一种地图构建优化方法、装置、介质及设备制造方法及图纸

本发明专利技术实施例公开了一种地图构建优化方法。本发明专利技术实施例通过初始化当前环境中目标物体的三维结构，并作为参考匹配点；根据所述参考匹配点，确定当前图像内的特征点姿态方程的姿态解算；将所述姿态解算带入局部地图优化问题方程进行求解，以得到优化局部地图，能够有效提高机器人的建图效率。

【技术实现步骤摘要】
一种地图构建优化方法、装置、介质及设备
本专利技术实施例涉及移动机器人领域，尤其涉及一种提高视觉里程计效率的方法、装置、介质及设备。
技术介绍
机器人是自动控制机器(Robot)的俗称，自动控制机器包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗，机器猫等)。在当代工业中，机器人指能自动执行任务的人造机器装置，用以取代或协助人类工作。在使用机器人构建地图领域中，不仅仅要知道机器人行驶的距离，还要知道机器人每时每刻的位置和姿态，以及拍摄到不同角度的环境，因此视觉里程计是通过分析处理相关图像序列来确定机器人的位置和姿态的一种定位方法。但在现有技术中，由于完整的同时建图和定位算法消耗资源较大，计算量大，因此在小型移动设备内难以被直接应用。
技术实现思路
本专利技术实施例提供一种地图构建优化方法、装置、介质及设备，能够有效提高机器人建图效率。第一方面，本专利技术实施例提供了一种地图构建优化方法，该方法包括：初始化当前环境中目标物体的三维结构，并作为参考匹配点；根据所述参考匹配点，确定当前图像内的特征点姿态方程的姿态解算；将所述姿态解算带入局部地图优化问题方程进行求解，以得到优化局部地图。可选的，初始化当前环境中目标物体的三维结构，作为参考匹配点，包括：采集预设数量的当前环境图像；通过三角化与运动恢复结构算法，对多张所述当前环境图像进行初始化，以获得当前环境中目标物体的三维结构；将组成所述目标物体的三维结构的点云作为参考匹配点。可选的，根据所述参考匹配点，确定当前图像内的特征点姿态方程的姿态解算，包括：采集当前图像，并获取所述当前图像内的特征点；将当前图像内的特征点与参考匹配点进行匹配，获取数据关联矩阵作为特征点姿态方程；通过特征值分解相关算法对所述特征点姿态方程进行求解，以得到姿态解算。可选的，所述获取所述当前图像内的特征点，包括：根据FAST角点检测算法，获取所述当前图像内的特征点。可选的，所述当前图像内的特征点与参考匹配点进行匹配，获取数据关联矩阵作为特征点姿态方程，包括：根据光流追踪算法，跟踪所述当前图像内的特征点；获取当前图像内的特征点与所述参考匹配点之间的匹配关系，得到数据关联矩阵作为特征点姿态方程。可选的，在将所述姿态解算带入局部地图优化问题方程进行求解之后，还包括：使用高斯-牛顿下降优化算法，对求解后的位姿信息进行优化。第二方面，本专利技术实施例提供了一种地图构建优化装置，该装置包括：参考模块，用于初始化当前环境中目标物体的三维结构，并作为参考匹配点；解算模块，用于根据所述参考匹配点，确定当前图像内的特征点姿态方程的姿态解算；地图确定模块，用于将所述姿态解算带入局部地图优化问题方程进行求解，以得到优化局部地图。可选的，所述参考模块具体用于：采集预设数量的当前环境图像；通过三角化与运动恢复结构算法，对多张所述当前环境图像进行初始化，以获得当前环境中目标物体的三维结构；将组成所述目标物体的三维结构的点云作为参考匹配点。可选的，所述解算模块具体用于：采集当前图像，并获取所述当前图像内的特征点；将当前图像内的特征点与参考匹配点进行匹配，获取数据关联矩阵作为特征点姿态方程；通过特征值分解相关算法对所述特征点姿态方程进行求解，以得到姿态解算。可选的，所述解算模块具体还用于：根据FAST角点检测算法，获取所述当前图像内的特征点。可选的，所述解算模块具体还用于：根据光流追踪算法，跟踪所述当前图像内的特征点；获取当前图像内的特征点与所述参考匹配点之间的匹配关系，得到数据关联矩阵作为特征点姿态方程。可选的，还包括：优化模块，用于使用高斯-牛顿下降优化算法，对求解后的位姿信息进行优化。第三方面，本专利技术实施例提供了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实现如上述的地图构建优化方法。第四方面，本专利技术实施例提供了一种电子设备，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如上述的地图构建优化方法。本专利技术实施例通过初始化当前环境中目标物体的三维结构，并作为参考匹配点；根据所述参考匹配点，确定当前图像内的特征点姿态方程的姿态解算；将所述姿态解算带入局部地图优化问题方程进行求解，以得到优化局部地图，能够有效提高机器人的建图效率。附图说明图1是本专利技术实施例一提供的一种地图构建优化方法的流程图；图2A是本专利技术实施例二提供的一种地图构建优化方法的流程图；图2B是本专利技术实施例二提供的一种示例性的地图构建优化方法的流程图；图3是本专利技术实施例三提供的一种地图构建优化装置的结构示意图；图4是本专利技术实施例五提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。首先，本方案的实现，可以是基于如下前提：网络模块区分服务端和客户端。将应用程序区分为服务端和客户端，但是和大部分需要区分服务端和客户端的应用程序不同的是，因为考虑到成本控制、程序启动自由、便捷性等原因，本产品不希望单独设立一台计算机作为服务器。因此，程序会在启动后，通过网络模块首先解析配置文件中提前记录好的信息来判断自身是否是服务端，如果是服务端，那自身既为服务端，又为客户端，其他计算机则为客户端。19世纪80年代为了解决GPS缺失情况下的定位导航问题，同时建图和定位算法(Simultaneouslocalizationandmapping，SLAM)被提出来，SLAM系统一般利用主动探知的传感器(激光传感器、相机、超声波等等)，持续的构建环境，并且给出环境地图中自身的位置。定位和建图相互依赖，在最简单的例子中：定位功能根据有误差和偏差的传感器数据给出可移动机器人的状态(位置和姿态)，并记录一些环境的固有标记(特征点等)来描述周围的环境。但由于完整的同时建图和定位算法消耗资源较大，计算量大的缺点，难以被直接用于小型移动设备。在实现在小型移动端使用该方法的关键技术之一就是降低其计算量。在同时建图和定位算法中主要耗时的为：局部地图优化和图像特征追踪。本专利技术实施例本文档来自技高网...

