一种基于多任务网络模型定位的方法及系统技术方案

本发明专利技术公开了一种基于多任务确定机器人位姿的方法及系统，本发明专利技术实施例构建多任务网络模型，包括全局位姿回归子网络和相对位姿估计子网络，其中，全局位姿回归子网络中的卷积部分采用Resnet50结构构建，全局位姿回归子网络的最后一层设置为全连接层，以机器人拍摄的单帧图像作为输入，以机器人的位姿信息作为输出；相对位姿估计子网络采用Resnet50结构构建，包括两个线程网络、一个卷积子网络及全连接层，将机器人拍摄的相邻帧图像作为输入，输入到两个线程网络中，两个线程网络通过共享残差生成抽象特征，将生成的抽象特征在卷积子网络串联后，输出到全连接层处理，以机器人的相对位姿信息作为输出。因此，本发明专利技术实施例准确确定机器人的当前位姿，提高机器人的重定位精度。度。度。

【技术实现步骤摘要】
一种基于多任务网络模型定位的方法及系统


[0001]本专利技术涉及计算机领域的图像处理技术，特别涉及一种基于多任务网络模型定位的方法及系统。

技术介绍

[0002]即时定位与地图构建(SLAM，simultaneous localization and mapping)技术可以描述为：将一个机器人放入未知环境中的未知位置，让机器人一边移动一边逐步描绘出此环境完全的地图，所谓完全的地图(a consistent map)是指不受障碍行进到房间可进入的每个角落的地图。在采用SLAM技术可以对环境中的机器人进行定位，确定机器人当前的位姿，即机器人的位置(采用三维向量表示)及姿态(采用四元数表示)。
[0003]目前，采用SLAM技术对机器人进行重定位的方式主要有两种，以下分别说明。
[0004]第一种方式，基于外观的重定位依靠数据集实现，数据集采用区域内对应各个位置及机器人姿态的密集分布的关键帧来表示，当要确定机器人位姿时，基于所获取的当前位置及当前姿态下拍摄的当前帧图像通过词典搜索方式搜索数据集，从中确定最相似的多个关键帧，根据相似本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多任务网络模型定位的方法，其特征在于，包括：构建多任务网络模型，包括全局位姿回归子网络和相对位姿估计子网络；全局位姿回归子网络中的卷积部分采用Resnet结构构建，全局位姿回归子网络的最后一层设置为全连接层，以机器人拍摄的单帧图像作为输入，以机器人的位姿信息作为输出；相对位姿估计子网络中的卷积部分采用Resnet结构构建，包括两个线程网络及一个卷积子网络，相对位姿估计子网络的最后一层设置为全连接层，将机器人拍摄的相邻帧图像作为输入，输入到两个线程网络中，两个线程网络通过共享残差生成抽象特征，将生成的抽象特征在卷积子网络串联后，输出到全连接层处理，以机器人的相对位姿信息作为输出。2.如权利要求1所述的方法，其特征在于，所述全局位姿回归子网络采用50网络结构、34或101网络结构。3.如权利要求1所述的方法，其特征在于，所述相对位姿估计子网络采用50网络结构、34或101网络结构。4.如权利要求1所述的方法，其特征在于，所述全局位姿回归子网络在训练的同时，利用由相对位姿估计子网络训练时得到的机器人的相对位姿信息设置搜索空间。5.如权利要求1所述的方法，其特征在于，所述全局位姿回归子网络和所述相对位姿估计子网络在训练时，共同使用50结构的前三个残差模块，通过交替训练，在不同任务上使用不同...

【专利技术属性】
技术研发人员：胡婷婷，温冬寒，郑伟波，
申请(专利权)人：成都鼎桥通信技术有限公司，
类型：发明
国别省市：