机器人构建地图的方法、机器人及存储介质技术

本申请适用于计算机技术领域，提出一种机器人构建地图的方法：通过目标环境的至少连续两帧空间图像信息构建所述目标环境的稀疏点云地图，并将所述稀疏点云地图和所述目标环境的语义地图输入预先训练的对抗网络模型进行分析，得到所述目标环境的稠密点云地图，使得机器人能够稠密点云地图提供的大量特征点信息在目标环境中进行准确定位。

Method, robot and storage medium of robot building map

【技术实现步骤摘要】
机器人构建地图的方法、机器人及存储介质
本申请属于计算机
，尤其涉及一种机器人构建地图的方法、机器人及存储介质。
技术介绍
在机器人进行定位的过程中进行地图重建，是提高机器人对环境适应能力的重要手段，但是，地图重建需要消耗大量的系统资源。目前，常见的基于视觉的地图重建方法，往往只是构建特征点相对稀少的点云地图，在环境发生变化后影响机器人的定位准确性。
技术实现思路
有鉴于此，本申请实施例提供了机器人构建地图的方法、机器人及存储介质，以解决现有技术中机器人无法在环境发生变化后进行准确定位的问题。本申请实施例的第一方面提供了一种机器人构建地图的方法，包括：采集目标环境的至少连续两帧空间图像信息；根据所述空间图像信息构建所述目标环境的稀疏点云地图，所述稀疏点云地图包含的空间点数量小于预设的空间点数量阈值；将所述稀疏点云地图和所述目标环境的语义地图输入预先训练的对抗网络模型进行分析，得到所述目标环境的稠密点云地图，所述稠密点云地图包含的空间点数量大于或等于预设的空间点数量阈值。在一种可选的实现方式中，所述空间图像信息包括空间图像的各个像素点对应的三维空间点的深度信息；所述根据所述空间图像信息构建所述目标环境的稀疏点云地图，包括：分别从连续两帧所述空间图像信息中获取各个所述像素点的位置信息，以及各个所述像素点对应的三维空间点的深度信息；根据摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点对应的三维空间点的深度信息，确定所述目标环境的稀疏点云地图。在一种可选的实现方式中，所述根据摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点对应的三维空间点的深度信息，确定所述目标环境的稀疏点云地图，包括：分别将所述摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点各自对应的三维空间点的深度信息输入预设的成像模型进行分析，得到各个所述三维空间点的空间位置信息；根据各个所述三维空间点的所述空间位置信息构建所述稀疏点云地图。在一种可选的实现方式中，所述预先训练的对抗网络模型为条件生成对抗网络模型，所述条件生成对抗网络模型包括生成网络、判别网络以及预设的约束条件；所述生成网络的输入为预设数量的不同预设空间的稀疏点云地图和所述约束条件，输出为各个所述预设空间的预测稠密点云地图，所述约束条件作为条件信息与各个所述预设空间的预测稠密点云地图进行对抗；所述判别网络的输入为各个所述预设空间的预测稠密点云地图，输出为各个所述预设空间的预测稠密点云地图为各个所述预设空间的真实稠密点云地图的概率值。在一种可选的实现方式中，预设的所述约束条件为各个所述预设空间的语义地图。在一种可选的实现方式中，在所述将所述稀疏点云地图和所述目标环境的语义地图输入预先训练的对抗网络模型进行分析，得到所述目标环境的稠密点云地图之前，还包括：分别将各个所述预设空间的稀疏点云地图与各个所述预设空间的语义地图输入预先构建的所述生成网络中进行训练，得到各个所述预设空间的所述预测稠密点云地图；将各个所述预设空间的预测稠密点云地图输入预先构建的所述判别网络中进行训练，得到各个所述预设空间的预测稠密点云地图为各个所述预设空间的真实稠密点云地图的概率值；根据所述概率值，调整预先构建的所述生成网络的权重值；当所述生成网络的损失函数值的变化率小于或等于预设的第一变化率阈值，且所述判别网络的损失函数值的变化率小于或等于预设的第二变化率阈值，则确定对预先构建的所述对抗网络模型的训练结束，得到所述生成对抗网络模型。在一种可选的实现方式中，所述生成对抗网络模型表示为：min(G)：max(D)V(D，G)＝Ex[logD(x|θ)]+EZ[log(1-D(G(z|θ)))]其中，D为判别网络，G为生成网络，X为各个预设空间的稀疏点云地图，Z为各个预设空间的预测稠密点云点图，θ为各个预设空间的语义地图，Ex[logD(x|θ)]，为各个预设空间的稀疏点云地图的概率密度，EZ[log(1-DCzθ各个预设空间的预测稠密点云点图的概率密度。本申请实施例第二方面提供一种机器人，包括：采集模块，用于采集目标环境的至少连续两帧空间图像信息；构建模块，用于根据所述空间图像信息构建所述目标环境的稀疏点云地图，所述稀疏点云地图包含的空间点数量小于预设的空间点数量阈值；分析模块，用于将所述稀疏点云地图和所述目标环境的语义地图输入预先训练的对抗网络模型进行分析，得到所述目标环境的稠密点云地图，所述稠密点云地图包含的空间点数量大于或等于预设的空间点数量阈值。在一种可选的实现方式中，所述空间图像信息包括空间图像的各个像素点对应的三维空间点的深度信息；所述构建模块，包括：获取单元，用于分别从连续两帧所述空间图像信息中获取各个所述像素点的位置信息，以及各个所述像素点对应的三维空间点的深度信息；确定单元，用于根据摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点对应的三维空间点的深度信息，确定所述目标环境的稀疏点云地图。在一种可选的实现方式中，所述确定单元，包括：分析子单元，用于分别将所述摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点各自对应的三维空间点的深度信息输入预设的成像模型进行分析，得到各个所述三维空间点的空间位置信息；构建子单元，用于根据各个所述三维空间点的所述空间位置信息构建所述稀疏点云地图。在一种可选的实现方式中，所述预先训练的对抗网络模型为条件生成对抗网络模型，所述条件生成对抗网络模型包括生成网络、判别网络以及预设的约束条件；所述生成网络的输入为预设数量的不同预设空间的稀疏点云地图和所述约束条件，输出为各个所述预设空间的预测稠密点云地图，所述约束条件作为条件信息与各个所述预设空间的预测稠密点云地图进行对抗；所述判别网络的输入为各个所述预设空间的预测稠密点云地图，输出为各个所述预设空间的预测稠密点云地图为各个所述预设空间的真实稠密点云地图的概率值。在一种可选的实现方式中，预设的所述约束条件为各个所述预设空间的语义地图。在一种可选的实现方式中，还包括：第一训练模块，用于分别将各个所述预设空间的稀疏点云地图与各个所述预设空间的语义地图输入预先构建的所述生成网络中进行训练，得到各个所述预设空间的所述预测稠密点云地图；第二训练模块，用于将各个所述预设空间的预测稠密点云地图输入预先构建的所述判别网络中进行训练，得到各个所述预设空间的预测稠密点云地图为各个所述预设空间的真实稠密点云地图的概率值；调整模块，用于根据所述概率值，调整预先构建的所述生成网络的权重值；确定模块，用于在当所述生成网络的损失函数值的变化率小于或等于预设的第一变化率阈值，且所述判别网络的损失函数值的变化率小于或等于预设的第二变化率阈值，则确定对预先构建的所述对抗网络模型的训练结束，得到所本文档来自技高网...

