机器人、地图构建方法、装置和可读存储介质制造方法及图纸

一种地图构建方法，包括：融合机器人搭载的多个传感器获取的数据，得到图像数据和机器人的位姿数据；追踪根据图像数据和机器人的位姿数据生成的局部地图的地图点，建立所图像数据的当前帧与局部地图的地图点的关联关系，其中，局部地图包括关键帧和地图点；根据机器人的位姿数据以及图像数据的当前帧与局部地图的地图点的关联关系，建立局部地图各个关键帧的局部共视关系并对局部地图进行更新；根据各个关键帧的局部共视关系并通过闭环检测对所有已更新局部地图进行优化，生成全局地图。本申请的技术方案使得构建的全局地图精确性更高，用于机器人定位时的精度也能提高。用于机器人定位时的精度也能提高。用于机器人定位时的精度也能提高。

【技术实现步骤摘要】
机器人、地图构建方法、装置和可读存储介质


[0001]本专利技术涉及机器人领域，特别涉及一种机器人、地图构建方法、装置和可读存储介质。

技术介绍

[0002]机器人室内定位主要是依赖于已知的地图(有的地图是预先制作，有的则是实时建立，例如SLAM地图)，定位效果和/或精度取决于地图的质量。现有的室内地图构建方法主要包括激光栅格地图构建方法和视觉点云地图构建方法。然而，激光栅格地图构建方法得到的地图在长走廊或对称环境下，定位的效果不佳，而视觉点云地图构建方法得到的地图，在白墙等弱纹理环境下，由于特征偏少或难于提取有效特征，导致构建的地图出现尺度漂移的现象。

