，如圖1所示，在本發明一個優選實施例中，信息處理的方法包括以下步驟:
[0035]本實施例的信息處理的方法應用于智能設備中，如該智能設備可以為智能機器人，該智能機器人具有圖像采集單元；作為一個優選示例，本發明實施例的圖像采集單元可以為攝像頭，作為一種示例，圖像采集單元也可以是專用的圖像采集及分析系統，如可以是攝像傳感器、RGB圖像傳感器等。該智能設備還具有圖像處理能力。
[0036]步驟101，獲取第一信息集合及對應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:所述智能設備采集的圖像信息幀的集合；
[0038]所述第二信息集合包括:對應于各圖像信息幀的深度信息的集合。
[0039]具體地，通過該智能設備上設置的圖像采集單元采集連續的圖像信息幀，這些連續的圖像信息幀構成了圖像信息幀集合，即為第一信息集合。
[0040]對應于每一圖像信息幀，還對應有該圖像信息幀的深度信息，形成深度信息集合。
[0041]步驟102，計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息；
[0042]所述第一位置信息包括:所述智能設備在全局坐標系中的位置信息；
[0043]本步驟中，當對圖像信息幀進行采集時，還對采集圖像信息幀時的智能設備的位置信息進行計算。
[0044]步驟103，從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；
[0045]本示例中，通過連續獲取多個第一信息，并提取這些多個第一信息中的相重合的第一子信息，從相重合的第一子信息中分別獲取第一對象集合。具體地，通過智能設備的圖像采集單元獲取連續的圖像信息幀，從多個連續的圖像信息幀中獲取這些圖像信息幀的相互重合部分。可以通過前述每個圖像信息幀的位置信息，確定出這些連續的多個圖像信息幀的重合部分，以便從重合的圖像信息幀中獲取相同的特征點。
[0046]步驟104，從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合；
[0047]所述第一對象集合包括:圖像信息幀中的所有特征點；
[0048]本示例中，第一對象可以為智能設備通過圖像采集單元所取景圖像中的物體的特征點；本示例中，特征點可以為任何物體上的任何部位的成像點。如物體的邊緣處的點，也可以是物體上的與該物體的特性不一致的點，如白色物體上的黑色斑點，物體上凸起的點，物體上凹下點，金屬制物體上的銹點，物體表面漆體上的剝落點等。
[0049]特征點還有很多屬性信息如顏色(RGB)信息、位置信息，特征點描述信息等。特征描述信息是表征特征點的屬性的信息，通過特征描述信息可以唯一確定特征點。具體地，可通過SIFT算法、SURF算法或ORB算法等確定特征點集合中每個特征點的信息及特征點的特征描述信息；特征點的特征描述信息能唯一標識一個特征點，其是64維或128維的數據，當然，隨著對特征點屬性進一步的劃分，表征特征點的特征描述信息可以是其他維度的參數。作為示例，特征描述信息可以包括尺度和旋轉。
[0050]從連續的多個圖像信息幀的重合部分的圖像信息中獲取特征點，由于所基于的圖像信息是相同的，因此，從每個圖像信息幀中的重合部分所獲取到的特征點應當是相同的，將所獲取的特征點作為特征點集合。
[0051]步驟105，根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；
[0052]其中，所述第二位置信息包括:第一對象相對于所述智能設備的相對位置信息；
[0053]當確定出連續的多個圖像信息幀的重合部分的圖像信息的特征點后，根據圖像信息幀的深度信息，分別計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息。
[0054]步驟106，根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；
[0055]其中，所述第三位置信息包括:特征點在全局坐標系中的位置信息；
[0056]計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息后，根據采集圖像信息幀的時刻對應的智能設備在全局坐標系中的位置信息，計算連續的多個圖像信息幀的重合部分的各特征點在全局坐標系中的位置信息。
[0057]步驟107，對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
[0058]由于智能設備在移動過程中會存在位置信息計算誤差，因此，通過本步驟之前確定的特征點的位置信息會存在較大的誤差，本示例需對前述步驟計算的特征點的第三位置信息進行優化處理，具體地，對所計算相同特征點的各位置信息，求算術平均或加權平均等，作為該相同特征點的最終位置信息。
[0059]本示例中，相同特征點的判斷，可以通過特征點的RGB信息或特征描述信息等進行確定。例如特征點的對應RGB信息完全相同時，確定特征點相同，或者，特征點的特征描述信息中的每一項均匹配時，確定特征點相同。
[0060]圖2為本發明實施例二的信息處理的方法的流程示意圖，如圖2所示，在本發明一個優選實施例中，信息處理的方法包括以下步驟:
[0061]本實施例的信息處理的方法應用于智能設備中，如該智能設備可以為智能機器人，該智能機器人具有圖像采集單元；作為一個優選示例，本發明實施例的圖像采集單元可以為攝像頭，作為一種示例，圖像采集單元也可以是專用的圖像采集及分析系統，如可以是攝像傳感器、RGB圖像傳感器等。該智能設備還具有圖像處理能力。
[0062]步驟201，獲取第一信息集合及對應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:所述智能設備采集的圖像信息幀的集合；
