一种基于激光传感器的地图生成方法及装置和机器人制造方法及图纸

本申请提供一种基于激光传感器的地图生成方法及装置、机器人和计算机可读存储介质。其中，基于激光传感器的地图生成方法包括：获取图像数据，该图像数据是通过视觉传感器采集得到的；基于图像数据确定关联的激光数据中属于类玻璃区域的点云数据；降低属于类玻璃区域的点云数据对应的权重，和/或提高属于非类玻璃区域的点云数据对应的权重；基于调整后的权重对点云数据进行融合处理，生成地图。本申请实施例可以提高生成的地图的精度，可用性高。

Map generation method and device and robot based on laser sensor

The present application provides a map generation method and a device based on a laser sensor, a robot and a computer readable storage medium. Among them, a map generation method based on a laser sensor includes: acquiring image data, which is acquired by a visual sensor; determining point cloud data belonging to a glass-like region in the associated laser data based on the image data; reducing the corresponding weight of point cloud data belonging to a glass-like region, and/or improving it. The corresponding weight of point cloud data belongs to non-glass-like region, and the map is generated by fusing the point cloud data based on the adjusted weight. The application example can improve the accuracy and availability of the generated map.

【技术实现步骤摘要】
一种基于激光传感器的地图生成方法及装置和机器人
本申请涉及即时定位与地图创建领域，尤其涉及一种基于激光传感器的地图生成方法及装置、机器人和计算机可读存储介质。
技术介绍
随着计算机技术和人工智能的发展，智能移动机器人成为机器人领域的一个重要研究方向和研究热点。移动机器人的定位和地图创建是移动机器人领域的热点研究问题。目前，可以利用激光传感器测量物体周围的环境数据，并将测量的环境数据进行即时定位与地图创建(Simultaneouslocalizationandmapping，简称SLAM)计算来构建地图。然而，当前激光传感器无法识别出玻璃，使得在使用过程中SLAM受到了限制。
技术实现思路
有鉴于此，本申请提供一种基于激光传感器的地图生成方法及装置、机器人和计算机可读存储介质。具体地，本申请是通过如下技术方案实现的：根据本公开实施例的第一方面，提供一种基于激光传感器的地图生成方法，所述方法包括：获取图像数据，所述图像数据是通过视觉传感器采集得到的；基于所述图像数据确定激光数据中属于类玻璃区域的点云数据；降低所述属于类玻璃区域的点云数据对应的权重，和/或提高属于非类玻璃区域的点云数据对应的权重；基于调整后的权重对所述点云数据进行融合处理，生成地图。在一实施例中，所述基于所述图像数据确定关联的激光数据中属于类玻璃区域的点云数据，包括：识别所述图像数据中的类玻璃区域，其中，所述视觉传感器获取所述图像数据的时间段与所述激光传感器采集所述激光数据的时间段相同；根据所述图像数据中的类玻璃区域和预先接收的所述视觉传感器与所述激光传感器之间的外参数，确定所述关联的激光数据中属于类玻璃区域的点云数据。在一实施例中，所述识别所述图像数据中的类玻璃区域，包括：将所述图像数据对应的图像分割成多个子图像；通过预先训练的识别模型判断每个子图像是否属于类玻璃区域；根据属于类玻璃区域的子图像确定所述图像数据中的类玻璃区域。在一实施例中，所述识别所述图像数据中的类玻璃区域，包括：将所述图像数据输入预先训练的至少两个识别模型，分别得到所述图像数据中的类玻璃区域及其识别概率；若任一识别概率大于对应识别模型的识别概率阈值，则将通过对应识别模型识别的类玻璃区域作为所述图像数据的类玻璃区域。在一实施例中，所述方法还包括：若至少两个识别概率大于对应识别模型的识别概率阈值，则将对应识别模型识别的类玻璃区域的并集作为所述图像数据的类玻璃区域。在一实施例中，所述基于调整后的权重对所述点云数据进行融合处理，生成地图，包括：基于调整后的权重对所述点云数据进行融合，得到初始地图；对所述初始地图进行优化后生成所述地图。在一实施例中，所述基于调整后的权重对所述点云数据进行融合，包括：对所述点云数据进行配准；基于配准的点云数据的坐标向量、所述配准的点云数据对应的权重和所述配准的点云数据之间的姿态参数，计算代价函数；通过对所述代价函数进行迭代运算，获得所述姿态参数；基于所述姿态参数对所述配准的点云数据进行融合。根据本公开实施例的第二方面，提供一种基于激光传感器的地图生成装置，所述装置包括：获取模块，用于获取图像数据，所述图像数据是通过视觉传感器采集得到的；确定模块，用于基于所述获取模块获取的所述图像数据确定关联的激光数据中属于类玻璃区域的点云数据；调整模块，用于降低所述确定模块确定的所述属于类玻璃区域的点云数据对应的权重，和/或提高属于非类玻璃区域的点云数据对应的权重；处理模块，用于基于所述调整模块调整后的权重对所述点云数据进行融合处理，生成地图。根据本公开实施例的第三方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述基于激光传感器的地图生成方法。根据本公开实施例的第四方面，提供一种机器人，包括视觉传感器、激光传感器、处理器、存储器及存储在所述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计算机程序时实现上述基于激光传感器的地图生成方法。本申请实施例，基于获取的图像数据确定关联的激光数据中属于类玻璃区域的点云数据，降低属于类玻璃区域的点云数据对应的权重，和/或提高属于非类玻璃区域的点云数据对应的权重，然后基于调整后的权重对点云数据进行融合处理，使得权重小的点云数据以极小的概率出现在融合后的地图数据中，从而提高生成的地图的精度，可用性高。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是本申请一示例性实施例示出的一种基于激光传感器的地图生成方法的流程图；图2A是本申请一示例性实施例示出的一种基于图像数据确定关联的激光数据中属于类玻璃区域的点云数据的流程图；图2B是本申请一示例性实施例示出的类玻璃区域对应的识别模型的示意图一；图2C是本申请一示例性实施例示出的类玻璃区域对应的识别模型的示意图二；图2D是本申请一示例性实施例示出的类玻璃区域对应的识别模型的示意图三；图2E是本申请一示例性实施例示出的类玻璃区域对应的识别模型的示意图四；图2F是本申请一示例性实施例示出的通过第一识别模型识别出的当前图像中的类玻璃区域的示意图；图2G是本申请一示例性实施例示出的通过第二识别模型识别出的当前图像中的类玻璃区域的示意图；图2H是本申请一示例性实施例示出的通过第一识别模型和第二识别模型识别出的当前图像中的类玻璃区域的示意图；图3是本申请一示例性实施例示出的一种降低属于类玻璃区域的点云数据对应的权重和提高属于非类玻璃区域的点云数据对应的权重的流程图；图4是本申请一示例性实施例示出的一种基于调整后的权重对点云数据进行融合的流程图；图5是本申请一示例性实施例示出的一种基于激光传感器的地图生成装置所在机器人的一种硬件结构图；图6是本申请一示例性实施例示出的一种基于激光传感器的地图生成装置的结构框图；图7是本申请一示例性实施例示出的另一种基于激光传感器的地图生成装置的结构框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。基于激光传感器生成地图时，激光传感器没有办法探测出类玻璃区域，即激光传感器对于存在类玻璃区域的环本文档来自技高网...