技术实现思路

[0003]本申请提供一种机器人、地图构建方法、装置和可读存储介质，以克服单纯的激光栅格地图构建方法或单纯的视觉点云地图构建方法所得到的地图的定位效果欠佳或尺度漂移等缺陷。
[0004]一方面，本申请提供了一种机器人，所述机器人包括：
[0005]存储器，
[0006]所述存储器存储有可执行程序代码；
[0007]处理器，与所述存储器耦合，所述处理器用于调用所述存储器中存储的可执行程序代码时执行如下步骤：
[0008]融合所述机器人搭载的多个传感器获取的数据，得到图像数据和机器人的位姿数据；
[0009]追踪根据所述图像数据和机器人的位姿数据生成的局部地图的地图点，建立所述图像数据的当前帧与所述局部地图的地图点的关联关系，所述局部地图包括关键帧和地图点；
[0010]根据所述机器人的位姿数据以及所述图像数据的当前帧与所述局部地图的地图点的关联关系，建立所述局部地图各个关键帧的局部共视关系并对所述局部地图进行更新；
[0011]根据所述各个关键帧的局部共视关系并通过闭环检测对所有已更新局部地图进行优化，生成全局地图。
[0012]另一方面，本申请提供了一种地图构建装置，所述装置包括：
[0013]融合模块，用于融合多个传感器获取的数据，得到图像数据和机器人的位姿数据；
[0014]追踪模块，用于追踪根据所述图像数据和机器人的位姿数据生成的局部地图的地图点，建立所述图像数据的当前帧与所述局部地图的地图点的关联关系，所述局部地图包括关键帧和地图点；
[0015]第一生成模块，用于根据所述机器人的位姿数据以及所述图像数据的当前帧与所述局部地图的地图点的关联关系，建立所述局部地图各个关键帧的局部共视关系并对所述局部地图进行更新；
[0016]第二生成模块，用于根据所述各个关键帧的局部共视关系并通过闭环检测对所有已更新局部地图进行优化，生成全局地图。
[0017]第三方面，本申请提供了一种地图构建方法，所述方法包括：
[0018]融合多个传感器获取的数据，得到图像数据和机器人的位姿数据；
[0019]追踪根据所述图像数据和机器人的位姿数据生成的局部地图的地图点，建立所述图像数据的当前帧与所述局部地图的地图点的关联关系，所述局部地图包括关键帧和地图点；
[0020]根据所述机器人的位姿数据以及所述图像数据的当前帧与所述局部地图的地图点的关联关系，建立所述局部地图各个关键帧的局部共视关系并对所述局部地图进行更新；
[0021]根据所述各个关键帧的局部共视关系并通过闭环检测对所有已更新局部地图进行优化，生成全局地图。
[0022]第四方面，本申请提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序用于被处理器执行时实现上述地图构建方法。
[0023]从上述本申请提供的技术方案可知，一方面，由于局部地图的数据来源于多个传感器数据的融合，进而由局部地图构建全局地图，因此，相较于单纯的激光栅格地图构建方法或视觉点云地图构建方法所得到的地图而言，其精确性更高；另一方面，通过建立图像数据的当前帧与局部地图的地图点的关联关系、局部地图各个关键帧的局部共视关系以及在此基础上对局部地图的优化，使得最后生成的全局地图用于机器人定位时的精度更高。
附图说明
[0024]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1是本申请实施例提供的机器人的结构示意图；
[0026]图2是本申请实施例提供的地图构建方法的流程图；
[0027]图3是本申请实施例提供的关键帧的局部共视关系的示意图；
[0028]图4是本申请实施例提供的重投影误差示意图；
[0029]图5是本申请实施例提供的地图构建装置的结构示意图；
[0030]图6是本申请实施例提供的设备的结构示意图。
具体实施方式
[0031]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本申请保护的范围。
[0032]在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。
[0033]在本说明书中，为了便于描述，附图中所示的各个部分的尺寸并不是按照实际的比例关系绘制的。
[0034]请参阅附图1，本申请一实施例提供的机器人的结构示意图。为了便于说明，仅示出了与本申请实施例相关的部分。该机器人可包括：
[0035]存储器10和处理器20，处理器20为机器人的运算和控制核心，是信息处理、程序运行的最终执行单元。存储器10例如硬盘驱动存储器，非易失性存储器(例如闪存或用于形成固态驱动器的其它电子可编程限制删除的存储器等)，易失性存储器(例如静态或动态随机存取存储器等)等，本申请实施例不作限制。
[0036]存储器10中存储有可执行程序代码；与存储器10耦合的处理器20调用存储器10中存储的所述可执行程序代码，执行如下地图构建方法：融合机器人搭载的多个传感器获取的数据，得到图像数据和机器人的位姿数据；追踪根据图像数据和机器人的位姿数据生成的局部地图的地图点，建立图像数据的当前帧与局部地图的地图点的关联关系，所局部地图包括关键帧和地图点；根据机器人的位姿数据以及图像数据的当前帧与局部地图的地图点的关联关系，建立局部地图各个关键帧的局部共视关系并对局部地图进行更新；根据各个关键帧的局部共视关系并通过闭环检测对所有已更新局部地图进行优化，生成全局地图。
[0037]参阅图2，是本申请实施例提供的一种地图构建方法，主要包括步骤S201至步骤S204，说明如下：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人，其特征在于，所述机器人包括：存储器，所述存储器存储有可执行程序代码；处理器，与所述存储器耦合，所述处理器用于调用所述存储器中存储的可执行程序代码时执行如下步骤：融合所述机器人搭载的多个传感器获取的数据，得到图像数据和机器人的位姿数据；追踪根据所述图像数据和机器人的位姿数据生成的局部地图的地图点，建立所述图像数据的当前帧与所述局部地图的地图点的关联关系，所述局部地图包括关键帧和地图点；根据所述机器人的位姿数据以及所述图像数据的当前帧与所述局部地图的地图点的关联关系，建立所述局部地图各个关键帧的局部共视关系并对所述局部地图进行更新；根据所述各个关键帧的局部共视关系并通过闭环检测对所有已更新局部地图进行优化，生成全局地图。2.如权利要求1所述的机器人，其特征在于，所述追踪根据所述图像数据和机器人的位姿数据生成的局部地图的地图点，建立所述图像数据的当前帧与所述局部地图的地图点的关联关系的步骤包括：提取所述图像数据的当前帧中ORB特征点，所述ORB特征点包括关键点及其描述符；将所述图像数据的当前帧中关键点的描述符与所述图像数据的当前帧之前一个关键帧中关键点的描述符匹配；若匹配成功，则建立所述图像数据的当前帧与所述局部地图中对应于所述匹配成功关键点的地图点的关联关系，所述匹配成功关键点的地图点为所述局部地图中当前追踪的地图点。3.如权利要求1所述的机器人，其特征在于，所述根据所述机器人的位姿数据以及所述图像数据的当前帧与所述局部地图的地图点的关联关系，建立所述局部地图各个关键帧的局部共视关系并对所述局部地图进行更新的步骤包括：根据所述图像数据的当前帧与局部地图的地图点的关联关系，建立当前关键帧与所述局部地图的历史关键帧的局部共视关系；根据所述局部共视关系，初次优化所述局部地图的地图点和关键帧，得到初次优化局部地图；根据所述机器人的位姿数据和所述初次优化局部地图，对所述局部地图再次优化以更新所述局部地图。4.如权利要求3所述的机器人，其特征在于，所述处理器调用所述存储器中存储的可执行程序代码时还执行如下步骤：在所述根据所述图像数据的当前帧与局部地图的地图点的关联关系，建立当前关键帧与所述局部地图的历史关键帧的局部共视关系的步骤之前，根据所述图像数据的当前帧与局部地图的地图点的关联关系，判断是否需要插入新的关键帧；若需要插入新的关键帧，则将新的关键帧取代所述当前关键帧；所述根据所述局部共视关系，初次优化所述局部地图的地图点和关键帧的步骤包括：根据所述局部共视关系，删除所述局部地图的冗余关键帧和质量低于期望值的地图点；将具有所述局部共视关系的关键帧中次级质量关键点三角化，所述次级质量关键点包括两个匹配成功的关键帧中最大基线长度超过预设阈值且未三角化的关键点；所述根据所述机器人的位姿数据和所述初次优化局部地图，对所述局部地图再次优化
以更新所述局部地图的步骤包括：对所述初次优化局部地图进行卡方检验，删除所述初次优化局部地图中卡方值超过预设阈值的地图点，得到二次优化局部地图；根据所述机器人的位姿数据，求取所述关键帧的帧间运动估计误差；以所述二次优化局部地图的地图点的重投影误差和所述帧间运动估计误差为优化目标，...

【专利技术属性】
技术研发人员：谭嘉豪，闫瑞君，刘运航，
申请(专利权)人：深圳市普渡科技有限公司，
类型：发明
国别省市：