[0064]所述第二信息集合包括:對應于各圖像信息幀的深度信息的集合。
[0065]具體地，通過該智能設備上設置的圖像采集單元采集連續的圖像信息幀，這些連續的圖像信息幀構成了圖像信息幀集合，即為第一信息集合。
[0066]對應于每一圖像信息幀，還對應有該圖像信息幀的深度信息，形成深度信息集合。
[0067]步驟202，計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息；
[0068]所述第一位置信息包括:所述智能設備在全局坐標系中的位置信息；
[0069]本步驟中，當對圖像信息幀進行采集時，還對采集圖像信息幀時的智能設備的位置信息進行計算。
[0070]步驟203，從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；
[0071]本示例中，通過連續獲取多個第一信息，并提取這些多個第一信息中的相重合的第一子信息，從相重合的第一子信息中分別獲取第一對象集合。具體地，通過智能設備的圖像采集單元獲取連續的圖像信息幀，從多個連續的圖像信息幀中獲取這些圖像信息幀的相互重合部分。可以通過前述每個圖像信息幀的位置信息，確定出這些連續的多個圖像信息幀的重合部分，以便從重合的圖像信息幀中獲取相同的特征點。
[0072]步驟204，從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合；
[0073]所述第一對象集合包括:圖像信息幀中的所有特征點；
[0074]本示例中，第一對象可以為智能設備通過圖像采集單元所取景圖像中的物體的特征點；本示例中，特征點可以為任何物體上的任何部位的成像點。如物體的邊緣處的點，也可以是物體上的與該物體的特性不一致的點，如白色物體上的黑色斑點，物體上凸起的點，物體上凹下點，金屬制物體上的銹點，物體表面漆體上的剝落點等。
[0075]特征點還有很多屬性信息如顏色(RGB)信息、位置信息，特征點描述信息等。特征描述信息是表征特征點的屬性的信息，通過特征描述信息可以唯一確定特征點。具體地，可通過SIFT算法、SURF算法或ORB算法等確定特征點集合中每個特征點的信息及特征點的特征描述信息；特征點的特征描述信息能唯一標識一個特征點，其是64維或128維的數據，當然，隨著對特征點屬性進一步的劃分，表征特征點的特征描述信息可以是其他維度的參數。作為示例，特征描述信息可以包括尺度和旋轉。
[0076]從連續的多個圖像信息幀的重合部分的圖像信息中獲取特征點，由于所基于的圖像信息是相同的，因此，從每個圖像信息幀中的重合部分所獲取到的特征點應當是相同的，將所獲取的特征點作為特征點集合。
[0077]步驟205，根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；
[0078]其中，所述第二位置信息包括:第一對象相對于所述智能設備的相對位置信息；
[0079]當確定出連續的多個圖像信息幀的重合部分的圖像信息的特征點后，根據圖像信息幀的深度信息，分別計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息。
[0080]步驟206，根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；
[0081]其中，所述第三位置信息包括:特征點在全局坐標系中的位置信息；
[0082]具體地，計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息，包括:
[0083]將每個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對象集合中的所有第一集合按空間位置劃分為至少兩個以上的部分；
[0084]根據所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息以及所述智能設備在環境中的第一位置信息，并行計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息。
[0085]計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息后，根據采集圖像信息幀的時刻對應的智能設備在全局坐標系中的位置信息，計算連續的多個圖像信息幀的重合部分的各特征點在全局坐標系中的位置信息。
[0086]針對從每一圖像信息幀提取的特征點集合，按特征點的空間位置劃分為多個區域，如劃分為四個區域、八個區域、十六個區域等。為保證特征點集合劃分的比較均勻，可按特征點集合中所有特征點的坐標值，確定出能涵蓋特征點集合中所有特征點的正方體空間，將正方體空間劃分為四個相同的子正方體；可以每個子正方體為單位，并行地計算每個子正方體中的特征點的位置信息。
[0087]需要說明的是，為保證特征點集合中的每一特征點都不被遺漏地被計算，所劃分的子正方體之間可以有重合的區域。
[0088]需要說明的是，本實例是以正方體為例對特征點集合進行了區域劃分，也可以是其他劃分方式，如按特征點集合中特征點的數量進行劃分等。考慮到環境信息的創建特點，最好按正方體空間對特征點集合進行區域劃分。
[0089]步驟207，對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
[0090]由于智能設備在移動過程中會存在位置信息計算誤差，因此，通過本步驟之前確定的特征點的位置信息會存在較大的誤差，本示例需對前述步驟計算的特征點的第三位置信息進行優化處理，具體地，對所計算相同特征點的各位置信息，求算術平均或加權平均等，作為該相同特征點的最終位置信息。
