一种可移动设备的定位方法及装置
技术领域
本发明涉及导航技术领域，尤其涉及一种可移动设备的定位方法及装置。
背景技术
现如今，导航技术已经广泛普及，在人们经常使用的地图应用中，就集成有导航功能，其可以引导用户到达用户想去的地方。
在导航过程中，需要实时对车辆进行匹配定位，从而确定车辆在地图中的位置。但是目前的匹配定位方法，不是匹配精度过低，就是计算量过大，难以满足实际需求。
发明内容
本申请实施例通过提供一种可移动设备的定位方法及装置，解决了现有技术中的匹配定位方法，存在匹配精度低或计算量大的技术问题，实现了提高匹配精度同时降低计算量的技术效果。
第一方面，本申请通过本申请的一实施例提供如下技术方案：
一种可移动设备的定位方法，包括：
确定点云数据中的物体；
对所述点云数据中的物体进行参数结构化，获得结构化物体和非结构化物体；
基于点云数据中的物体对应的语义信息，确定地图数据中与所述结构化物体匹配的第一物体以及与所述非结构化物体匹配的第二物体；
确定所述结构化物体与所述第一物体的第一距离误差参数，以及确定所述非结构化物体与所述第二物体的第二距离误差参数；
基于所述第一距离误差参数和所述第二距离误差参数构建损失函数，并基于所述损失函数确定可移动设备的位置。
第二方面，本申请通过本申请的一实施例提供如下技术方案：
一种可移动设备的定位装置，包括：
第一确定单元，用于确定点云数据中的物体；
结构化单元，用于对所述点云数据中的物体进行参数结构化，获得结构化物体和非结构化物体；
第二确定单元，用于基于点云数据中的物体对应的语义信息，确定地图数据中与所述结构化物体匹配的第一物体以及与所述非结构化物体匹配的第二物体；
第三确定单元，用于确定所述结构化物体与所述第一物体的第一距离误差参数，以及确定所述非结构化物体与所述第二物体的第二距离误差参数；
构建单元，用于基于所述第一距离误差参数和所述第二距离误差参数构建损失函数，并基于所述损失函数确定可移动设备的位置。
第三方面，基于同一发明构思，本申请通过本申请的一实施例提供如下技术方案：
一种电子设备，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，所述处理器执行所述程序时可以实现上述第一方面任一实施方式所述的方法步骤。
第四方面，基于同一发明构思，本申请通过本申请的一实施例提供如下技术方案：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可以实现上述第一方面任一实施方式所述的方法步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
在本申请实施例中，由于在进行匹配定位时，新增了语义信息作为匹配元素，基于语义信息在地图数据中确定出与结构化物体匹配的第一物体以及与非结构化物体匹配的第二物体，进而确定出结构化物体与第一物体的第一距离误差参数，以及非结构化物体与第二物体的第二距离误差参数，并以此构建损失函数来确定可移动设备的位置，如此使得匹配定位的精度更高同时降低计算量，解决了现有技术中的匹配定位方法，存在匹配精度低或计算量大的技术问题，实现了提高匹配精度同时降低计算量的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种可移动设备的定位方法的流程图；
图2为本申请实施例中步骤S103的细化流程图；
图3为本申请实施例中一种可移动设备的定位装置的结构图；
图4为本申请实施例中第二确定子单元303的结构图；
图5为本申请实施例中一种电子设备的结构图。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
如上所述，现有技术在进行匹配定位时，不是匹配精度过低，就是计算量过大，难以满足实际需求。究其原因：若单纯基于点云做匹配(即：利用现场图像中的像素点与地图中的像素点匹配)，计算量太大。若单纯基于物体做匹配(即：利用现场图像中的物体与地图中的物体做匹配)，并非所有物体都能够被参数化，所以匹配度精度不高。
基于上述技术问题，本申请的基本构思是基于点云数据中的语义信息对点云数据进行分类，确定地图数据中与结构化物体匹配的第一物体以及与非结构化物体匹配的第二物体，然后针对每种物体的特性，采取不同的处理方式。
