一种欠约束环境检测方法、装置及计算机可读存储介质与流程

1.本技术涉及智能导航领域，特别是涉及一种欠约束环境检测方法、装置及计算机可读存储介质。


背景技术：

2.激光同时定位与地图构建(simultaneous localization and mapping，slam)和视觉slam受到越来越多人关注，在各个领域逐步开始应用，例如应用于扫地机、智能导引搬运自动导引车(automated guided vehicle，agv)及自动驾驶汽车等。
3.但是在建图过程中，在一些环境太过相似，缺乏特征的欠约束环境中，由于机器人周围的环境使得现有的约束条件不能将预测的位姿确定在一个较小的范围，从而导致位姿估计的误差增大。如图1所示，在长走廊环境中建图时，地图中仅有两条平行的长直线。机器人通过雷达做激光点云与地图的匹配时，只有在与墙壁垂直的方向上才有较好的约束，而在与墙壁平行的方向上，每个位置的匹配效果都是一致的，因此预测的位姿会产生较大的误差。同时这些错误匹配的结果也会作为后端优化的约束，进一步影响其他正确的约束，降低了建图质量。


技术实现要素：

4.本技术的目的是提供一种欠约束环境检测方法、装置及计算机可读存储介质，能够检测出建图环境中的欠约束情况，从而提高建图质量。
5.为解决上述技术问题，本技术提供一种欠约束环境检测方法，包括：
6.采集激光定位过程中每一帧的图像的点云数据；
7.提取由所述点云数据构成的直线；
8.确定已提取出的各所述直线间的平行度；
9.根据所述平行度确定当前环境的欠约束情况。
10.优选地，所述根据所述平行度确定当前环境的欠约束情况包括：
11.获取各所述直线的所述平行度对应的信息熵；
12.根据所述信息熵确定所述当前环境的欠约束情况。
13.优选地，所述提取由所述点云数据构成的直线包括：
14.分别将当前帧图像中的所述点云数据与所述当前帧图像中其余的所述点云数据进行拟合，以生成各种子线段；
15.将位于各所述种子线段的延长线上的所述点云数据与位于同一所述种子线段上的所述点云数据进行拟合，以生成各所述直线；
16.将各所述直线中所述平行度大于第一阈值的所述直线或重合的所述直线合并作为所述点云数据提取的所述直线。
17.优选地，所述分别将当前帧图像中的所述点云数据与所述当前帧图像中其余的所述点云数据进行拟合包括：
18.分别将所述当前帧图像中的所述点云数据与所述当前帧图像中预设数量的其余的所述点云数据进行最小二乘法拟合；
19.优选地，所述获取各所述直线的所述平行度对应的信息熵包括：
20.分别获取各所述直线的法向量与x轴的夹角，以作为各所述直线的倾角；
21.获取各所述倾角在预设个数的角度区间的分布直方图；其中，各所述角度区间大小相等且连续，各所述角度区间所组成的角度范围为0度至180度；
22.根据所述分布直方图确定各所述倾角在各所述角度区间的概率；
23.根据各所述倾角在各所述角度区间的所述概率确定各所述直线的所述信息熵。
24.优选地，所述根据所述信息熵确定所述当前环境的欠约束情况包括：
25.若所述信息熵不大于第二阈值，则确认所述直线平行，所述当前环境欠约束；
26.若所述信息熵不小于第三阈值，则确认所述直线方向分散，所述当前环境符合约束要求；
27.若所述信息熵大于所述第二阈值且小于所述第三阈值，并存在一对目标角度区间的距离不小于第四阈值且对应的所述概率不小于第五阈值，则确认所述直线方向分散，所述当前环境符合约束要求；否则确认所述直线平行，所述当前环境欠约束；
28.其中，所述目标角度区间为包含所述倾角的所述角度区间，所述第二阈值小于所述第三阈值。
29.优选地，在所述将各所述直线中所述平行度大于第一阈值的所述直线或重合的所述直线合并作为所述点云数据提取的所述直线之后，还包括：
30.删除所述直线的长度不满足预设长度的所述直线。
31.为解决上述技术问题，本技术还提供一种欠约束环境检测装置，包括：
32.采集模块，用于采集激光定位过程中每一帧的图像的点云数据；
33.提取模块，用于提取由所述点云数据构成的直线；
34.第一确定模块，用于确定已提取出的各所述直线间的平行度；
35.第二确定模块，用于根据所述平行度确定当前环境的欠约束情况。
36.为解决上述技术问题，本技术还提供另一种欠约束环境检测装置，包括：
37.存储器，用于存储计算机程序；
