基于层次分组的语义SLAM对象关联和位姿更新方法及系统技术方案

本发明专利技术涉及一种基于层次分组的语义SLAM对象关联和位姿更新方法及系统，方法包括获取动态物体的运动图像；根据运动图像构建关键帧队列，从关键帧队列中选取关键帧作为关键帧组；对每个关键帧组内的关键帧进行物体关联操作，得到对象路标及其位姿信息；根据对象路标及其位姿信息构建高斯混合模型，利用高斯混合模型判断每个关键帧组中的对象路标是否与其他关键帧组中的每个对象路标关联，得到判断结果；根据判断结果更新地图中的对象路标及其位姿信息。本发明专利技术能够高精度地实现对象关联，避免了多个相似且相近的物体产生错误关联，克服现有技术在多个相同对象相距很近的情况下存在对象关联准确性不高、场景泛化能力弱以及位姿优化不足的缺陷。姿优化不足的缺陷。姿优化不足的缺陷。

【技术实现步骤摘要】
基于层次分组的语义SLAM对象关联和位姿更新方法及系统


[0001]本专利技术涉及机器人视觉
，尤其是指一种基于层次分组的语义 SLAM对象关联和位姿更新方法及系统。

技术介绍

[0002]尽管纯视觉SLAM具有较好的鲁棒性能，但在动态场景、快速运动、纹 理丢失、光照变化和其他情况下很容易跟踪失败。因此将传统的SLAM与语 义信息相结合可以提高系统的鲁棒性，并且更符合人类对探索未知环境的认 知。但是传统的视觉SLAM在定位与建图中使用很少的语义信息，因此在某 些应用场景中受到限制。
[0003]精确的物体关联和实时更新优化的对象位姿是语义SLAM中至关重要的 组成部分。要建立精确的三维语义地图，准确的物体关联和物体位姿是前提。 准确的物体关联主要依赖于准确的物体测量，包括物体的类别和位姿。但在 实际情况中，机器人的传感器捕获的信息是带有噪声的，单纯使用传感器的 信息去估计机器人的运动是不可靠的。而且现有技术的语义SLAM对象关联 方法在多个相同对象相距很近的情况下存在对象关联准确性不高、场景泛化 能力弱以及对象位姿优化不足的缺点，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于层次分组的语义SLAM对象关联和位姿更新方法，其特征在于，包括：获取动态物体的运动图像；根据所述运动图像构建关键帧队列，并从所述关键帧队列中选取连续的关键帧作为关键帧组，其中相邻的关键帧组具有重叠的关键帧；对每个关键帧组内的关键帧进行物体关联操作，得到每个关键帧组的对象路标及其位姿信息；根据一个关键帧组的对象路标及其位姿信息构建高斯混合模型，利用所述高斯混合模型判断每个关键帧组中的每个对象路标是否与其他关键帧组中的每个对象路标关联，得到判断结果；根据所述判断结果更新所述地图中的对象路标及其位姿信息。2.根据权利要求1所述的基于层次分组的语义SLAM对象关联和位姿更新方法，其特征在于：获取动态物体的运动图像包括：在所述动态物体运动过程中，利用摄像设备捕捉其运动图像，对于每一帧图像分别计算所述摄像设备的位姿以及摄像设备在地图上的位置。3.根据权利要求2所述的基于层次分组的语义SLAM对象关联和位姿更新方法，其特征在于：在利用摄像设备捕捉动态物体的运动图像前进行去畸变处理。4.根据权利要求1所述的基于层次分组的语义SLAM对象关联和位姿更新方法，其特征在于：根据所述运动图像构建关键帧队列包括：以第一个图像帧作为关键帧添加至关键帧队列中，并以该关键帧作为参照选取图像信息变化明显的图像帧设为新的关键帧，将新的关键帧添加至关键帧队列中，并以新的关键帧作为参照选取其他的关键帧，依次类推，得到包括多个关键帧的关键帧队列。5.根据权利要求1所述的基于层次分组的语义SLAM对象关联和位姿更新方法，其特征在于：对每个关键帧组内的关键帧进行物体关联操作包括：利用MOT算法检测得到每个关键帧组内的对象测量，其中对象测量包括位姿信息，并将每个对象测量关联到对象路标，得到包含有对象路标及其位姿信息的关键帧组。6.根据权利要求5所述的基于层次分组的语义SLAM对象关联和位姿更新方法，其特征在于：将每个对象测量关联到对象路标，得到包含有对象路标及其位姿信息的关键帧组包括：首先将与关键帧组中的第一个对象测量关联的对象路标作为第一个对象路标；然后判断该关键帧组中的第二个对象测量是否与第一个对象路标关联，若判断结果为是，则将第二个对象测量关联到该第一个对象路标，若判断结果为否，则生成与...

【专利技术属性】
技术研发人员：张剑华，陈凯祺，刘嘉玲，孙波，
申请(专利权)人：紫东信息科技苏州有限公司，
类型：发明
国别省市：