具体地，本申请提供的地图构建方法、装置、设备以及可读存储介质首先确定点云数据中的物体，其次对点云数据中的物体进行参数结构化，获得结构化物体和非结构化物体，再次基于点云数据中的物体对应的语义信息，确定地图数据中与结构化物体匹配的第一物体以及与非结构化物体匹配的第二物体，最后确定结构化物体与第一物体的第一距离误差参数，以及确定非结构化物体与第二物体的第二距离误差参数，并以此构建损失函数，从而确定可移动设备的位置。
由于在进行匹配定位时，新增了语义信息作为匹配元素，基于语义信息在地图数据中确定出与结构化物体匹配的第一物体以及与非结构化物体匹配的第二物体，进而确定出结构化物体与第一物体的第一距离误差参数，以及非结构化物体与第二物体的第二距离误差参数，并以此构建损失函数来确定可移动设备的位置，如此使得匹配定位的精度更高同时降低计算量，解决了现有技术中的匹配定位方法，存在匹配精度低或计算量大的技术问题，实现了提高匹配精度同时降低计算量的技术效果。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性方法
本实施例提供了一种可移动设备的定位方法，应用在可移动设备上，所述可移动设备可以为：汽车、电动车、机器人等设备，其可以在驱动装置(例如：电动机或燃油机)的驱动下行驶。此处，对于所述可移动设备具体是何种设备，本实施例不做具体限定。
如图1所示，所述可移动设备的定位方法，包括如下步骤：
步骤S101：确定点云数据中的物体。
在具体实施过程中，在可移动设备上设置有感知传感器(如：激光雷达、毫米波雷达、或摄像头等)，在可移动设备行驶过程中，感知传感器可以实时对当前道路上的物体进行扫描，获得相应的点云数据。
点云(Point Cloud)，是指目标物体(即：被扫描物体)表面的海量的点(即：采样点)的集合，其中携带有每个点的方位、距离等信息。
具体来讲，根据激光测量原理得到的点云，包括三维坐标(XYZ)和激光反射强度(Intensity)；根据摄影测量原理得到的点云，包括三维坐标(XYZ)和颜色信息(RGB)；结合激光测量和摄影测量原理得到点云，包括三维坐标(XYZ)、激光反射强度(Intensity)和颜色信息(RGB)。当然也可以仅利用摄像头，采用机器视觉的方法构建点云。
进一步的，对所获取的点云进行语义分割，获取所述点云中的目标物体及其对应的语义类别信息。在这里，语义分割的任务是分割图像，区分出不同的分割物。当使用语义分割时，会将点云划分为语义上有意义的部分，然后将每个部分的各个组成点标记为预定类别之一，从而识别出点云数据内的不同物体。
由于不同的物体具有不同的几何形状，所以可以基于几何形状，获得点云数据中与该几何形状对应的物体的语义信息。
举例来讲，电线杆多为圆柱形，高楼多为长方体、路牌多为矩形扁平状，等等。在从点云数据识别出几何形状后，可以基于这些几何形状，获得点云数据中与该几何形状对应的物体的语义信息。例如，若某一物体为圆柱形，其可能是电线杆，则可以将该物体添加语义标签“柱子”；若某一物体为长方体，其可能是高楼，则可以将该物体添加语义标签“建筑物”；若某一物体为矩形扁平状，其可能是路牌，则可以将该物体添加语义标签“交通牌”。
举例来讲，树也有一个基本的形状(即：树形)，若识别到某一物体为树形，则可以将该物体添加语义标签“树”。
当然，以上只是几个简单的例子，在实际应用过程中，物体的几何形状会更复杂些。
步骤S102：对点云数据中的物体进行参数结构化，获得结构化物体和非结构化物体。
在执行步骤S102之前，可以先对点云数据进行预处理，具体包括：对点云数据进行去噪处理。其中，由于点云数据中不可避免会存在噪声，这些噪声会影响到整个匹配定位过程，此处先进行去噪处理，可以获得更加纯净的点云数据。
在具体实施过程中，点云数据中包含的物体可以分为两种，一种是可以进行参数结构化的物体(即：结构化物体)，另一种是无法进行参数结构化的物体(即：非结构化物体)。其中，结构化物体往往具有规则的形状(例如：高楼、电线杆、桥梁、路面上的道路线、交通指示牌、等等)，基于现有的算法，可以提取到这类物体的参数化特征点，并获得相应的结构化方程表达式；而非结构化物体往往形状不规则(例如：树，其形状比较复杂，且每棵树的形状都不同)，难以提取到这类物体的参数化特征点，难以获得相应的结构化方程表达式。
在具体实施过程中，可以基于点云数据中每个物体的语义信息(即：语义标签)，对点云数据中所包含的物体进行分类，从而获得结构化物体和非结构化物体。