[0091 ] 本示例中，相同特征點的判斷，可以通過特征點的RGB信息或特征描述信息等進行確定。例如特征點的對應RGB信息完全相同時，確定特征點相同，或者，特征點的特征描述信息中的每一項均匹配時，確定特征點相同。
[0092]圖3為本發明實施例三的信息處理的方法的流程示意圖，如圖3所示，在本發明一個優選實施例中，信息處理的方法包括以下步驟:
[0093]本實施例的信息處理的方法應用于智能設備中，如該智能設備可以為智能機器人，該智能機器人具有圖像采集單元；作為一個優選示例，本發明實施例的圖像采集單元可以為攝像頭，作為一種示例，圖像采集單元也可以是專用的圖像采集及分析系統，如可以是攝像傳感器、RGB圖像傳感器等。該智能設備還具有圖像處理能力。
[0094]步驟301，獲取第一信息集合及對應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:所述智能設備采集的圖像信息幀的集合；
[0096]所述第二信息集合包括:對應于各圖像信息幀的深度信息的集合。
[0097]具體地，通過該智能設備上設置的圖像采集單元采集連續的圖像信息幀，這些連續的圖像信息幀構成了圖像信息幀集合，即為第一信息集合。
[0098]對應于每一圖像信息幀，還對應有該圖像信息幀的深度信息，形成深度信息集合。
[0099]步驟302，計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息；
[0100]所述第一位置信息包括:所述智能設備在全局坐標系中的位置信息；
[0101]本步驟中，當對圖像信息幀進行采集時，還對采集圖像信息幀時的智能設備的位置信息進行計算。
[0102]步驟303，從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；
[0103]本示例中，通過連續獲取多個第一信息，并提取這些多個第一信息中的相重合的第一子信息，從相重合的第一子信息中分別獲取第一對象集合。具體地，通過智能設備的圖像采集單元獲取連續的圖像信息幀，從多個連續的圖像信息幀中獲取這些圖像信息幀的相互重合部分。可以通過前述每個圖像信息幀的位置信息，確定出這些連續的多個圖像信息幀的重合部分，以便從重合的圖像信息幀中獲取相同的特征點。
[0104]步驟304，從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合；
[0105]所述第一對象集合包括:圖像信息幀中的所有特征點；
[0106]本示例中，第一對象可以為智能設備通過圖像采集單元所取景圖像中的物體的特征點；本示例中，特征點可以為任何物體上的任何部位的成像點。如物體的邊緣處的點，也可以是物體上的與該物體的特性不一致的點，如白色物體上的黑色斑點，物體上凸起的點，物體上凹下點，金屬制物體上的銹點，物體表面漆體上的剝落點等。
[0107]特征點還有很多屬性信息如顏色(RGB)信息、位置信息，特征點描述信息等。特征描述信息是表征特征點的屬性的信息，通過特征描述信息可以唯一確定特征點。具體地，可通過SIFT算法、SURF算法或ORB算法等確定特征點集合中每個特征點的信息及特征點的特征描述信息；特征點的特征描述信息能唯一標識一個特征點，其是64維或128維的數據，當然，隨著對特征點屬性進一步的劃分，表征特征點的特征描述信息可以是其他維度的參數。作為示例，特征描述信息可以包括尺度和旋轉。
[0108]從連續的多個圖像信息幀的重合部分的圖像信息中獲取特征點，由于所基于的圖像信息是相同的，因此，從每個圖像信息幀中的重合部分所獲取到的特征點應當是相同的，將所獲取的特征點作為特征點集合。
[0109]步驟305，根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；
[0110]其中，所述第二位置信息包括:第一對象相對于所述智能設備的相對位置信息；
[0111]當確定出連續的多個圖像信息幀的重合部分的圖像信息的特征點后，根據圖像信息幀的深度信息，分別計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息。
[0112]步驟306，根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；
[0113]其中，所述第三位置信息包括:特征點在全局坐標系中的位置信息；
[0114]具體地，計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息，包括:
[0115]將每個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對象集合中的所有第一集合按空間位置劃分為至少兩個以上的部分；
[0116]根據所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息以及所述智能設備在環境中的第一位置信息，并行計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息。
[0117]計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息后，根據采集圖像信息幀的時刻對應的智能設備在全局坐標系中的位置信息，計算連續的多個圖像信息幀的重合部分的各特征點在全局坐標系中的位置信息。
[0118]針對從每一圖像信息幀提取的特征點集合，按特征點的空間位置劃分為多個區域，如劃分為四個區域、八個區域、十六個區域等。為保證特征點集合劃分的比較均勻，可按特征點集合中所有特征點的坐標值，確定出能涵蓋特征點集合中所有特征點的正方體空間，將正方體空間劃分為四個相同的子正方體；可以每個子正方體為單位，并行地計算每個子正方體中的特征點的位置信息。