【技术保护点】
1.一种机器人构建地图的方法，其特征在于，包括：/n采集目标环境的至少连续两帧空间图像信息；/n根据所述空间图像信息构建所述目标环境的稀疏点云地图，所述稀疏点云地图包含的空间点数量小于预设的空间点数量阈值；/n将所述稀疏点云地图和所述目标环境的语义地图输入预先训练的对抗网络模型进行分析，得到所述目标环境的稠密点云地图，所述稠密点云地图包含的空间点数量大于或等于预设的空间点数量阈值。/n

【技术特征摘要】
1.一种机器人构建地图的方法，其特征在于，包括：
采集目标环境的至少连续两帧空间图像信息；
根据所述空间图像信息构建所述目标环境的稀疏点云地图，所述稀疏点云地图包含的空间点数量小于预设的空间点数量阈值；
将所述稀疏点云地图和所述目标环境的语义地图输入预先训练的对抗网络模型进行分析，得到所述目标环境的稠密点云地图，所述稠密点云地图包含的空间点数量大于或等于预设的空间点数量阈值。


2.如权利要求1所述的机器人构建地图的方法，其特征在于，所述空间图像信息包括空间图像的各个像素点对应的三维空间点的深度信息；
所述根据所述空间图像信息构建所述目标环境的稀疏点云地图，包括：
分别从连续两帧所述空间图像信息中获取各个所述像素点的位置信息，以及各个所述像素点对应的三维空间点的深度信息；
根据摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点对应的三维空间点的深度信息，确定所述目标环境的稀疏点云地图。


3.如权利要求2所述的机器人构建地图的方法，其特征在于，所述根据摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点对应的三维空间点的深度信息，确定所述目标环境的稀疏点云地图，包括：
分别将所述摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点各自对应的三维空间点的深度信息输入预设的成像模型进行分析，得到各个所述三维空间点的空间位置信息；
根据各个所述三维空间点的所述空间位置信息构建所述稀疏点云地图。


4.如权利要求1-3任一所述的机器人构建地图的方法，其特征在于，所述预先训练的对抗网络模型为条件生成对抗网络模型，所述条件生成对抗网络模型包括生成网络、判别网络以及预设的约束条件；
所述生成网络的输入为预设数量的不同预设空间的稀疏点云地图和所述约束条件，输出为各个所述预设空间的预测稠密点云地图，所述约束条件作为条件信息与各个所述预设空间的预测稠密点云地图进行对抗；
所述判别网络的输入为各个所述预设空间的预测稠密点云地图，输出为各个所述预设空间的预测稠密点云地图为各个所述预设空间的真实稠密点云地图的概率值。


5.如权利要求4所述的机器人构建地图的方法，其特征在于，预设的所述约束条件为各个所述预设空间的语义地图。


6.如权利要求5所述的机器人构建地图的方法，其特征在于，在...

【专利技术属性】
技术研发人员：夏舸，张焕坤，
申请(专利权)人：深圳优地科技有限公司，
类型：发明
国别省市：广东;44