【技术保护点】
1.一种基于激光传感器的地图生成方法，其特征在于，所述方法包括：获取图像数据，所述图像数据是通过视觉传感器采集得到的；基于所述图像数据确定关联的激光数据中属于类玻璃区域的点云数据；降低所述属于类玻璃区域的点云数据对应的权重，和/或提高属于非类玻璃区域的点云数据对应的权重；基于调整后的权重对所述点云数据进行融合处理，生成地图。

【技术特征摘要】
1.一种基于激光传感器的地图生成方法，其特征在于，所述方法包括：获取图像数据，所述图像数据是通过视觉传感器采集得到的；基于所述图像数据确定关联的激光数据中属于类玻璃区域的点云数据；降低所述属于类玻璃区域的点云数据对应的权重，和/或提高属于非类玻璃区域的点云数据对应的权重；基于调整后的权重对所述点云数据进行融合处理，生成地图。2.根据权利要求1所述的方法，其特征在于，所述基于所述图像数据确定关联的激光数据中属于类玻璃区域的点云数据，包括：识别所述图像数据中的类玻璃区域，其中，所述视觉传感器获取所述图像数据的时间段与所述激光传感器采集所述激光数据的时间段相同；根据所述图像数据中的类玻璃区域和预先接收的所述视觉传感器与所述激光传感器之间的外参数，确定所述关联的激光数据中属于类玻璃区域的点云数据。3.根据权利要求2所述的方法，其特征在于，所述识别所述图像数据中的类玻璃区域，包括：将所述图像数据对应的图像分割成多个子图像；通过预先训练的识别模型判断每个子图像是否属于类玻璃区域；根据属于类玻璃区域的子图像确定所述图像数据中的类玻璃区域。4.根据权利要求2所述的方法，其特征在于，所述识别所述图像数据中的类玻璃区域，包括：将所述图像数据输入预先训练的至少两个识别模型，分别得到所述图像数据中的类玻璃区域及其识别概率；若任一识别概率大于对应识别模型的识别概率阈值，则将通过对应识别模型识别的类玻璃区域作为所述图像数据的类玻璃区域。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：若至少两个识别概率大于对应识别模型的识别概率阈值，则将对应识别模型识别的类玻璃...

【专利技术属性】
技术研发人员：程保山，申浩，郝立良，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11