[0119]需要說明的是，為保證特征點集合中的每一特征點都不被遺漏地被計算，所劃分的子正方體之間可以有重合的區域。
[0120]需要說明的是，本實例是以正方體為例對特征點集合進行了區域劃分，也可以是其他劃分方式，如按特征點集合中特征點的數量進行劃分等。考慮到環境信息的創建特點，最好按正方體空間對特征點集合進行區域劃分。
[0121]步驟307，對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
[0122]具體地，對第三位置信息進行優化處理包括:
[0123]為所計算的所述至少兩個以上的所述第一信息中的第一子信息中的相同的第一對象的第三位置信息建立高斯模型；
[0124]確定所述相同的第一對象的第三位置信息的高斯分布特性；
[0125]根據所述相同的第一對象的第三位置信息的高斯分布特性篩除方差超出設定閾值的超出所述相同的第一對象的第三位置信息；
[0126]計算剩余的所述相同的第一對象的第三位置信息的平均值。
[0127]這里，平均值包括加權平均值或算術平均值。
[0128]由于智能設備在移動過程中會存在位置信息計算誤差，因此，通過本步驟之前確定的特征點的位置信息會存在較大的誤差，本示例需對前述步驟計算的特征點的第三位置信息進行優化處理，具體地，對所計算相同特征點的各位置信息，求算術平均或加權平均等，作為該相同特征點的最終位置信息。
[0129]通過對相同特征點的全局坐標位置信息建立高斯模型，確定出相同特征點的全局坐標位置信息高斯分布狀態，并篩除掉遠離高斯分布均線的特征點的全局坐標位置信息。這些遠離高斯分布均線的特征點的全局坐標位置信息可以視作誤差較大的計算結果，如可能存在計算錯誤等。
[0130]本示例中，相同特征點的判斷，可以通過特征點的RGB信息或特征描述信息等進行確定。例如特征點的對應RGB信息完全相同時，確定特征點相同，或者，特征點的特征描述信息中的每一項均匹配時，確定特征點相同。
[0131]圖4為本發明實施例四的信息處理的方法的流程示意圖，如圖4所示，在本發明一個優選實施例中，信息處理的方法包括以下步驟:
[0132]本實施例的信息處理的方法應用于智能設備中，如該智能設備可以為智能機器人，該智能機器人具有圖像采集單元；作為一個優選示例，本發明實施例的圖像采集單元可以為攝像頭，作為一種示例，圖像采集單元也可以是專用的圖像采集及分析系統，如可以是攝像傳感器、RGB圖像傳感器等。該智能設備還具有圖像處理能力。
[0133]步驟401，獲取第一信息集合及對應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:所述智能設備采集的圖像信息幀的集合；
[0135]所述第二信息集合包括:對應于各圖像信息幀的深度信息的集合。
[0136]具體地，通過該智能設備上設置的圖像采集單元采集連續的圖像信息幀，這些連續的圖像信息幀構成了圖像信息幀集合，即為第一信息集合。
[0137]對應于每一圖像信息幀，還對應有該圖像信息幀的深度信息，形成深度信息集合。
[0138]步驟402，計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息；
[0139]所述第一位置信息包括:所述智能設備在全局坐標系中的位置信息；
[0140]本步驟中，當對圖像信息幀進行采集時，還對采集圖像信息幀時的智能設備的位置信息進行計算。
[0141]具體地，確定第二位置信息，包括:
[0142]分別對所述智能設備的水平移動方向及垂直移動方向進行距離矯正；
[0143]確定獲取第一信息集合中所有第一信息的時刻信息；
[0144]根據所述智能設備距離矯正前的第一位置信息、所確定時刻信息、水平移動方向及垂直移動方向的矯正距離，計算所述智能設備在獲取第一信息集合中所有第一信息的時刻的第一位置信息。
[0145]具體地，對于智能設備而言，一般會設置有確定智能設備位移的運動控制系統，例如可以在智能機器人的左右驅動輪兩側分別安裝增量式旋轉編碼器，實時測定智能機器人單位時間內左右輪行走的距離，并由兩輪的行走距離通過計算可以得出機器人的位姿坐標。并計算出智能機器人位姿中的角度值，通過差動驅動智能機器人的原理，即可確定出智能機器人在其所處環境中的位置信息。
[0146]步驟403，從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；
[0147]本示例中，通過連續獲取多個第一信息，并提取這些多個第一信息中的相重合的第一子信息，從相重合的第一子信息中分別獲取第一對象集合。具體地，通過智能設備的圖像采集單元獲取連續的圖像信息幀，從多個連續的圖像信息幀中獲取這些圖像信息幀的相互重合部分。可以通過前述每個圖像信息幀的位置信息，確定出這些連續的多個圖像信息幀的重合部分，以便從重合的圖像信息幀中獲取相同的特征點。
[0148]步驟404，從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合；
[0149]所述第一對象集合包括:圖像信息幀中的所有特征點；
[0150]本示例中，第一對象可以為智能設備通過圖像采集單元所取景圖像中的物體的特征點；本示例中，特征點可以為任何物體上的任何部位的成像點。如物體的邊緣處的點，也可以是物體上的與該物體的特性不一致的點，如白色物體上的黑色斑點，物體上凸起的點，物體上凹下點，金屬制物體上的銹點，物體表面漆體上的剝落點等。
[0151]特征點還有很多屬性信息如顏色(RGB )信息、位置信息，特征點描述信息等。特征描述信息是表征特征點的屬性的信息，通過特征描述信息可以唯一確定特征點。具體地，可通過SIFT算法、SURF算法或ORB算法等確定特征點集合中每個特征點的信息及特征點的特征描述信息；特征點的特征描述信息能唯一標識一個特征點，其是64維或128維的數據，當然，隨著對特征點屬性進一步的劃分，表征特征點的特征描述信息可以是其他維度的參數。作為示例，特征描述信息可以包括尺度和旋轉。