举例来讲，可以将语义标签为“建筑物”、“柱子”、“车道线”、“交通牌”的物体确定为结构化物体，可以将语义标签为“树”的物体确定为非结构化物体。
步骤S103：基于点云数据中的物体对应的语义信息，确定地图数据中与结构化物体匹配的第一物体以及与非结构化物体匹配的第二物体。
在具体实施过程中，地图数据可以预先下载到可移动设备中，也可以在线实时加载，在地图数据中包含可移动设备当前所在位置的图像信息。为了节省运算量，可以仅记载地图数据中跟当前位置相关的局部地图信息。
在具体实施过程中，可以基于点云数据中的物体的语义信息，将点云数据中的物体与地图数据中的物体建立一一对应关系，从而在地图数据中找到与点云数据对应的物体，获得存在对应关系的多对物体，其中，存在对应关系的每对物体都具有相同的语义信息。其中，将地图数据中的与点云数据中的结构化物体相匹配的物体称为第一物体，将地图数据中的与点云数据中的非结构化物体相匹配的物体称为第二物体。此处，需要针对点云数据中的每个物体的语义信息，在地图数据中都找到与其相匹配的物体。由于基于点云数据中的物体的语义信息，在地图数据中匹配出第一物体和第二物体，如此可以节省计算量，提高匹配速率，且提高匹配精度。
举例来讲，在点云数据中包含物体S1、物体S2、物体S3、物体S4和物体S5，其中，物体S1、物体S2、物体S3、物体S4为结构化物体，物体S1的语义标签为“建筑物”，物体S2的语义标签为“柱子”，物体S3的语义标签为“车道线”，物体S4的语义标签为“交通牌”，物体S5为非结构化物体，物体S5的语义标签为“树”。
对应地，需要在地图数据中找到：与物体S1匹配的物体S1’(物体S1和物体S1’为具有对应关系一对物体，二者的语义标签同为“建筑物”)，与物体S2匹配的物体S2’(物体S2和物体S2’为具有对应关系一对物体，二者的语义标签同为“柱子”)，与物体S3匹配的物体S3’(物体S3和物体S3’为具有对应关系一对物体，二者的语义标签同为“车道线”)，与物体S4匹配的物体S4’(物体S4和物体S4’为具有对应关系一对物体，二者的语义标签同为“交通牌”)，与物体S5匹配的物体S5’(物体S5和物体S5’为具有对应关系一对物体，二者的语义标签同为“树”)。如此，可以节省计算量，提高匹配速率，并提高匹配精度。
步骤S104：确定结构化物体与第一物体的第一距离误差参数，以及确定非结构化物体与第二物体的第二距离误差参数。
在具体实施过程中，可以针对上述存在对应关系的每对物体(包含结构物物体和非结构化物体)，获得每对物体对应的距离误差参数。
在具体实施过程中，对于每个结构化物体，可以进行结构化参数的提取，再基于提取到的结构化参数，计算出该结构化物体与第一物体的欧氏距离，获得第一距离误差参数。此处采用的是基于“物体”的匹配定位方式，具有计算量小的优点。
举例来讲，对于车道线，可以获取其对应的结构化方程表达式Ax3+Bx2+Cx+D＝0，其中的{A,B,C,D}为方程参数，并基于该结构化方程表达式计算出车道线对应的距离误差参数。
在具体实施过程中，对于每个非结构化物体，则可以基于该非结构化物体中的多个点与第二物体对应的多个点之间的欧氏距离，获得第二距离误差参数。此处采用的是基于“点云”的匹配定位方式，虽然计算量大一些，但匹配精度较高。
由于在进行匹配定位时，将基于“物体”进行匹配定位的方式”和基于“点云”匹配进行匹配定位的方式相结合，兼顾了两种匹配方式的优点，不仅降低了计算量，而且还提高了匹配精度。如此，解决了现有技术中的匹配定位方法，存在匹配精度低或计算量大的技术问题，实现了提高匹配精度同时降低计算量的技术效果。
步骤S105：基于第一距离误差参数和第二距离误差参数构建损失函数，并基于损失函数确定可移动设备的位置。
在具体实施过程中，在针对上述存在对应关系的每对物体(包含结构物体和非结构化物体)，获得每对物体对应的距离误差参数后，可以基于这些距离误差参数构建一损失函数。
本文中的每个距离误差参数(例如：第一距离误差参数和第二距离误差参数)，用于构成损失函数的一个误差项。
举例来讲，可以计算物体S1与物体S1’之间的距离误差参数R1，计算物体S2与物体S2’之间的距离误差参数R2，计算物体S3与物体S3’之间的距离误差参数R3，计算物体S4与物体S4’之间的距离误差参数R4，计算物体S5与物体S5’之间的距离误差参数R5。再基于距离误差参数R1、R2、R3、R4、R5，构建一损失函数。
