一种面向人型机器人的实时阶梯环境分割与建图方法技术

本发明专利技术公开了一种面向人型机器人的实时阶梯环境分割与建图方法，包括：实时获取阶梯环境图像；其中，所述阶梯环境图像为深度图像；基于各向异性扩散滤波算法，利用图像梯度和扩散系数对所述阶梯环境图像进行滤波，并提取滤波后的阶梯环境图像中的平面多边形轮廓；通过随机采样迭代算法对所述平面多边形轮廓进行平面拟合，得到感知的多边形；依次将所有感知得到的多边形与地图已有的多边形进行重叠判断，根据判断结果对地图已有的多边形进行更新和合并，得到实时构建的阶梯环境地图。本发明专利技术结合各向异性扩散滤波和随机采样迭代算法，实现了深度图像的高效平面提取和多边形语义地图的快速构建，确保了人型机器人在实际操作中的稳定性和安全性。

【技术实现步骤摘要】

本专利技术涉及虚拟现实，尤其涉及的是一种面向人型机器人的实时阶梯环境分割与建图方法。

技术介绍

1、对于人型机器人来说，准确感知环境并构建有效的可通行语义地图是至关重要的，尤其是在复杂地形(例如，楼梯、凹凸不平的地形)中进行导航时，人型机器人需要在足够大的平面区域上保持稳定的落脚点，以确保安全和精确的运动规划。

2、在构建可通行语义地图时，传统平面提取方法忽略了从原始数据中提取平面产生的效果，导致很多方法在用无噪声的仿真数据实验时有效覆盖区域(iou)可以达到95％以上，而采用真实深度相机采集的数据时却不超过80％。对于四足机器人来说这样的结果已经可以接受，但人型机器人的立足需要足够大面积，所以这个问题是必须得到解决的。同时，平面提取结果的准确性也是算法必须具备的，平面法向量与平面质心高度的准确性直接决定了机器人行走过程中的安全性。此外，实时性也是重要的性能指标，基于点云的平面提取在有效面积和实时性上都不如直接基于深度图提取的方法。此外，还有动态障碍物、里程计漂移对建图影响等问题需要被考虑；因此，传统平面提取方法还存在提取有效面积低和实时性差的本文档来自技高网...

【技术保护点】

1.一种面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，包括：

2.根据权利要求1所述的面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，所述基于各向异性扩散滤波算法，利用图像梯度和扩散系数对所述阶梯环境图像进行滤波，并提取滤波后的阶梯环境图像中的平面多边形轮廓，包括：

3.根据权利要求2所述的面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，所述提取所述滤波后的阶梯环境图像中平面法向量，并根据所述平面法向量提取得到所述平面多边形轮廓，包括：

4.根据权利要求1所述的面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，所述通过随...

【技术特征摘要】

1.一种面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，包括：

2.根据权利要求1所述的面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，所述基于各向异性扩散滤波算法，利用图像梯度和扩散系数对所述阶梯环境图像进行滤波，并提取滤波后的阶梯环境图像中的平面多边形轮廓，包括：

3.根据权利要求2所述的面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，所述提取所述滤波后的阶梯环境图像中平面法向量，并根据所述平面法向量提取得到所述平面多边形轮廓，包括：

4.根据权利要求1所述的面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，所述通过随机采样迭代算法对所述平面多边形轮廓进行平面拟合，得到感知的多边形，包括：

5.根据权利要求1所述的面向人型机器人的实时阶梯环境分割与建图方法，其特征在于，所述依次将所有感知得到的多边形与地图已有的多边形进行重叠判断，根据判断结果对地图已有的多边形进行更新和合并，包括：

6.根据权利要求5所述...

【专利技术属性】
技术研发人员：张添威，姚剑铭，宾腾，
申请(专利权)人：深圳市人工智能与机器人研究院，
类型：发明
国别省市：