[0152]從連續的多個圖像信息幀的重合部分的圖像信息中獲取特征點，由于所基于的圖像信息是相同的，因此，從每個圖像信息幀中的重合部分所獲取到的特征點應當是相同的，將所獲取的特征點作為特征點集合。
[0153]步驟405，根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；
[0154]其中，所述第二位置信息包括:第一對象相對于所述智能設備的相對位置信息；
[0155]當確定出連續的多個圖像信息幀的重合部分的圖像信息的特征點后，根據圖像信息幀的深度信息，分別計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息。
[0156]步驟406，根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；
[0157]其中，所述第三位置信息包括:特征點在全局坐標系中的位置信息；
[0158]具體地，計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息，包括:
[0159]將每個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對象集合中的所有第一集合按空間位置劃分為至少兩個以上的部分；
[0160]根據所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息以及所述智能設備在環境中的第一位置信息，并行計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息。
[0161]計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息后，根據采集圖像信息幀的時刻對應的智能設備在全局坐標系中的位置信息，計算連續的多個圖像信息幀的重合部分的各特征點在全局坐標系中的位置信息。
[0162]針對從每一圖像信息幀提取的特征點集合，按特征點的空間位置劃分為多個區域，如劃分為四個區域、八個區域、十六個區域等。為保證特征點集合劃分的比較均勻，可按特征點集合中所有特征點的坐標值，確定出能涵蓋特征點集合中所有特征點的正方體空間，將正方體空間劃分為四個相同的子正方體；可以每個子正方體為單位，并行地計算每個子正方體中的特征點的位置信息。
[0163]需要說明的是，為保證特征點集合中的每一特征點都不被遺漏地被計算，所劃分的子正方體之間可以有重合的區域。
[0164]本示例是以正方體為例對特征點集合進行了區域劃分，也可以是其他劃分方式，如按特征點集合中特征點的數量進行劃分等。考慮到環境信息的創建特點，最好按正方體空間對特征點集合進行區域劃分。
[0165]步驟407，對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
[0166]具體地，對第三位置信息進行優化處理包括:
[0167]為所計算的所述至少兩個以上的所述第一信息中的第一子信息中的相同的第一對象的第三位置信息建立高斯模型；
[0168]確定所述相同的第一對象的第三位置信息的高斯分布特性；
[0169]根據所述相同的第一對象的第三位置信息的高斯分布特性篩除方差超出設定閾值的超出所述相同的第一對象的第三位置信息；
[0170]計算剩余的所述相同的第一對象的第三位置信息的平均值。
[0171]這里，平均值包括加權平均值或算術平均值。
[0172]由于智能設備在移動過程中會存在位置信息計算誤差，因此，通過本步驟之前確定的特征點的位置信息會存在較大的誤差，本示例需對前述步驟計算的特征點的第三位置信息進行優化處理，具體地，對所計算相同特征點的各位置信息，求算術平均或加權平均等，作為該相同特征點的最終位置信息。
[0173]通過對相同特征點的全局坐標位置信息建立高斯模型，確定出相同特征點的全局坐標位置信息高斯分布狀態，并篩除掉遠離高斯分布均線的特征點的全局坐標位置信息。這些遠離高斯分布均線的特征點的全局坐標位置信息可以視作誤差較大的計算結果，如可能存在計算錯誤等。
[0174]本示例中，相同特征點的判斷，可以通過特征點的RGB信息或特征描述信息等進行確定。例如特征點的對應RGB信息完全相同時，確定特征點相同，或者，特征點的特征描述信息中的每一項均匹配時，確定特征點相同。
[0175]圖5為本發明實施例的智能設備的組成結構示意圖，本發明實施例中，智能設備可以為智能機器人，該智能機器人具有圖像采集單元；作為一個優選示例，本發明實施例的圖像采集單元可以為攝像頭，作為一種示例，圖像采集單元也可以是專用的圖像采集及分析系統，如可以是攝像傳感器、RGB圖像傳感器等。該智能設備還具有圖像處理能力。如圖5所示，本發明實施例的智能設備包括:第一獲取單元50、第一計算單元51、第二獲取單元52、第三獲取單元53、第二計算單元54、第三計算單元55和優化處理單元56，其中:
[0176]第一獲取單兀50,用于獲取第一信息集合及對應于所述第一信息集合的第二信息集合;
[0177]第一計算單元51，用于計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息；
[0178]第二獲取單元52，用于從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息；
[0179]第三獲取單元53，用于從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合；