38.处理器，用于执行所述计算机程序时实现上述的欠约束环境检测方法的步骤。
39.为解决上述技术问题，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的欠约束环境检测方法的步骤。
40.本技术所提供的欠约束环境检测方法，通过采集激光定位过程中每一帧的图像的点云数据；提取由点云数据构成的直线；确定已提取出的各直线间的平行度；根据平行度确定当前环境的欠约束情况。由此可知，上述方案提取图像中点云数据构成的直线，并确定了直线的平行度；由于直线平行度和环境约束存在对应关系，直线平行度越大，此时环境约束就越差，从而通过直线平行度实现了对欠约束环境的检测。避免了欠约束环境下点云匹配数据对建图的影响，提高了建图质量。
41.此外，本技术实施例还提供了一种欠约束环境检测装置及计算机可读存储介质，效果同上。
附图说明
42.为了更清楚地说明本技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，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。
43.图1为本技术提供的一种长走廊环境建图的示意图；
44.图2为本技术实施例提供的一种欠约束环境检测方法的流程图；
45.图3为本技术实施例提供的欠约束环境检测方法在应用场景中的流程图；
46.图4为本技术实施例提供的一种欠约束环境检测装置的结构示意图；
47.图5为本技术实施例提供的另一种欠约束环境检测装置的结构示意图。
具体实施方式
48.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本技术保护范围。
49.本技术的核心是提供一种欠约束环境检测方法、装置及计算机可读存储介质。
50.为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。
51.图2为本技术实施例提供的一种欠约束环境检测方法的流程图。如图2所示，欠约束环境检测方法包括：
52.s10：采集激光定位过程中每一帧的图像的点云数据。
53.在机器人进行激光定位的过程中，机器人通过激光雷达对周围环境进行扫描，并采集每一帧扫描图像中的点云数据(point cloud data)。点云数据是指在一个三维坐标系统中的一组向量的集合，其扫描资料以点的形式记录，包含周围环境的信息。每一个点包含有三维坐标，可能含有颜色信息(rgb)或反射强度信息(intensity)。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息赋予点云中对应的点。反射强度信息的获取是接收装置采集到激光的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，发射能量以及激光波长有关。
54.s11：提取由点云数据构成的直线。
55.可以理解的是，由于点云数据分布在每一帧图像上，且以点的形式记录扫描资料，因此能够基于点云数据生成多条直线。根据直线的性质，可以通过至少两个点云数据确定一条直线，且任意一个点云数据均能与当前帧图像的其余的点云数据构成直线。在具体实施中，还可以提取包含预设数量的点云数据的直线。在本实施例中对于提取点云数据构成的直线的具体过程不做限制，根据具体的实施情况而定。
56.s12：确定已提取出的各直线间的平行度。
57.平行度是指两直线平行的程度，用于评价直线之间的平行状态。在获取两直线间的平行度时，其中一个直线是评价基准。在激光定位的过程中，会存在机器人周围的环境太过相似，缺乏特征的情况。例如在图1中的长走廊环境中，与墙面平行的方向上的约束条件不足以将机器人预测的位姿确定在一个较小的范围。在此环境下所采集的点云数据构成的
各直线，直线的平行度会高于其他约束环境下点云数据构成的直线的平行度，且直线平行度越大，此时环境约束就越差。因此点云数据构成的直线的平行度能够作为环境欠约束情况的检测依据。
58.s13：根据平行度确定当前环境的欠约束情况。
59.由s12可知，直线平行度和环境约束存在对应关系，直线平行度越大，此时环境约束就越差，因此能够根据平行度确定当前环境的欠约束情况。具体地，可通过比较得到的直线平行度与阈值的关系确定当前环境的欠约束情况；还可通过获取与直线平行度对应的信息熵，信息熵用于表征直线平行事件的不确定性，从而根据信息熵与阈值的关系确定当前环境的欠约束情况。本实施例中，对于根据平行度确定当前环境的欠约束情况的具体过程不做限制，根据具体的实施情况而定。
