语义地图构建方法、移动机器人及存储介质技术

本申请涉及图像处理技术领域，提供一种语义地图构建方法、移动机器人及存储介质，该方法包括：获取移动机器人的摄像头拍摄的环境图像；对所述环境图像进行图像识别，以获取所述环境图像中障碍物的类型信息；生成所述环境图像的深度图像，并根据所述深度图像确定所述障碍物与所述移动机器人的相对位置坐标；获取所述移动机器人的位姿信息，并根据所述位姿信息和所述相对位置坐标，确定所述障碍物的真实坐标信息；基于所述障碍物的类型信息和所述真实坐标信息，构建所述障碍物的语义地图。本申请旨在提高构建语义地图的完整性和效率。旨在提高构建语义地图的完整性和效率。旨在提高构建语义地图的完整性和效率。

【技术实现步骤摘要】
语义地图构建方法、移动机器人及存储介质


[0001]本申请属于图像处理的
，涉及一种语义地图构建方法、移动机器人及存储介质。

技术介绍

[0002]随着移动机器人使用越来越广泛，机器人的定位和地图构建是一个比较重要的研发要点。目前机器人移动一种方式是采用单激光SLAM技术或多线3D SLAM技术进行定位和地图构建。但是单激光无法检测到激光所在的二维平面以外的物体，并且构建地图不完整，导致机器人容易被障碍物阻碍。多线3D SLAM技术则需要使用3D视觉算法，存在计算量大计算速度较慢的缺点。因此，如何提高构建地图的效率和完整性是亟需解决的问题。