在具体实施过程中，通过计算点云数据中的结构化物体与地图数据中的第一物体的欧氏距离，获得第一距离误差参数，以此作为损失函数的误差项，同理，通过计算点云数据中的非结构化物体与地图数据中的第二物体的距欧氏距离，获得第二距离误差参数，以此作为损失函数的误差项，由此构建一损失函数，并求解该损失函数的最小化误差，由此将把定位问题转化为最小化误差项的求解问题，使得点云数据和地图数据尽可能的配准，从而得到定位结果。
举例来讲，对于距离误差参数R1、R2、R3、R4、R5，可以基于每个距离误差参数获得对应的误差项，并将获得的误差项依次相加求和，构建一损失函数。再经过多次迭代使得各误差项的和最小，达到最小化误差项的目的，从而得到配准结果，也就可以确定可移动设备的位置。
在本申请实施例中，由于在进行匹配定位时，新增了语义信息作为匹配元素，基于语义信息在地图数据中确定出与结构化物体匹配的第一物体以及与非结构化物体匹配的第二物体，进而确定出结构化物体与第一物体的第一距离误差参数，以及非结构化物体与第二物体的第二距离误差参数，并以此构建损失函数来确定可移动设备的位置，如此使得匹配定位的精度更高同时降低计算量，解决了现有技术中的匹配定位方法，存在匹配精度低或计算量大的技术问题，实现了提高匹配精度同时降低计算量的技术效果。
如图2所示，在上述图1所示实施例的基础上，作为本实施例一种可选的实施方式，上述步骤S103可包括如下步骤：
步骤S201：在地图数据中确定与结构化物体具有相同语义信息且距离最近的第一物体；以及
步骤S202：在地图数据中确定与非结构化物体具有相同语义信息且距离最近的第二物体。
在具体实施过程中，可以以每个物体中心点来代表每个物体所在位置，在关联最近物体时，通过搜索同类物体最近中心点的形式关联。并且将语义信息作为一个新的维度，在点云数据和地图数据中，选取语义信息相同且距离最近的一对物体关联起来。其中，所述距离具体为欧式距离(即：欧几里得距离)。
举例来讲，针对点云数据中的结构化物体S1，其语义信息为“建筑物”，则在地图数据搜索语义信息同为“建筑物”且与结构化物体S1的欧式距离最近的物体，并将这个物体作为与结构化物体S1相匹配的第一物体S1’。
举例来讲，针对点云数据中的非结构化物体S4，其语义信息为“树”，则在地图数据搜索语义信息同为“树”且与结构化物体S4的欧式距离最近的物体，并将这个物体作为与非结构化物体S4相匹配的第一物体S4’。
如此，在经过步骤S201和步骤S202后，即可将点云数据中的物体与地图数据中的物体进行一一关联。
在一个示例中，所述确定结构化物体与第一物体的第一距离误差参数，包括：
方式一：在结构化物体上确定第一参考线，以及在第一物体上确定与第一参考线匹配的第二参考线；计算第一参考线与第二参考线之间的欧式距离，获得第一距离误差参数；或
方式二：从结构化物体上确定第一参考面，以及从第一物体上确定与第一参考面匹配的第二参考面；计算第一参考面与第二参考面之间的欧式距离，获得第一距离误差参数。
其中，选择方式一、方式二取决于匹配物体的几何形状。例如，标识牌、红绿灯可以确定参考面，即采用方式二；车道线、柱子可以确定参考线，即采用方式一。
在具体实施过程中，针对结构化物体，可以参考上述方式一，计算“线到线”的距离误差参数。具体来讲，可以在点云数据中的每个结构化物体上选择一条参考线(即：第一参考线)，在地图数据中找到与该参考线匹配的另一条参考线(即：第二参考线)，并计算第一参考线与第二参考线之间的欧氏距离，获得这对物体对应的距离误差参数(即：第一距离误差参数)。
在具体实施过程中，针对结构化物体，还可以参考上述方式二，计算“面到面”的距离误差参数。具体来讲，可以在点云数据中的每个结构化物体上选择一个参考面(即：第一参考面)，在地图数据中找到与该参考面匹配的另一个参考面(即：第二参考面)，并计算第一参考面与第二参考面之间的欧氏距离，获得这对物体对应的距离误差参数(即：第一距离误差参数)。在本实施例中，针对结构化物体，在确定其对应的距离误差参数时，可以基于“线到线”或“面到面”的方式，从而降低了计算量。
在一个示例中，所述确定所述非结构化物体与所述第二物体的第二距离误差参数，包括：
在非结构化物体上确定M个第一参考点，以及在第二物体上确定M个第二参考点，其中，所述M个第一参考点与所述M个第二参考点一一匹配，组成M个参考点对，M为大于等于2的整数；基于所述M个参考点对中的每个参考点对之间的欧式距离，确定第二距离误差参数。