60.本实施例中，通过采集激光定位过程中每一帧的图像的点云数据；提取由点云数据构成的直线；确定已提取出的各直线间的平行度；根据平行度确定当前环境的欠约束情况。由此可知，上述方案提取图像中点云数据构成的直线，并确定了直线的平行度；由于直线平行度和环境约束存在对应关系，直线平行度越大，此时环境约束就越差，从而通过直线平行度实现了对欠约束环境的检测。避免了欠约束环境下点云匹配数据对建图的影响，提高了建图质量。
61.在上述实施例的基础上：
62.作为一种优选的实施例，根据平行度确定当前环境的欠约束情况包括：
63.获取各直线的平行度对应的信息熵；
64.根据信息熵确定当前环境的欠约束情况。
65.信息熵(information entropy)用于描述信息源各可能事件发生的不确定性。不确定性与信息熵呈正相关。对于直线间的平行度，两直线间的平行度越大，则说明两直线越接近平行，此时环境约束越差。而对于表征两条直线间的平行关系的信息熵，两条直线的平行的不确定性越小，则信息熵越小。因此作为一种优选的实施例，根据平行度确定当前环境的欠约束情况，具体可以通过获取各直线的平行度对应的信息熵，根据信息熵确定当前环境的欠约束情况。本实施例中对于信息熵的获取方式不做限制，对于根据信息熵确定当前环境的欠约束情况的具体过程不做限制，根据具体的实施情况而定。
66.本实施例中，获取各直线的平行度对应的信息熵，根据信息熵确定当前环境的欠约束情况，实现了环境欠约束情况的检测。
67.在上述实施例的基础上：
68.作为一种优选的实施例，提取由点云数据构成的直线包括：
69.分别将当前帧图像中的点云数据与当前帧图像中其余的点云数据进行拟合，以生成各种子线段；
70.将位于各种子线段的延长线上的点云数据与位于同一种子线段上的点云数据进行拟合，以生成各直线；
71.将各直线中平行度大于第一阈值的直线或重合的直线合并作为点云数据提取的直线。
72.作为一种优选的实施例，提取由点云数据构成的直线，首先需要初步提取各直线。具体地，分别将当前帧图像中的点云数据与当前帧图像中其余的点云数据进行拟合，以生
成各种子线段。
73.需要注意的是，在具体实施中将当前帧图像中每一个点云数据与当前帧图像中其余的点云数据进行拟合，每一个点云数据均与其余的点云数据构成了种子线段。在本实施例中，对于拟合过程中其余的点云数据的具体数量不做限制，根据具体的实施情况而定。
74.由于种子线段只是基于各点云数据初步提取的直线，而在所有的点云数据中会存在部分点云数据位于种子线段的延长线上。因此，为了生成具有完整长度的直线，进一步将位于各种子线段的延长线上的点云数据与位于同一种子线段上的点云数据进行拟合，从而生成各直线。为确定位于各种子线段的延长线上的点云数据，具体可以通过种子线段外的点云数据与种子线段延长线的距离确定。当距离为0时，则认为该点云数据位于种子线段的延长线上；也可以通过点云数据的坐标与种子线段延长线的方程判断，根据具体的实施情况而定。
75.在得到了各直线后，各直线中会存在一些平行或重合的直线。为减小计算量，将各直线中平行度大于第一阈值的直线或重合的直线合并作为点云数据提取的直线。本实施例中对于第一阈值不做限制，根据具体的实施情况而定。
76.需要注意的是，本实施例中对于种子线段与直线生成过程中点云数据的具体拟合方式不做限制，可以通过最小二乘法进行拟合，还可以通过解析表达式逼近离散数据的方法或其他方式进行拟合，根据具体的实施情况而定。
77.本实施例中，通过分别将当前帧图像中的点云数据与当前帧图像中其余的点云数据进行拟合，以生成各种子线段；将位于各种子线段的延长线上的点云数据与位于同一种子线段上的点云数据进行拟合，以生成各直线；将各直线中平行度大于第一阈值的直线或重合的直线合并作为点云数据提取的直线，实现了直线的提取，以便于后续通过直线的平行度确定当前环境的欠约束情况。
78.在上述实施例的基础上：
79.作为一种优选的实施例，分别将当前帧图像中的点云数据与当前帧图像中其余的点云数据进行拟合包括：
80.分别将当前帧图像中的点云数据与当前帧图像中预设数量的其余的点云数据进行最小二乘法拟合。
