本申请提供一种地图构建方法、装置与设备，涉及机器人技术领域，其中，该方法包括：首先获取自移动设备移动过程中的初始位姿和视觉图像，从视觉图像中获取若干目标关键帧，根据初始位姿和视觉图像，确定局部误差方程，采用局部误差方程对目标关键帧进行局部非线性优化，进一步将每个目标关键帧优化后的位姿，加入至特征地图层，得到目标特征地图层，最后根据优化后的位姿确定全局误差方程，根据全局误差方程对目标特征地图层中的位姿进行全局非线性优化，得到目标全局地图。本申请提供的技术方案使得自移动设备在在特征点不丰富、场景相似、实时动态测量仪信号差和轮子打滑等场景下，可以构建出精确度较高的地图。可以构建出精确度较高的地图。可以构建出精确度较高的地图。
【技术实现步骤摘要】
地图构建方法、装置与设备
[0001]本申请涉及机器人
，尤其涉及一种地图构建方法、装置与设备。
技术介绍
[0002]随着社会的发展和科技的进步，机器人的功能变得多样化，这些各种各样的机器人能够在特定环境下很好地完成工作，因此越来越受到人们的欢迎。
[0003]大多数情况下机器人的工作环境是未知或者不确定的，机器人自主运动和定位需要借助环境地图来实现，目前机器人构建地图的方式，采用激光或者视觉进行即时定位与地图构建(Simultaneous Localization And Mapping，SLAM)，这样在特征点不丰富或者场景相似的场地中容易导致SLAM匹配失败，从而导致构建的地图精确度较低。
技术实现思路
[0004]有鉴于此，本申请提供一种地图构建方法、装置与设备，以提高机器人在特征点不丰富或者场景相似的场地中构建的地图的精确性。
[0005]为了实现上述目的，第一方面，本申请实施例提供一种地图构建方法，包括：
[0006]获取自移动设备移动过程中的初始位姿和视觉图像；
[0007]从所述视觉图像中提取目标关键帧；
[0008]根据所述初始位姿和所述视觉图像，确定局部误差方程；
[0009]采用所述局部误差方程对所述目标关键帧进行局部非线性优化，以得到所述自移动设备在所述目标关键帧优化后的位姿；
[0010]将每个所述目标关键帧优化后的位姿，加入至特征地图层，以得到目标特征地图层；
[0011]根据所述优化后的位姿确定全局误差方程；
[0012]根据所述全局误差方程对所述目标特征地图层中的位姿进行全局非线性优化，以得到全局地图。
[0013]作为本申请实施例一种可选的实施方式，所述根据所述初始位姿和所述视觉图像，确定局部误差方程，包括：
[0014]根据所述初始位姿确定所述自移动设备在所述目标关键帧的预测位姿，并根据所述预测位姿确定位姿测量误差因子；
[0015]提取所述目标关键帧的视觉图像特征点；
[0016]根据所述预测位姿和所述视觉图像特征点确定重投影误差因子；
[0017]根据所述自移动设备的实时位置信息确定实时动态测量误差因子；
[0018]根据所述视觉图像特征点和所述实时位置信息确定边缘化因子；
[0019]根据所述位姿测量误差因子、所述重投影误差因子、所述实时动态测量误差因子和所述边缘化因子确定所述局部误差方程。
[0020]作为本申请实施例一种可选的实施方式，所述根据所述预测位姿和所述视觉图像
特征点确定重投影误差因子，包括：
[0021]根据所述预测位姿确定所述目标关键帧的视觉图像特征点在所述特征地图层中的坐标；
[0022]根据所述视觉图像特征点在所述特征地图层中的坐标，确定所述视觉图像特征点在所述特征地图层中匹配的目标特征点；
[0023]根据所述预测位姿，将所述目标特征点转换到所述视觉图像中，以得到匹配特征点；
[0024]根据所述匹配特征点和所述视觉图像特征点确定重投影误差因子。
[0025]作为本申请实施例一种可选的实施方式，根据所述优化后的位姿确定全局误差方程包括：
[0026]根据每个所述目标关键帧所对应的位姿，以及每个所述目标关键帧所对应的位姿的逆，确定所述目标关键帧优化后的位姿的相对位姿约束因子；
[0027]根据每个所述目标关键帧所对应的位姿的逆以及每个所述目标关键帧各自对应的闭环检测位姿，得到闭环检测位姿约束因子；
[0028]根据每个所述目标关键帧所对应的位姿的逆，以及每个所述目标关键帧各自对应的实时动态测量位置，确定实时动态测量位置约束因子；
[0029]根据所述相对位姿约束因子、所述闭环检测位姿约束因子以及所述实时动态测量位置约束因子，确定全局误差方程。
[0030]作为本申请实施例一种可选的实施方式，所述全局地图还包括目标轨迹层和边界层中的至少一个，所述目标轨迹层用于确定所述自移动设备移动过程中的作业轨迹范围，所述边界层用于区分作业范围和非作业范围以及用于在所述作业范围内为所述自移动设备规划所述作业轨迹范围。
[0031]作为本申请实施例一种可选的实施方式，所述全局地图包括所述目标轨迹层时，所述方法还包括：
[0032]获取初始轨迹层；
[0033]将每个所述目标关键帧优化后的位姿加入至所述初始轨迹层，以得到所述目标轨迹层。
