位姿恢复方法、装置、可读存储介质和机器人制造方法及图纸

本发明专利技术提供了一种位姿恢复方法、装置、可读存储介质和机器人，其中，方法包括：在机器人丢失定位信息的情况下，获取视觉传感器采集的视觉数据；将视觉数据输入至预设神经网络模型，以供预设神经网络模型对视觉数据进行编码，得到编码结果，并将编码结果与预设神经网络模型中的网络节点的属性信息进行相似度对比，得到对比结果，根据所述对比结果，确定目标网络节点，其中，目标网络节点的属性信息包括第一位姿数据；输出第一位姿数据。通过运行该恢复方法，降低了因没有位姿数据，机器人的导航系统出现崩溃的几率。航系统出现崩溃的几率。航系统出现崩溃的几率。

【技术实现步骤摘要】
位姿恢复方法、装置、可读存储介质和机器人


[0001]本专利技术涉及地图构建与恢复
，具体而言，涉及一种位姿恢复方法、装置、可读存储介质和机器人。

技术介绍

[0002]机器人建图过程中因为突发情况丢失传感器数据或者在已知地图导航定位的情况下需要初始位置。由于机器人绑架问题的存在，机器人通常无法高效恢复位姿数据，在没有恢复位姿的情况下，容易造成导航系统的崩溃。

技术实现思路

[0003]本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。
[0004]为此，本专利技术的第一个方面在于，提供了一种位姿恢复方法。
[0005]本专利技术的第二个方面在于，提供了一种位姿恢复装置。
[0006]本专利技术的第三个方面在于，提供了一种位姿恢复装置。
[0007]本专利技术的第四个方面在于，提供了一种可读存储介质。
[0008]本专利技术的第五个方面在于，提供了一种机器人。
[0009]有鉴于此，根据本专利技术的第一个方面，本专利技术提供了一种位姿恢复方法，用于机器人，机器人包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种位姿恢复方法，用于机器人，其特征在于，所述机器人包括视觉传感器，所述位姿恢复方法包括：在所述机器人丢失定位信息的情况下，获取所述视觉传感器采集的视觉数据；将所述视觉数据输入至预设神经网络模型，以供所述预设神经网络模型对所述视觉数据进行编码，得到编码结果，并将所述编码结果与预设神经网络模型中的网络节点的属性信息进行相似度对比，得到对比结果，根据所述对比结果，确定目标网络节点，其中，所述目标网络节点的属性信息包括第一位姿数据；输出所述第一位姿数据。2.根据权利要求1所述的位姿恢复方法，其特征在于，所述位姿恢复方法还包括：构建图神经网络；获取历史视觉数据；根据所述历史视觉数据确定训练数据中的关键帧数据以及与所述关键帧对应的第二位姿数据；根据所述第二位姿数据和关键帧数据对所述图神经网络进行训练，得到所述预设神经网络模型。3.根据权利要求2所述的位姿恢复方法，其特征在于，所述关键帧数据包括目标关键帧数据和剩余关键帧数据，所述根据所述第二位姿数据和关键帧数据对所述图神经网络进行训练，得到所述预设神经网络模型，包括：根据所述第二位姿数据，将目标关键帧数据中的每一像素点向剩余关键帧数据进行投影，得到相似性矩阵；根据所述相似性矩阵对所述图神经网络进行训练，得到所述预设神经网络模型。4.根据权利要求3所述的位姿恢复方法，其特征在于，根据所述第二位姿数据，将目标关键帧数据中的每一像素点向剩余关键帧数据进行投影，得到相似性矩阵，具体包括：确定目标关键帧数据中的每一像素点在剩余关键帧数据进行投影的坐标值；根据所述坐标值，确定目标关键帧数据投影在剩余关键帧数据中的像素数量；根据所述像素数量确定目标关键帧数据与剩余关键帧数据的交并比；根据所述交并比确定所述相似性矩阵。5.根据权利要求2所述的位姿恢复方法，其特征在于，构建图神经网络，包括：将关键帧数据所对应的位姿节点作为所述网络节点；将第二位姿数据和编码后的视觉数据作为所述网络节点的属性信息；将所有的节点彼此连接，得到所述图神经网络。6.根据权利要求2至5中任一项所述的位姿恢复方法，其特征在于，所述神经网络模型包括编码器
‑
解码器，所述位姿恢复方法还包括：确定所述关键帧数据中的特征点；确定以所述特征点为中心、不同尺度为半径内的图像块；根...

【专利技术属性】
技术研发人员：姜新禹，程冉，孙涛，
申请(专利权)人：美智纵横科技有限责任公司，
类型：发明
国别省市：