技术实现思路

[0003]本申请的主要目的在于提供一种语义地图构建方法、移动机器人及存储介质，旨在提构建语义地图的效率和完整性。
[0004]第一方面，本申请提供一种语义地图构建方法，包括：获取移动机器人的摄像头拍摄的环境图像；对所述环境图像进行图像识别，以获取所述环境图像中障碍物的类型信息；生成所述环境图像的深度图像，并根据所述深度图像确定所述障碍物与所述移动机器人的相对位置坐标；获取所述移动机器人的位姿信息，并根据所述位姿信息和所述相对位置坐标，确定所述障碍物的真实坐标信息；基于所述障碍物的类型信息和所述真实坐标信息，构建所述障碍物的语义地图。
[0005]第二方面，本申请还提供一种移动机器人，所述移动机器人包括存储器、处理器和摄像头；所述摄像头用于拍摄环境图像；所述储存器用于储存计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如上所述语义地图构建方法的步骤。
[0006]第三方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上所述的语义地图构建方法的步骤。
[0007]本申请提供了一种语义地图构建方法、移动机器人及存储介质，首先获取移动机器人的摄像头拍摄的环境图像；再对环境图像进行图像识别，以获取环境图像中障碍物的类型信息；而后生成环境图像的深度图像，并根据深度图像确定障碍物与移动机器人的相对位置坐标；再然后获取移动机器人的位姿信息，并根据位姿信息和相对位置坐标，确定障碍物的真实坐标信息；最终基于障碍物的类型信息和真实坐标信息，构建障碍物的语义地图。本申请实施例基于障碍物的类型信息构建障碍物的语义地图，提高了语义地图的信息丰富度，使得语义地图的构建更加完整。通过环境图像的深度图像和位姿信息确定障碍物的真实坐标信息，计算过程较为简洁，能够提高了障碍物语义地图的构建效率。
附图说明
[0008]为了更清楚地说明本申请实施例技术方案，下面将对实施例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。
[0009]图1是本申请实施例提供的一种语义地图构建方法的流程示意图；图2是本申请实施例提供的一移动机器人的示意图；图3是本申请实施例提供的一环境图像的示意图；图4是本申请实施例提供的一深度图像的示意图；图5是图1中的语义地图构建方法的子步骤流程示意图；图6是本申请实施例提供的一障碍物的俯视图的示意图；图7是本申请实施例提供的一语义地图的示意图；图8是本申请实施例提供的语义地图构建方法的一场景示意图；图9是本申请实施例提供的另一种语义地图构建方法的流程示意图；图10是本申请实施例提供的移动机器人的示意性框架图。
[0010]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0011]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。
[0012]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，虽然在装置示意图中进行了功能模块的划分，但是在某些情况下，可以以不同于装置示意图中的模块划分。
[0013]本申请实施例提供了一种语义地图构建方法、机器人及存储介质。其中，该语义地图构建方法可应用于移动机器人，该移动机器人可以为扫地机器人、领路机器人、送餐机器人等。该移动机器人还可以是无人机、自动驾驶汽车等。
[0014]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0015]请参照图1，图1为本申请实施例提供的一种语义地图构建方法的步骤流程示意图。
[0016]如图1所示，该语义地图构建方法包括步骤S101至步骤S105。
[0017]步骤S101、获取移动机器人的摄像头拍摄的环境图像。
[0018]其中，摄像头可以包括红外摄像头、高清摄像机等，该摄像头还可以包括双目摄像头、三目摄像头和多目摄像头。需要说明的是，环境图像为移动机器人视野范围内的环境图像数据，环境图像可以是实时拍摄的，也可以是从存储器中获取的。环境图像可以包括障碍物，该障碍物可以是一种或者多种。例如，障碍物可以包括纸杯、瓶子等可移动障碍物，也可以包括家具，家电等固定障碍物。
[0019]在一实施例中，摄像头包括双目摄像头，双目摄像头包括第一摄像头和红外光源。其中，红外光源靠近第一摄像头进行设置，环境图像是在红外光源为第一摄像头提供补光的情形下拍摄得到的。需要说明的是，红外光源可以为摄像头补光，使其能够在黑暗的环境拍摄更好的环境图像，提高环境图像的质量。
[0020]示例性的，如图2所示，移动机器人10中的双目摄像头包括第一摄像头11和红外光源111，红外光源111靠近第一摄像头11。红外光源111可以一直处于开启状态，也可以间隔一定时间开启。红外光源111开启时能够向外发出红外光，从而为第一摄像头11提供光源，如此即使移动机器人10处于黑暗中，也能清楚的照射出障碍物，因此能够提高环境图像进行图像识别的准确度。
[0021]进一步的，双目摄像头还包括第二摄像头和散斑光源，散斑光源设置于第一摄像头和所述第二摄像头的中间位置，散斑光源用于为第一摄像头和第二摄像头的视野提供物体散斑特征。其中，散斑光源为环境图像中存在的障碍物提供物体散斑特征，增加物体表面的特征信息，有助于提高后续生成深度图像的准确性。
[0022]示例性的，如图2所示，移动机器人10中的双目摄像头包括第二摄像头12和散斑光源121，散斑光源可以设置于第一摄像头11和第二摄像头12的中间位置，最大限度为第一摄像头11和第二摄像头12的视野提供光源补充。散斑光源121可以间隔一定时间开启一次，第二摄像头12在散斑光源121开启时进行拍摄，如此拍摄得到的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语义地图构建方法，其特征在于，所述方法包括：获取移动机器人的摄像头拍摄的环境图像；对所述环境图像进行图像识别，以获取所述环境图像中障碍物的类型信息；生成所述环境图像的深度图像，并根据所述深度图像确定所述障碍物与所述移动机器人的相对位置坐标；获取所述移动机器人的位姿信息，并根据所述位姿信息和所述相对位置坐标，确定所述障碍物的真实坐标信息；基于所述障碍物的类型信息和所述真实坐标信息，构建所述障碍物的语义地图。2.如权利要求1所述的方法，其特征在于，所述摄像头包括双目摄像头，所述双目摄像头包括第一摄像头和红外光源；所述红外光源靠近所述第一摄像头进行设置，所述环境图像是在所述红外光源为所述第一摄像头提供补光的情形下拍摄得到的。3.如权利要求2所述的方法，其特征在于，所述双目摄像头还包括第二摄像头和散斑光源，所述散斑光源设置于所述第一摄像头和所述第二摄像头的中间位置，所述散斑光源用于为所述第一摄像头和所述第二摄像头的视野提供物体散斑特征；所述生成所述环境图像的深度图像，包括：获取所述第二摄像头拍摄的特征图像；基于立体匹配算法，对所述环境图像和所述特征图像进行匹配，以确定所述环境图像和所述特征图像中对应的像素点；根据三角形原理，确定所述环境图像和所述特征图像中对应的像素点的视差信息；对各所述像素点的视差信息进行转换，得到所述环境图像对应的深度图像。4.如权利要求1所述的方法，其特征在于，所述根据所述深度图像确定所述障碍物与所述移动机器人的相对位置坐标，包括：根据预设坐标转换公式，将所述深度图像转换成三维点云数据；提取所述三维点云数据中用于表征所述障碍物的目标三维点云数据；将所述目标三维点云数据映射到平面坐标系，得到所述障碍物的俯视图；根据所述俯视图中的所述障碍物的像素坐标，确定所述障碍物与移动机器人的相对位置坐标。5.如权利要求1
‑
4任一项所述的方法，其特征在于，所述方法还包括：获取第一环境图像中所述障碍物的多个第一真实坐标信息，并获取第二环境图像中所述障碍物的多个第二真实坐标信息，其中，所述第二环境图像是在第一环境图像之后拍摄得到的；根据多个所述第一真实坐标信息，设置所述语义地图中每个坐标点对应的第一概率；根据多个所述第一真实坐标信息和多个所述第二真实坐标信息，对每个所述坐标点对...

【专利技术属性】
技术研发人员：张桢，区士超，黄晓辉，林智宾，刘晓涛，
申请(专利权)人：超节点创新科技深圳有限公司，
类型：发明
国别省市：