[發明專利]移動機器人的運動軌跡估計方法、裝置和存儲介質

在審

• 申請號: 202110896938.6
• 申請日: 2021-08-05
• 公開（公告）號: CN113744301A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 劉丙財;周偉才;裴慧坤;王成皓;王振華;黃海鵬;周海峰;郭方勇;周云
• 申請（專利權）人: 深圳供電局有限公司
• 主分類號: G06T7/207
• 分類號: G06T7/207;G06T7/246;G06T7/73;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 肖茹蕓

1.一種移動機器人的運動軌跡估計方法，其特征在于，所述方法包括：

獲取目標移動機器人運動過程中連續的待處理圖像；

將連續的所述待處理圖像輸入至預先訓練出的位姿估計模型中，利用所述位姿估計模型輸出與各相鄰的待處理圖像對應的估計相對位姿；

根據各所述估計相對位姿確定出各所述待處理圖像的估計絕對位姿；

利用各所述估計絕對位姿確定出所述目標移動機器人的估計運動軌跡。

2.根據權利要求1所述的方法，其特征在于，訓練出所述位姿估計模型的過程包括：

獲取樣本圖像；

確定出與各所述樣本圖像對應的樣本絕對位姿，并根據相鄰的兩個所述樣本絕對位姿確定出相鄰的兩個所述樣本圖像的樣本相對位姿；

將所述樣本圖像和所述樣本相對位姿輸入至深度神經網絡中進行學習訓練，得出所述位姿估計模型。

3.根據權利要求2所述的方法，其特征在于，所述確定出與各所述樣本圖像對應的樣本絕對位姿，并根據相鄰的兩個所述樣本絕對位姿確定出相鄰的兩個所述樣本圖像的樣本相對位姿的過程，包括：

從所述樣本圖像中確定出第一樣本圖像，并獲取用戶對象對所述第一樣本圖像的標記操作，確定出所述第一樣本圖像的第一樣本絕對位姿；

將所述樣本圖像中除第一樣本圖像之外的圖像確定為第二樣本圖像，并根據所述第一樣本圖像和所述第一樣本絕對位姿計算出與各所述第二樣本圖像對應的第二樣本絕對位姿；

將所述第一樣本絕對位姿和所述第二樣本絕對位姿按照時序排列，得出按照時序排列的所述樣本絕對位姿；

根據相鄰的兩個所述樣本絕對位姿確定出所述樣本相對位姿。

4.根據權利要求2所述的方法，其特征在于，所述將所述樣本圖像和所述樣本相對位姿輸入至深度神經網絡中進行學習訓練，得出所述位姿估計模型的過程，包括：

為所述深度神經網絡設置初始化參數，得出初始化估計模型；

將相鄰兩張所述樣本圖像和對應的樣本相對位姿輸入至所述初始化估計模型中，利用所述初始化估計模型輸出與當前輸入的所述樣本圖像對應的輸出相對位姿；

若所述輸出相對位姿和所述樣本相對位姿的誤差值超出期望誤差范圍，則根據所述誤差值調整所述初始化模型的模型參數，并進入所述將相鄰兩張所述樣本圖像和對應的樣本相對位姿輸入至所述初始化估計模型中的步驟，直至所述誤差值在所述期望誤差范圍內，結束訓練，得出所述位姿估計模型。

5.根據權利要求4所述的方法，其特征在于，所述若所述輸出相對位姿和所述樣本相對位姿的誤差值超出期望誤差范圍，則根據所述誤差值調整所述初始化模型的模型參數的過程，包括：

若所述輸出相對位姿和所述樣本相對位姿的所述誤差值超出所述期望誤差范圍，根據所述輸出相對位姿和所述樣本相對位姿的誤差值，利用網絡誤差優化函數計算出最優化網絡參數；

利用所述最優化網絡參數調整所述初始化模型的所述模型參數。

6.根據權利要求3所述的方法，其特征在于，所述根據相鄰的兩個所述樣本絕對位姿確定出所述樣本相對位姿的過程，包括：

確定出相鄰的兩個所述樣本絕對位姿的相對位移數據和相對旋轉角度；其中，相對位移數據包括所述目標移動機器人沿直角坐標系X，Y，Z軸的移動距離，相對旋轉角度表示所述目標移動機器人繞直角坐標系X，Y，Z軸旋轉的角度；

根據所述相對位移數據和所述相對旋轉角度確定出所述樣本相對位姿。