基于语义的医护机器人同步定位与建图技术研究方法技术

本发明专利技术公开了一种基于语义的医护机器人同步定位与建图技术研究方法，方法包括：获取机器人周围环境；根据周围环境信息进行机器人定位；构建当前环境的地图；依据不同物体的特征分割出医护人员或者医疗设备；构建优化地图信息；设计基于语义的医护机器人定位与建图；在

【技术实现步骤摘要】
基于语义的医护机器人同步定位与建图技术研究方法


[0001]本专利技术属于医护机器人
，具体涉及一种基于语义的医护机器人同步定位与建图技术研究方法
。

技术介绍

[0002]传统的用于
AGV
机器人的
SLAM
算法仅仅解决了静态环境下的定位和建图问题，然而当环境中出现大量运动物体时，
AGV
机器人的定位将会产生较大误差，甚至丢失跟踪
。
在实际应用中，
AGV
机器人不可能完全工作在静态环境中，所以在动态环境下
SLAM
算法尤为重要
。
此外，传统
SLAM
算法仅仅为
AGV
机器人提供了环境的几何信息，即
AGV
机器人只能获取环境中障碍物的位置信息，利用这些信息
AGV
机器人可以完成固定路线的规划，但是无法利用环境信息执行更加高级的导航任务
。
[0003]随着科技的不断发展，机器人在现代社会中得到广泛应用，并展现出了巨大的潜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于语义的医护机器人同步定位与建图技术研究方法
,
所述方法基于图像预处理模块，
IMU
预积分模块，图像特征点提取模块实现，其特征在于，具体包括如下步骤：步骤1：获取机器人所在的位置坐标信息，所述的位置坐标信息是根据
SLAM
算法进行定位，获取机器人当前的位姿，根据
SALM
算法获取图像深度信息和图像信息；步骤2：初始化机器人位姿，并根据当前地图帧获取地图的特征点，如果当前帧特征点太少，重新构造初始器，当连续两帧的特征点个数都大于
100
时
,
继续进行初始化过程；步骤3：获取地图帧的语义信息，通过
SAM
语义分割模型对地图进行语义分割，其中
SAM
是一个交互式分割框架，它根据给定的
prompt
生成分割结果，生成过程表示为
SAM
使用基于
Vision Transformer
的预训练掩码自编码将图像处理成中间特征，并将先前的
prompt
编码为嵌入
Tokens
；随后，掩码解码器中的交叉注意力机制促进了图像特征和
prompt
嵌入之间的交互，最终产生掩码输出；步骤4：创建当前帧和来自上一关键帧的
IMU
预积分，在初始帧与当前帧中通过特征匹配得到对应的匹配关系，通过
H
模型和
F
模型进行初始化，其中
H
模型用单应矩阵
H
21
来描述特征点对
p1，
p2之间的变换关系
p2＝
H
21
*p1，
F
模型模型是特征点对
...

【专利技术属性】
技术研发人员：郑超，李亚楠，李金东，路畅，张鹏飞，
申请(专利权)人：河南省科学院物理研究所，
类型：发明
国别省市：