一种动态机器人在动态场景中的定位和地图构建方法技术

本发明专利技术公开了一种动态机器人在动态场景中的定位和地图构建方法，包括：先将采集到的图像流进行预处理得到第一图像流，所述预处理具体为去除所述图像流中的运动特征点；然后基于所述机器人获取所述第一图像流中每一帧图像的观测量；最后基于所述观测量将所述第一图像流进行位姿融合，并输出位姿图，其中预处理具体为，先提取出所述图像流中每一帧图像的特征点，同时还基于先验动态物体确定出所述图像流中先验特征点；然后将所述图像流中每一帧图像的特征点中对应的先验特征点删除，提高动态机器人在动态场景中的定位和地图构建的准确性，同时减少其计算量，提高其处理速度。提高其处理速度。提高其处理速度。

【技术实现步骤摘要】
一种动态机器人在动态场景中的定位和地图构建方法


[0001]本专利技术属于地图构建
，具体涉及一种动态机器人在动态场景中的定位和地图构建方法。

技术介绍

[0002]基于自主导航技术，机器人在国防、航空、工业以及生活领域中都发挥了重要作用，而自主导航的前提是得知当前机器人位置以及周围环境，SLAM(simultaneous localization and mapping),也称为CML(Concurrent Mapping and Localization),即时定位与地图构建，或并发建图与定位，正是实现这个过程的关键技术。
[0003]而现有技术中关于即时定位与地图构建，大多数是在静态环境中执行，当环境中存在移动物体时，或者是动态场景下，会导致定位的不准确，另外，在相机被遮挡过多或机器人运动过快的情况下，会导致现有技术无法跟踪到足够的特征点，最终导致整个即时定位与地图构建失效，现有技术中也存在将SLAM技术与其他传感器数据融合的方法来提升其鲁棒性，但这些方法存在融合复杂，计算量大，处理速度慢的问题。
[0004]因此，如何提高动态机器人在动态场景中的定位和地图构建的准确性，同时减少其计算量，提高处理速度，是本领域技术人员有待解决的技术问题。