[0180]第二計算單元54，用于根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息；
[0181]第三計算單元55，根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息；
[0182]優化處理單元56，用于對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
[0183]本示例中，所述第一信息集合包括:所述智能設備采集的圖像信息幀的集合；
[0184]所述第二信息集合包括:對應于各圖像信息幀的深度信息的集合；
[0185]所述第一位置信息包括:所述智能設備在全局坐標系中的位置信息；
[0186]所述第二位置信息包括:第一對象相對于所述智能設備的相對位置信息；
[0187]所述第一對象包括:從所述圖像信息幀中提取的特征點；
[0188]所述第一對象集合包括:圖像信息幀中的所有特征點；
[0189]所述第三位置信息包括:特征點在全局坐標系中的位置信息。
[0190]本示例中，第一對象可以為智能設備通過圖像采集單元所取景圖像中的物體的特征點；本示例中，特征點可以為任何物體上的任何部位的成像點。如物體的邊緣處的點，也可以是物體上的與該物體的特性不一致的點，如白色物體上的黑色斑點，物體上凸起的點，物體上凹下點，金屬制物體上的銹點，物體表面漆體上的剝落點等。
[0191]特征點還有很多屬性信息如顏色(RGB )信息、位置信息，特征點描述信息等。特征描述信息是表征特征點的屬性的信息，通過特征描述信息可以唯一確定特征點。具體地，可通過SIFT算法、SURF算法或ORB算法等確定特征點集合中每個特征點的信息及特征點的特征描述信息；特征點的特征描述信息能唯一標識一個特征點，其是64維或128維的數據，當然，隨著對特征點屬性進一步的劃分，表征特征點的特征描述信息可以是其他維度的參數。作為示例，特征描述信息可以包括尺度和旋轉。
[0192]作為一種優選實施例，本發明實施例的第三計算單元55的構成如圖6所示；圖6為本發明實施例的智能設備中第三計算單元的組成結構示意圖，如圖6所示，本發明實施例的第三計算單元55包括:劃分子單元550和并行計算子單元551，其中:
[0193]劃分子單元550，用于將每個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對象集合中的所有第一集合按空間位置劃分為至少兩個以上的部分；
[0194]并行計算子單元551，用于根據所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息以及所述智能設備在環境中的第一位置信息，并行計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息。
[0195]計算連續的多個圖像信息幀的重合部分的各特征點的相對于智能設備的圖像采集單元的位置信息后，根據采集圖像信息幀的時刻對應的智能設備在全局坐標系中的位置信息，計算連續的多個圖像信息幀的重合部分的各特征點在全局坐標系中的位置信息。
[0196]針對從每一圖像信息幀提取的特征點集合，按特征點的空間位置劃分為多個區域，如劃分為四個區域、八個區域、十六個區域等。為保證特征點集合劃分的比較均勻，可按特征點集合中所有特征點的坐標值，確定出能涵蓋特征點集合中所有特征點的正方體空間，將正方體空間劃分為四個相同的子正方體；可以每個子正方體為單位，并行地計算每個子正方體中的特征點的位置信息。
[0197]需要說明的是，為保證特征點集合中的每一特征點都不被遺漏地被計算，所劃分的子正方體之間可以有重合的區域。
[0198]需要說明的是，本實例是以正方體為例對特征點集合進行了區域劃分，也可以是其他劃分方式，如按特征點集合中特征點的數量進行劃分等。考慮到環境信息的創建特點，最好按正方體空間對特征點集合進行區域劃分。
[0199]作為一種優選實施例，本發明實施例的優化處理單元56的構成如圖7所示；圖7為本發明實施例的智能設備中優化處理單元56的組成結構示意圖，如圖7所示，本發明實施例的優化處理單元包括:建立子單元560、確定子單元561、篩選子單元562和計算子單元563，其中:
[0200]建立子單元560，用于為所計算的所述至少兩個以上的所述第一信息中的第一子信息中的相同的第一對象的第三位置信息建立高斯模型；
[0201]確定子單元561，用于確定所述相同的第一對象的第三位置信息的高斯分布特性；
[0202]篩選子單元562，用于根據所述相同的第一對象的第三位置信息的高斯分布特性篩除方差超出設定閾值的超出所述相同的第一對象的第三位置信息；
[0203]計算子單元563，用于計算剩余的所述相同的第一對象的第三位置信息的平均值。
[0204]這里，平均值包括加權平均值或算術平均值。
[0205]由于智能設備在移動過程中會存在位置信息計算誤差，因此，通過第三計算單元55計算的特征點的位置信息會存在較大的誤差，本示例需對前述步驟計算的特征點的第三位置信息進行優化處理，具體地，對所計算相同特征點的各位置信息，求算術平均或加權平均等，作為該相同特征點的最終位置信息。
[0206]通過對相同特征點的全局坐標位置信息建立高斯模型，確定出相同特征點的全局坐標位置信息高斯分布狀態，并篩除掉遠離高斯分布均線的特征點的全局坐標位置信息。這些遠離高斯分布均線的特征點的全局坐標位置信息可以視作誤差較大的計算結果，如可能存在計算錯誤等。
[0207]本示例中，相同特征點的判斷，可以通過特征點的RGB信息或特征描述信息等進行確定。例如特征點的對應RGB信息完全相同時，確定特征點相同，或者，特征點的特征描述信息中的每一項均匹配時，確定特征點相同。