81.作为一种优选的实施例，在提取点云数据构成的种子线段的过程中，为了减少计算量，提高种子线段的生成效率，在具体实施中，分别将当前帧图像中的点云数据与当前帧图像中预设数量的其余的点云数据进行最小二乘法拟合。
82.需要注意的是，本实施例中的预设数量可以设置为不小于2，从而能够生成具有代表性的种子线段。在具体实施中还可以设置预设数量小于当前帧图像中其余的点云数据总数，例如设置预设数量为不小于2且不大于10的整数，使得当前帧图像中的点云数据与其周围的预设数量的点云数据进行拟合，不但能够得到具有代表性的种子线段，还能够有效减少计算量。
83.此外，种子线段的生成过程中，通过最小二乘法拟合点云数据。作为一种拟合方法，最小二乘法在进行点云数据的拟合过程中具有更高的计算效率。
84.本实施例中，分别将当前帧图像中的点云数据与当前帧图像中预设数量的其余的点云数据进行最小二乘法拟合，实现了种子线段的生成，具有更高的生成效率。
85.在上述实施例的基础上：
86.作为一种优选的实施例，获取各直线的平行度对应的信息熵包括：
87.分别获取各直线的法向量与x轴的夹角，以作为各直线的倾角；
88.获取各倾角在预设个数的角度区间的分布直方图；其中，各角度区间大小相等且连续，各角度区间所组成的角度范围为0度至180度；
89.根据分布直方图确定各倾角在各角度区间的概率；
90.根据各倾角在各角度区间的概率确定各直线的信息熵。
91.在上述实施例中，对于信息熵的获取方式不做限制。作为一种优选的实施例，本实施例中，通过获取各直线的倾角在各角度区间的概率确定信息熵。
92.具体地，首先获取各直线的倾角，本实施例中分别获取各直线的法向量与x轴的夹角，以作为各直线的倾角。设置多个角度区间，各角度区间大小相等且连续，各角度区间所组成的角度范围为0度至180度。基于各角度区间和各倾角生成所有倾角在各角度区间的分布直方图。分布直方图能够显示出各直线的倾角在不同角度区间的分布情况。进一步获取各个角度区间内出现倾角的各概率pi，并根据各概率pi通过信息熵的计算公式获取信息熵。信息熵的计算公式如下：
[0093][0094]
其中，上述公式中pi为各个角度区间中倾角出现的概率，n为角度区间的数量。
[0095]
本实施例中，通过分别获取各直线的法向量与x轴的夹角，以作为各直线的倾角；获取各倾角在预设个数的角度区间的分布直方图；其中，各角度区间大小相等且连续，各角度区间所组成的角度范围为0度至180度；根据分布直方图确定各倾角在各角度区间的概率；根据各倾角在各角度区间的概率确定各直线的信息熵，实现了信息熵的获取，以便于后续根据信息熵确定当前环境的欠约束情况。
[0096]
在上述实施例的基础上：
[0097]
作为一种优选的实施例，根据信息熵确定当前环境的欠约束情况包括：
[0098]
若信息熵不大于第二阈值，则确认直线平行，当前环境欠约束；
[0099]
若信息熵不小于第三阈值，则确认直线方向分散，当前环境符合约束要求；
[0100]
若信息熵大于第二阈值且小于第三阈值，并存在一对目标角度区间的距离不小于第四阈值且对应的概率不小于第五阈值，则确认直线方向分散，当前环境符合约束要求；否则确认直线平行，当前环境欠约束；
[0101]
其中，目标角度区间为包含倾角的角度区间，第二阈值小于第三阈值。
[0102]
作为一种优选的实施例，本实施例中根据信息熵确定当前环境的欠约束情况的具体过程如下：
[0103]
在获取到各直线的平行度对应的信息熵后，将信息熵与第二阈值和第三阈值进行比较。其中，第二阈值小于第三阈值。若信息熵不大于第二阈值，则各直线的倾角分布集中，确认直线平行，当前环境欠约束。若信息熵不小于第三阈值，则各直线的倾角分布分散，确认直线方向分散，当前环境符合约束要求。
[0104]
若信息熵大于第二阈值且小于第三阈值，为了进一步根据信息熵确定当前环境的欠约束情况，还需要判断是否存在一对目标角度区间的距离不小于第四阈值且对应的概率
不小于第五阈值；需要注意的是，目标角度区间为包含倾角的角度区间；若是，则确认直线方向分散，当前环境符合约束要求；若否，则确认直线平行，当前环境欠约束。进一步地，在检测出当前环境欠约束后，可以去除当前环境中的点云匹配数据，从而避免了欠约束环境对后续建图的影响。
[0105]