[0034]作为本申请实施例一种可选的实施方式，视觉图像包括彩色图像和所述彩色图像对应的深度图像，所述全局地图包括边界层时，所述方法还包括：获取所述彩色图像中的边界信息，以及从所述彩色图像对应的深度图像中确定所述边界信息所对应的深度值；其中，所述边界信息用于确定所述作业范围和非作业范围；
[0035]根据所述边界信息以及所述边界信息所对应的深度值，获取所述边界信息在所述自移动设备的第一坐标系下的坐标；
[0036]根据获取到的所述自移动设备移动过程中的位姿，以及所述边界信息在所述第一坐标系下的坐标，确定所述边界信息在第二坐标系下的坐标，以使所述边界信息在所述第二坐标系下的坐标作为所述边界层的坐标信息。
[0037]作为本申请实施例一种可选的实施方式，在所述获取自移动设备移动过程中的初始位姿和视觉图像之前，所述方法还包括：
[0038]控制自移动设备从初始位置沿预设方向移动预设距离后停止；
[0039]将所述自移动设备停止时的翻滚角、俯仰角和位置信息作为所述自移动设备的初始位姿；
[0040]将所述初始位姿变换到所述自移动设备停止后采集到的初始视觉图像中的特征点所在的第二坐标系下，以使所述初始位姿与所述第二坐标系下的坐标一一对应；
[0041]根据所述初始视觉图像中的特征点在所述第二坐标系下的坐标，得到初始的特征地图层。
[0042]第二方面，本申请实施例提供一种地图构建装置，包括：
[0043]获取模块：用于获取自移动设备移动过程中的初始位姿和视觉图像；
[0044]提取模块：用于从所述视觉图像中获取若干目标关键帧；
[0045]局部误差确定模块：用于根据所述初始位姿和所述视觉图像，确定局部误差方程；
[0046]局部优化模块：用于采用所述局部误差方程对所述目标关键帧进行局部非线性优化，以得到所述自移动设备在所述目标关键帧优化后的位姿；
[0047]添加模块：用于将每个所述目标关键帧优化后的位姿，加入至特征地图层，以得到目标特征地图层；
[0048]全局误差确定模块：用于根据所述优化后的位姿确定全局误差方程；
[0049]全局优化模块：用于根据所述全局误差方程对所述目标特征地图层中的位姿进行全局非线性优化，以得到目标全局地图。
[0050]第三方面，本申请实施例提供一种电子设备，包括：存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于在调用所述计算机程序时执行上述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种地图构建方法，其特征在于，包括：获取自移动设备移动过程中的初始位姿和视觉图像；从所述视觉图像中获取若干目标关键帧；根据所述初始位姿和所述视觉图像，确定局部误差方程；采用所述局部误差方程对所述目标关键帧进行局部非线性优化，以得到所述自移动设备在所述目标关键帧优化后的位姿；将每个所述目标关键帧优化后的位姿，加入至特征地图层，以得到目标特征地图层；根据所述优化后的位姿确定全局误差方程；根据所述全局误差方程对所述目标特征地图层中的位姿进行全局非线性优化，以得到目标全局地图。2.根据权利要求1所述的方法，其特征在于，所述根据所述初始位姿和所述视觉图像，确定局部误差方程，包括：根据所述初始位姿获取所述自移动设备在所述目标关键帧的预测位姿，并根据所述预测位姿确定位姿测量误差因子；提取所述目标关键帧的视觉图像特征点；根据所述预测位姿和所述视觉图像特征点确定重投影误差因子；根据所述自移动设备的实时位置信息确定实时动态测量误差因子；根据所述视觉图像特征点和所述实时位置信息确定边缘化因子；根据所述位姿测量误差因子、所述重投影误差因子、所述实时动态测量误差因子和所述边缘化因子确定局部误差方程。3.根据权利要求2所述的方法，其特征在于，所述根据所述预测位姿和所述视觉图像特征点确定重投影误差因子，包括：根据所述预测位姿确定所述目标关键帧的视觉图像特征点在特征地图层中的坐标；根据所述视觉图像特征点在所述特征地图层中的坐标，确定所述视觉图像特征点在所述特征地图层中匹配的目标特征点；根据所述预测位姿，将所述目标特征点转换到所述视觉图像中，以得到匹配特征点；根据所述匹配特征点和所述视觉图像特征点确定重投影误差因子。4.根据权利要求1所述的方法，其特征在于，所述根据所述优化后的位姿确定全局误差方程包括：根据每个所述目标关键帧所对应的位姿，以及每个所述目标关键帧所对应的位姿的逆，确定所述目标关键帧优化后的位姿的相对位姿约束因子；根据每个所述目标关键帧所对应的位姿的逆以及每个所述目标关键帧各自对应的闭环检测位姿，得到闭环检测位姿约束因子；根据每个所述目标关键帧所对应的位姿的逆，以及每个所述目标关键帧各自对应的实时动态测量位置，确定实时动态测量位置约束因子；根据所述相对位姿约束因子、所述闭环检测位姿约束因子以及所述实时动态测量位置约束因子，...
【专利技术属性】
技术研发人员：王雷，陈熙，
申请(专利权)人：深圳市正浩创新科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。