[发明专利]移动机器人定位丢失检测方法、系统、设备及存储介质

权利要求书

1.一种移动机器人定位丢失检测方法，其特征在于，包括

获取目标移动机器人的待检测激光数据信息；

对所述待检测激光数据信息进行评分有序化处理，获取目标评分数据，所述评分有序化处理通过按照一定顺序计算所述待检测激光数据中每个激光数据点的在地图中的得分得到；

将所述目标评分数据输入到检测神经网络中，获取所述目标移动机器人定位丢失的概率，其中，所述检测神经网络利用样本和标签进行训练得到。

2.根据权利要求1所述的移动机器人定位丢失检测方法，其特征在于，所述对所述待检测激光数据信息进行评分有序化处理，获取目标评分数据，包括：

将所述待检测激光数据中的每一激光点映射到所述地图中，对于每一激光点，获取所述地图中与每一激光点距离最近的障碍点；

根据每一激光点距离最近的障碍点和每一激光点，获取每一激光点的评分；

根据每一激光点的评分，获取所述目标评分数据。

3.根据权利要求2所述的移动机器人定位丢失检测方法，其特征在于，所述根据每一激光点距离最近的障碍点和每一激光点，获取每一激光点的评分，通过如下公式实现：

其中，s表示评分，d表示激光点与该激光点最近的障碍点之间的距离，σ＝0.05。

4.根据权利要求1所述的移动机器人定位丢失检测方法，其特征在于，所述检测神经网络利用样本和标签进行训练得到，包括：

在所述目标移动机器人定位异常情况下，分别在不同位置、不通场景、不通人流量场景下，对将激光数据评分有序化处理，采集若干负样本；

机器人定位正常情况下，分别在不同位置，不通场景，不通人流量场景下将激光数据评分有序化处理，采集若干数据样本作为正样本；

利用所述负样本和所述正样本对初始神经网络进行训练，获取所述检测神经网络。

5.根据权利要求4所述的移动机器人定位丢失检测方法，其特征在于，所述初始神经网络为一个三层的全连接神经网络。

6.根据权利要求4所述的移动机器人定位丢失检测方法，其特征在于，所述检测神经网络利用样本和标签进行训练得到，包括：

通过批量梯度下降方式，基于交叉熵损失函数，利用所述样本和所述标签对所述检测神经网络进行训练得到。

7.根据权利要求4所述的移动机器人定位丢失检测方法，其特征在于，还包括：

若所述目标移动机器人定位丢失的概率连续若干次大于预设概率阈值，则判定所述目标移动机器人为丢失。

8.一种移动机器人定位丢失检测系统，其特征在于，包括

获取模块，用于获取目标移动机器人的待检测激光数据信息；

处理模块，用于对所述待检测激光数据信息进行评分有序化处理，获取目标评分数据，所述评分有序化处理通过按照一定顺序计算所述待检测激光数据中每个激光数据点的在地图中的得分得到；

判定模块，用于将所述目标评分数据输入到检测神经网络中，获取所述目标移动机器人定位丢失的概率，其中，所述检测神经网络利用样本和标签进行训练得到。

9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如权利要求1至7任一所述的移动机器人定位丢失检测方法。

10.一种非暂态计算机可读存储介质，其特征在于，其上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1至7任一所述的移动机器人定位丢失检测方法。