需要注意的是，本实施例中对于第二阈值、第三阈值、第四阈值和第五阈值不做限制，根据具体的实施情况而定。
[0106]
本实施例中，通过若信息熵不大于第二阈值，则确认直线平行，当前环境欠约束；若信息熵不小于第三阈值，则确认直线方向分散，当前环境符合约束要求；若信息熵大于第二阈值且小于第三阈值，并存在一对目标角度区间的距离不小于第四阈值且对应的概率不小于第五阈值，则确认直线方向分散，当前环境符合约束要求；否则确认直线平行，当前环境欠约束；其中，目标角度区间为包含倾角的角度区间，第二阈值小于第三阈值。实现了根据信息熵对当前环境欠约束情况的检测，提升了建图质量。
[0107]
在上述实施例的基础上：
[0108]
作为一种优选的实施例，在将各直线中平行度大于第一阈值的直线或重合的直线合并作为点云数据提取的直线之后，还包括：
[0109]
删除直线的长度不满足预设长度的直线。
[0110]
作为一种优选的实施例，在提取出点云数据构成的各直线之后，提取的各直线具有不同的长度。而为了去除全部直线中不具代表性的直线，提高后续信息熵的计算效率，进一步将各直线中长度不满足预设长度的直线删除，从而保留满足预设长度的直线。本实施例中对于预设长度不做限制，根据具体的实施情况而定。
[0111]
本实施例中，在将各直线中平行度大于第一阈值的直线或重合的直线合并作为点云数据提取的直线之后，删除直线的长度不满足预设长度的直线，提高了计算效率。
[0112]
为了使本领域的技术人员更好的理解本技术的技术方案，下面结合附图3对上述本技术作进一步的详细说明。图3为本技术实施例提供的欠约束环境检测方法在应用场景中的流程图。在具体实施中，可通过机器人实现点云数据的采集和处理，机器人具体可包括雷达、处理器、通信模块等。如图3所示，该方法包括：
[0113]
s14：雷达启动；
[0114]
s15：雷达持续移动并扫描周围环境，收集点云数据；
[0115]
s16：雷达发送收集的点云数据至处理器；
[0116]
s17：处理器检测每一帧图像的点云数据所在环境的欠约束情况；
[0117]
s18：处理器删除欠约束环境下的点云数据，保留约束环境下的点云数据；
[0118]
s19：处理器发送约束环境下的点云数据至通信模块；
[0119]
s20：通信模块将约束环境下的点云数据传输至后台进行定位建图。
[0120]
该应用场景具体为：在机器人进行定位建图时，机器人开启雷达，并在当前环境中移动。通过雷达对周围环境进行逐帧扫描，收集每一帧当前环境的点云数据。处理器根据每一帧图像的点云数据检测机器人所在环境的欠约束情况；具体通过提取由点云数据构成的直线，确定已提取出的各直线间的平行度，根据平行度确定当前环境的欠约束情况。在根据每一帧图像点云数据确定当前环境的欠约束情况后，处理器保留约束环境下的点云数据，删除欠约束环境下的点云数据，以排除欠约束环境下的点云数据对建图的影响。进一步将
约束环境下的点云数据通过通信模块传输至后台，以进行定位建图。
[0121]
在上述实施例中，对于欠约束环境检测方法进行了详细描述，本技术还提供欠约束环境检测装置对应的实施例。需要说明的是，本技术从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件结构的角度。
[0122]
图4为本技术实施例提供的一种欠约束环境检测装置的结构示意图。如图4所示，欠约束环境检测装置包括：
[0123]
采集模块10，用于采集激光定位过程中每一帧的图像的点云数据。
[0124]
提取模块11，用于提取由点云数据构成的直线。
[0125]
第一确定模块12，用于确定已提取出的各直线间的平行度。
[0126]
第二确定模块13，用于根据平行度确定当前环境的欠约束情况。
[0127]
本实施例中，欠约束环境检测装置包括采集模块、提取模块、第一确定模块和第二确定模块。通过采集激光定位过程中每一帧的图像的点云数据；提取由点云数据构成的直线；确定已提取出的各直线间的平行度；根据平行度确定当前环境的欠约束情况。由此可知，上述方案提取图像中点云数据构成的直线，并确定了直线的平行度；由于直线平行度和环境约束存在对应关系，直线平行度越大，此时环境约束就越差，从而通过直线平行度实现了对欠约束环境的检测。避免了欠约束环境下点云匹配数据对建图的影响，提高了建图质量。
[0128]