在具体实施过程中，可以先在非结构化物体上确定M个第一参考点，然后在搜索半径内检索第二物体上的点，并找到唯一确定的最近M个第二参考点，所述M个第二参考点与所述M个第一参考点一一配对，组成M个参考点对。
在具体实施过程中，M的优选值为6。此处优选6，是因为考虑到如果当前没有结构化物体，只有非结构化物体，那么至少需要6个点对才能求解可移动设备的当前位姿。
在具体实施过程中，针对点云数据，其误差项由匹配的最近邻点对之间的欧式距离构成。为避免点云个数不一导致的误差项不平衡，本方案提出的单个误差项是针对物体而言，而非针对单个点而言。即，针对点云数据，计算出匹配最近邻点对之间的欧氏距离总和后，除以点对的总数得到的值作为该物体的误差项。
举例来讲，对于非结构化物体S4和第二物体S4’，可以在非结构化物体S4上选取6个参考点，分别为P1、P2、P3、P4、P5、P6，在第二物体上搜索获得与P1最近的参考点为P1’(P1和P1’相匹配，构成一个点对)，同理，在第二物体上搜索获得与P2最近的参考点为P2’(P2和P2’相匹配，构成一个点对)，在第二物体上搜索获得与P3最近的参考点为P3’(P3和P3’相匹配，构成一个点对)，在第二物体上搜索获得与P4最近的参考点为P4’(P4和P4’相匹配，构成一个点对)，在第二物体上搜索获得与P5最近的参考点为P5’(P5和P5’相匹配，构成一个点对)，在第二物体上搜索获得与P6最近的参考点为P6’(P6和P6’相匹配，构成一个点对)。
进一步，计算P1和P1’的欧氏距离L1，计算P2和P2’的欧氏距离L2，计算P3和P3’的欧氏距离L3，计算P4和P4’的欧氏距离L4，计算P5和P5’的欧氏距离L5，计算P6和P6’的欧氏距离L6。最后，将L1～L6依次相加再除以6，即获得了非结构化物体S4对应的第二距离误差参数，该第二距离误差参数即可作为损失函数的一个误差项。
在一个示例中，所述基于所述第一距离误差参数和所述第二距离误差参数构建损失函数，包括：
基于结构化物体的语义信息，为第一距离误差参数分配权重值；基于非结构化物体的语义信息，为第二距离误差参数分配权重值；基于第一距离误差参数及其权重值、和第二距离误差参数及其权重值，构建损失函数。
在具体实施过程中，可以为第一距离误差参数配置权重γ1，为第二距离误差参数配置权重γ2，可以使得构建的损失函数更加符合实际情况，从而有利于获得更加准确的，更合理的损失函数。其中，权重可以由对应物体本身的参考性决定。例如，在实际路口中，车道线、标识牌等人为标志更具有参考性，对应的权重也更高。而树木、结构化的高楼参考性更低，对应的权重也更低。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：
在本申请实施例中，由于在进行匹配定位时，新增了语义信息作为匹配元素，基于语义信息在地图数据中确定出与结构化物体匹配的第一物体以及与非结构化物体匹配的第二物体，进而确定出结构化物体与第一物体的第一距离误差参数，以及非结构化物体与第二物体的第二距离误差参数，并以此构建损失函数来确定可移动设备的位置，如此使得匹配定位的精度更高同时降低计算量，解决了现有技术中的匹配定位方法，存在匹配精度低或计算量大的技术问题，实现了提高匹配精度同时降低计算量的技术效果。
示例性装置
基于同一发明构思，如图3所示，本实施例提供了一种可移动设备的定位装置300，包括：
第一确定单元301，用于确定点云数据中的物体；
结构化单元302，用于对所述点云数据中的物体进行参数结构化，获得结构化物体和非结构化物体；
第二确定单元303，用于基于点云数据中的物体对应的语义信息，确定地图数据中与所述结构化物体匹配的第一物体以及与所述非结构化物体匹配的第二物体；
第三确定单元304，用于确定所述结构化物体与所述第一物体的第一距离误差参数，以及确定所述非结构化物体与所述第二物体的第二距离误差参数；
构建单元305，用于基于所述第一距离误差参数和所述第二距离误差参数构建损失函数，并基于所述损失函数确定可移动设备的位置。
在一个示例中，如图4所示，第二确定单元303，包括：
第一确定子单元3031，用于在所述地图数据中确定与所述结构化物体具有相同语义信息且距离最近的第一物体；以及
第二确定子单元3032，用于在所述地图数据中确定与所述非结构化物体具有相同语义信息且距离最近的第二物体。