[0208]作為一種優選實施例，本發明實施例的第一計算單元51的構成如圖8所示；圖8為本發明實施例的智能設備中第一計算單元51的組成結構示意圖，如圖8所示，本發明實施例的第一計算單元51包括:矯正子單元510、確定子單元511和計算子單元512，其中:
[0209]矯正子單元510，用于分別對所述智能設備的水平移動方向及垂直移動方向進行距離矯正；
[0210]確定子單兀512,用于確定獲取第一信息集合中所有第一信息的時刻信息；
[0211]計算子單元513，用于根據所述智能設備距離矯正前的第一位置信息、所確定時刻信息、水平移動方向及垂直移動方向的矯正距離，計算所述智能設備在獲取第一信息集合中所有第一信息的時刻的第一位置信息。
[0212]具體地，對于智能設備而言，一般會設置有確定智能設備位移的運動控制系統，例如可以在智能機器人的左右驅動輪兩側分別安裝增量式旋轉編碼器，實時測定智能機器人單位時間內左右輪行走的距離，并由兩輪的行走距離通過計算可以得出機器人的位姿坐標。并計算出智能機器人位姿中的角度值，通過差動驅動智能機器人的原理，即可確定出智能機器人在其所處環境中的位置信息。
[0213]本領域技術人員應當理解，本發明實施例的智能設備中各處理單元及其子單元的功能，可參照前述的信息處理的方法的相關描述而理解，本發明實施例的智能設備中各處理單元及其子單元，可通過實現本發明實施例所述的功能的模擬電路而實現，也可以通過執行本發明實施例所述的功能的軟件在智能設備上的運行而實現。
[0214]本發明實施例所記載的技術方案之間，在不沖突的情況下，可以任意組合。
[0215]在本發明所提供的幾個實施例中，應該理解到，所揭露的方法和智能設備，可以通過其它的方式實現。以上所描述的設備實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，如:多個單元或組件可以結合，或可以集成到另一個系統，或一些特征可以忽略，或不執行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通信連接可以是通過一些接口，設備或單元的間接耦合或通信連接，可以是電性的、機械的或其它形式的。
[0216]上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元，即可以位于一個地方，也可以分布到多個網絡單元上；可以根據實際的需要選擇其中的部分或全部單元來實現本實施例方案的目的。
[0217]另外，在本發明各實施例中的各功能單元可以全部集成在一個處理單元中，也可以是各單元分別單獨作為一個單元，也可以兩個或兩個以上單元集成在一個單元中；上述集成的單元既可以采用硬件的形式實現，也可以采用硬件加軟件功能單元的形式實現。
[0218]本領域普通技術人員可以理解:實現上述方法實施例的全部或部分步驟可以通過程序指令相關的硬件來完成，前述的程序可以存儲于一計算機可讀取存儲介質中，該程序在執行時，執行包括上述方法實施例的步驟；而前述的存儲介質包括:移動存儲設備、只讀存儲器(ROM, Read-Only Memory)、隨機存取存儲器(RAM, Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。
[0219]或者，本發明實施例上述集成的單元如果以軟件功能模塊的形式實現并作為獨立的產品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質中。基于這樣的理解，本發明實施例的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟件產品的形式體現出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機、服務器、或者網絡設備等)執行本發明各個實施例所述方法的全部或部分。而前述的存儲介質包括:移動存儲設備、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM, Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。
[0220]以上所述，僅為本發明的【具體實施方式】，但本發明的保護范圍并不局限于此，任何熟悉本【技術領域】的技術人員在本發明揭露的技術范圍內，可輕易想到變化或替換，都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應以所述權利要求的保護范圍為準。
【權利要求】
1.一種信息處理的方法，應用于智能設備中；其特征在于，所述方法包括: 獲取第一信息集合及對應于所述第一信息集合的第二信息集合； 計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息； 從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息； 從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合； 根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息； 根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息； 對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
2.根據權利要求1所述的方法，其特征在于，所述根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息，包括: 將每個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對象集合中的所有第一集合按空間位置劃分為至少兩個以上的部分； 根據所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息以及所述智能設備在環境中的第一位置信息，并行計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息。