图5为本技术实施例提供的另一种欠约束环境检测装置的结构示意图。
[0129]
如图5所示，欠约束环境检测装置包括：
[0130]
存储器20，用于存储计算机程序。
[0131]
处理器21，用于执行计算机程序时实现如上述实施例中所提到的欠约束环境检测方法的步骤。
[0132]
本实施例提供的欠约束环境检测装置可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
[0133]
其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(digital signal processor，dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(central processing unit，cpu)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以在集成有图形处理器(graphics processing unit，gpu)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括人工智能(artificial intelligence，ai)处理器，该ai处理器用于处理有关机器学习的计算操作。
[0134]
存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器20至少用于存储以下计算机程序201，其中，该计算机程序被处理器21加载并执行之后，能够实现前述任一实施例公开的欠约束环境检测方法的相关步骤。另外，存储器20所存储的资源还可以包括操作系统202和数据
203等，存储方式可以是短暂存储或者永久存储。其中，操作系统202可以包括windows、unix、linux等。数据203可以包括但不限于欠约束环境检测方法涉及到的数据。
[0135]
在一些实施例中，欠约束环境检测装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
[0136]
本领域技术人员可以理解，图5中示出的结构并不构成对欠约束环境检测装置的限定，可以包括比图示更多或更少的组件。
[0137]
本实施例中，欠约束环境检测装置包括存储器和处理器。处理器用于执行计算机程序时实现如上述实施例中所提到的欠约束环境检测方法的步骤。通过采集激光定位过程中每一帧的图像的点云数据；提取由点云数据构成的直线；确定已提取出的各直线间的平行度；根据平行度确定当前环境的欠约束情况。由此可知，上述方案提取图像中点云数据构成的直线，并确定了直线的平行度；由于直线平行度和环境约束存在对应关系，直线平行度越大，此时环境约束就越差，从而通过直线平行度实现了对欠约束环境的检测。避免了欠约束环境下点云匹配数据对建图的影响，提高了建图质量。
[0138]
最后，本技术还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
[0139]
可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0140]
本实施例中，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。通过采集激光定位过程中每一帧的图像的点云数据；提取由点云数据构成的直线；确定已提取出的各直线间的平行度；根据平行度确定当前环境的欠约束情况。由此可知，上述方案提取图像中点云数据构成的直线，并确定了直线的平行度；由于直线平行度和环境约束存在对应关系，直线平行度越大，此时环境约束就越差，从而通过直线平行度实现了对欠约束环境的检测。避免了欠约束环境下点云匹配数据对建图的影响，提高了建图质量。
[0141]
以上对本技术所提供的一种欠约束环境检测方法、装置及计算机可读存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。
[0142]
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作
之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。