【技术保护点】
1.一种地图构建优化方法，其特征在于，包括：/n初始化当前环境中目标物体的三维结构，并作为参考匹配点；/n根据所述参考匹配点，确定当前图像内的特征点姿态方程的姿态解算；/n将所述姿态解算带入局部地图优化问题方程进行求解，以得到优化局部地图。/n

【技术特征摘要】
1.一种地图构建优化方法，其特征在于，包括：
初始化当前环境中目标物体的三维结构，并作为参考匹配点；
根据所述参考匹配点，确定当前图像内的特征点姿态方程的姿态解算；
将所述姿态解算带入局部地图优化问题方程进行求解，以得到优化局部地图。


2.根据权利要求1所述的方法，其特征在于，初始化当前环境中目标物体的三维结构，作为参考匹配点，包括：
采集预设数量的当前环境图像；
通过三角化与运动恢复结构算法，对多张所述当前环境图像进行初始化，以获得当前环境图像中目标物体的三维结构；
将组成所述目标物体的三维结构的点云作为参考匹配点。


3.根据权利要求1所述的方法，其特征在于，根据所述参考匹配点，确定当前图像内的特征点姿态方程的姿态解算，包括：
采集当前图像，并获取所述当前图像内的特征点；
将当前图像内的特征点与参考匹配点进行匹配，获取数据关联矩阵作为特征点姿态方程；
通过特征值分解相关算法对所述特征点姿态方程进行求解，以得到姿态解算。


4.根据权利要求3述的方法，其特征在于，所述获取所述当前图像内的特征点，包括：
根据FAST角点检测算法，获取所述当前图像内的特征点。


5.权利要求3述的方法，其特征在于，所述当前图像内的特征点与参考匹配点进行匹配，获取数据关联矩阵作为特征点姿态方程，包括：
根据光流追踪算法，跟踪...

【专利技术属性】
技术研发人员：缪瑞航，薛午阳，计星武，龚正，应忍冬，刘佩林，张凯渊，
申请(专利权)人：上海美迪索科电子科技有限公司，上海交通大学，
类型：发明
国别省市：上海;31