3.根據權利要求1所述的方法，其特征在于，所述對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，包括: 為所計算的所述至少兩個以上的所述第一信息中的第一子信息中的相同的第一對象的第三位置信息建立高斯模型； 確定所述相同的第一對象的第三位置信息的高斯分布特性； 根據所述相同的第一對象的第三位置信息的高斯分布特性篩除方差超出設定閾值的超出所述相同的第一對象的第三位置信息； 計算剩余的所述相同的第一對象的第三位置信息的平均值。
4.根據權利要求1所述的方法，其特征在于，所述計算第一信息集合中各第一信息對應的所述智能設備在環境中的第一位置信息，包括: 分別對所述智能設備的水平移動方向及垂直移動方向進行距離矯正； 確定獲取第一信息集合中所有第一信息的時刻信息； 根據所述智能設備距離矯正前的第一位置信息、所確定時刻信息、水平移動方向及垂直移動方向的矯正距離，計算所述智能設備在獲取第一信息集合中所有第一信息的時刻的第一位置信息。
5.根據權利要求1至4任一項所述的方法，其特征在于， 所述第一信息集合包括:所述智能設備采集的圖像信息幀的集合； 所述第二信息集合包括:對應于各圖像信息幀的深度信息的集合； 所述第一位置信息包括:所述智能設備在全局坐標系中的位置信息； 所述第二位置信息包括:第一對象相對于所述智能設備的相對位置信息； 所述第一對象包括:從所述圖像信息幀中提取的特征點； 所述第一對象集合包括:圖像信息幀中的所有特征點； 所述第三位置信息包括:特征點在全局坐標系中的位置信息。
6.一種智能設備；其特征在于，所述智能設備包括:第一獲取單元、第一計算單元、第二獲取單元、第三獲取單元、第二計算單元、第三計算單元和優化處理單元，其中: 第一獲取單元，用于獲取第一信息集合及對應于所述第一信息集合的第二信息集合；第一計算單元，用于計算獲取第一信息集合中各第一信息時對應的所述智能設備在環境中的第一位置信息； 第二獲取單元，用于從所述第一信息集合中的至少兩個以上的第一信息中分別獲取第一子信息； 第三獲取單元，用于從所述至少兩個以上的所述第一信息中的第一子信息中分別獲取第一對象集合； 第二計算單元，用于根據與第一信息集合中的第一信息對應的所述第二信息集合中的第二信息，分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息； 第三計算單元，根據所述第二位置信息及所述智能設備在環境中的第二位置信息分別計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息； 優化處理單元，用于對所計算的所述至少兩個以上的所述第一信息中的第一子信息中的所述第一對象集合中相同的第一對象的第三位置信息進行優化處理，得到所述相同的第一對象的第四位置信息，作為所述相同的第一對象的位置信息。
7.根據權利要求6所述的智能設備，其特征在于，所述第三計算單元包括:劃分子單元和并行計算子單元，其中: 劃分子單元，用于將每個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對象集合中的所有第一集合按空間位置劃分為至少兩個以上的部分； 并行計算子單元，用于根據所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第二位置信息以及所述智能設備在環境中的第一位置信息，并行計算所述至少兩個以上的所述第一信息中的第一子信息中的第一對象集合中的每個第一對象的第三位置信息。
8.根據權利要求6所述的智能設備，其特征在于，所述優化處理單元包括:建立子單元、確定子單元、篩選子單元和計算子單元，其中: 建立子單元，用于為所計算的所述至少兩個以上的所述第一信息中的第一子信息中的相同的第一對象的第三位置信息建立高斯模型； 確定子單元，用于確定所述相同的第一對象的第三位置信息的高斯分布特性； 篩選子單元，用于根據所述相同的第一對象的第三位置信息的高斯分布特性篩除方差超出設定閾值的超出所述相同的第一對象的第三位置信息； 計算子單元，用于計算剩余的所述相同的第一對象的第三位置信息的平均值。
9.根據權利要求6所述的智能設備，其特征在于，所述第一計算單元包括:矯正子單元、確定子單元和計算子單元，其中: 矯正子單元，用于分別對所述智能設備的水平移動方向及垂直移動方向進行距離矯正； 確定子單元，用于確定獲取第一信息集合中所有第一信息的時刻信息； 計算子單元，用于根據所述智能設備距離矯正前的第一位置信息、所確定時刻信息、水平移動方向及垂直移動方向的矯正距離，計算所述智能設備在獲取第一信息集合中所有第一信息的時刻的第一位置信息。
10.根據權利要求6至9任一項所述的智能設備，其特征在于， 所述第一信息集合包括:所述智能設備采集的圖像信息幀的集合； 所述第二信息集合包括:對應于各圖像信息幀的深度信息的集合； 所述第一位置信息包括:所述智能設備在全局坐標系中的位置信息； 所述第二位置信息包括:第一對象相對于所述智能設備的相對位置信息； 所述第一對象包括:從所述圖像信息幀中提取的特征點； 所述第一對象集合包括:圖像信息幀中的所有特征點； 所述第三位置信息包括:特征點在全局坐標系中的位置信息。
【文檔編號】G06T7/00GK104424637SQ201310392816
【公開日】2015年3月18日 申請日期:2013年9月2日 優先權日:2013年9月2日
【發明者】宋爽 申請人:聯想(北京)有限公司