技术实现思路

[0005]本专利技术的目的是为了提高动态机器人在动态场景中的定位和地图构建的准确性，提出了一种动态机器人在动态场景中的定位和地图构建方法。
[0006]本专利技术的技术方案为：一种动态机器人在动态场景中的定位和地图构建方法，所述方法包括以下步骤：
[0007]S1、将采集到的图像流进行预处理得到第一图像流，所述预处理具体为去除所述图像流中的运动特征点；
[0008]S2、基于所述机器人获取所述第一图像流中每一帧图像的观测量；
[0009]S3、基于所述观测量将所述第一图像流进行位姿融合，并输出位姿图。
[0010]进一步地，所述步骤S1具体包括以下分步骤：
[0011]S11、提取出所述图像流中每一帧图像的特征点，同时还基于先验动态物体确定出所述图像流中先验特征点；
[0012]S12、将所述图像流中每一帧图像的特征点中对应的先验特征点删除。
[0013]进一步地，所述步骤S11中的提取出所述图像流中每一帧图像的特征点具体包括以下分步骤：
[0014]S111、确定出所述图像流中每一帧图像的采样尺度金字塔；
[0015]S112、通过多个流操作队列确定出所述采样尺度金字塔中每一层图像中的所有FAST角点；
[0016]S113、确定出每一个FAST角点的描述子；
[0017]S114、将每一个FAST角点和对应的描述子进行组合并作为所述特征点。
[0018]进一步地，所述观测量具体为所述动态机器人的角速度、角度、所述机器人的左轮速度、所述机器人的右轮速度、所述动态机器人在其所在平面上的横轴上的平移值和所述动态机器人在其所在平面上的纵轴上的平移值。
[0019]进一步地，所述步骤S3具体包括以下分步骤：
[0020]S31、将每一帧图像的观测量输入到预设滤波器中；
[0021]S32、基于所述预设滤波器和所述观测量确定出每一帧图像对应的位姿图，并将所述位姿图进行输出。
[0022]进一步地，所述步骤S32还包括检测当前位姿图是否有回环边，若是，则根据所述回环边对上一帧图像对应的位姿图进行回环纠正，若否，则继续确定下一帧图像对应的位姿图。
[0023]进一步地，所述步骤S32中基于所述预设滤波器和所述观测量确定出每一帧图像对应的位姿图还包括通过所述预设滤波器为所述观测量分配权重。
[0024]与现有技术相比，本专利技术具备如下有益效果：
[0025]本专利技术提供一种动态机器人在动态场景中的定位和地图构建方法，包括：先将采集到的图像流进行预处理得到第一图像流，所述预处理具体为去除所述图像流中的运动特征点；然后基于所述机器人获取所述第一图像流中每一帧图像的观测量；最后基于所述观测量将所述第一图像流进行位姿融合，并输出位姿图，其中预处理具体为，先提取出所述图像流中每一帧图像的特征点，同时还基于先验动态物体确定出所述图像流中先验特征点；然后将所述图像流中每一帧图像的特征点中对应的先验特征点删除，提高动态机器人在动态场景中的定位和地图构建的准确性，同时减少其计算量，提高其处理速度。
附图说明
[0026]图1所示为本专利技术实施例提供的一种FPGA异态逻辑修复方法的流程示意图。
具体实施方式
[0027]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作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。
[0028]本申请提出了一种动态机器人在动态场景中的定位和地图构建方法，用于提高动态机器人在动态场景中的定位和地图构建的准确性。
[0029]如图1所述为本申请实施例提出的一种动态机器人在动态场景中的定位和地图构建方法的流程示意图，该方法包括以下步骤：
[0030]步骤S1、将采集到的图像流进行预处理得到第一图像流，所述预处理具体为去除所述图像流中的运动特征点。
[0031]具体的，本申请的方案是在基于特征点的实时单目SLAM系统中进行，该系统在大规模、小规模以及室内外的环境均可进行，且该系统在剧烈运动的情况下鲁棒性较高，支持宽基线的闭环检测和重定位，还包括全自动初始化，
[0032]在本申请实施例中，所述步骤S1具体包括以下分步骤：
[0033]S11、提取出所述图像流中每一帧图像的特征点，同时还基于先验动态物体确定出所述图像流中先验特征点；
[0034]S12、将所述图像流中每一帧图像的特征点中对应的先验特征点删除。
[0035]具体的，图像流是一种特殊类型的流，应用程序可以显示图像流中所需的图片，但典型的实现是显示每张图片，直到下一张图片交付，如幻灯片放映。
[0036]基于现实场景中的大多数动态物体是人、车、动物等这个特性，可先检测出图像流中这些先验物体，然后将位于图像流中对应的特征点进行删除，本步骤中，图像流会同时经过两条路径，一路检测出先验动态物体并给出该物体在图像中的坐标信息，另一路提取出所述图像流中每一帧图像的特征点，然后将所述图像流中每一帧图像的特征点中对应的先验特征点删除，这里能过滤掉绝大多数动态物体的影响。
[0037]而对于小部分不是先验动态物体对应的动态特征点，可利用动态特征点不满足极线几何约束的特点,将离极线e距离过远的点进行筛除。
[0038]在本申请实施例中，所述步骤S11中的提取出所述图像流中每一帧图像的特征点具体包括以下分步骤：
[0039]S111、确定出所述图像流中每一帧图像的采样尺度金字塔；
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态机器人在动态场景中的定位和地图构建方法，其特征在于，所述方法包括以下步骤：S1、将采集到的图像流进行预处理得到第一图像流，所述预处理具体为去除所述图像流中的运动特征点；S2、基于所述机器人获取所述第一图像流中每一帧图像的观测量；S3、基于所述观测量将所述第一图像流进行位姿融合，并输出位姿图。2.如权利要求1所述的动态机器人在动态场景中的定位和地图构建方法，其特征在于，所述步骤S1具体包括以下分步骤：S11、提取出所述图像流中每一帧图像的特征点，同时还基于先验动态物体确定出所述图像流中先验特征点；S12、将所述图像流中每一帧图像的特征点中对应的先验特征点删除。3.如权利要求2所述的动态机器人在动态场景中的定位和地图构建方法，其特征在于，所述步骤S11中的提取出所述图像流中每一帧图像的特征点具体包括以下分步骤：S111、确定出所述图像流中每一帧图像的采样尺度金字塔；S112、通过多个流操作队列确定出所述采样尺度金字塔中每一层图像中的所有FAST角点；S113、确定出每一个FAST角点的描述子；S114、将每一个FAST角点和对应的描述子进行组合...

【专利技术属性】
技术研发人员：谢佩君，张子健，陈星翰，候岚岚，羊铭，
申请(专利权)人：上海谦尊升网络科技有限公司，
类型：发明
国别省市：