在一个示例中，第三确定单元304，包括：
第三确定子单元，用于在所述结构化物体上确定第一参考线，以及在所述第一物体上确定与所述第一参考线匹配的第二参考线；计算所述第一参考线与所述第二参考线之间的欧式距离，获得所述第一距离误差参数；或
第四确定子单元，用于从所述结构化物体上确定第一参考面，以及从所述第一物体上确定与所述第一参考面匹配的第二参考面；计算所述第一参考面与所述第二参考面之间的欧式距离，获得所述第一距离误差参数。
在一个示例中，第三确定单元304，还包括：
第五确定子单元，用于在所述非结构化物体上确定M个第一参考点，以及在所述第二物体上确定M个第二参考点，其中，所述M个第一参考点与所述M个第二参考点一一匹配，组成M个参考点对，M为大于等于2的整数；基于所述M个参考点对中的每个参考点对之间的欧式距离，确定所述第二距离误差参数。
在一个示例中，构建单元305，包括：
第一分配子单元，用于基于所述结构化物体的语义信息，为所述第一距离误差参数分配权重值；
第二分配子单元，用于基于所述非结构化物体的语义信息，为所述第二距离误差参数分配权重值；
构建子单元，用于基于所述第一距离误差参数及其权重值、和所述第二距离误差参数及其权重值，构建所述损失函数。
这里本领域技术人员可以理解，上述可移动设备的定位装置300中的各个单元/模块的具体功能和操作已经在上面参考图1到图2的移动设备的定位方法的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本申请实施例的可移动设备的定位装置300可以实现在各种可移动设备的设备终端中，例如用于自动驾驶汽车、机器人等中的计算机或者微处理器中。在一个示例中，根据本申请实施例的可移动设备的定位装置300可以作为一个软件模块和/或硬件模块而集成到可移动设备的设备终端中。例如，该可移动设备的定位装置300可以是该设备终端的操作系统中的一个软件模块，或者可以是针对于该设备终端所开发的一个应用程序；当然，该可移动设备的定位装置300同样可以是该设备终端的众多硬件模块之一。
替换地，在另一示例中，该可移动设备的定位装置300与可移动设备的设备终端也可以是分立的设备，并且该可移动设备的定位装置300可以通过有线和/或无线网络连接到该设备终端，并且按照约定的数据格式来传输交互信息。
示例性电子设备
基于同一发明构思，下面，参考图5来描述根据本申请实施例的电子设备。
图5图示了根据本申请实施例的电子设备的框图。
如图5所示，电子设备500包括一个或多个处理器501和存储器502。
处理器501可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备500中的其他组件以执行期望的功能。
存储器502可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器501可以运行所述程序指令，以实现上文所述的本申请的各个实施例的可移动设备的定位方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备500还可以包括：输入装置503和输出装置504，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置503还可以包括例如键盘、鼠标等等。
该输出装置504可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置504可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图5中仅示出了该电子设备500中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备500还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
基于同一发明构思，除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的可移动设备的定位方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的可移动设备的定位方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
