[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

本申請涉及一種移動機器人的運動軌跡估計方法、裝置和存儲介質。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；將連續的待處理圖像輸入至預先訓練出的位姿估計模型中，利用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；根據各估計相對位姿確定出各待處理圖像的估計絕對位姿；利用各估計絕對位姿確定出目標移動機器人的估計運動軌跡。本方法中位姿估計模型的訓練樣本為兩張相鄰的樣本圖像和與之對應的樣本相對位姿，由于估計相對位姿中包括相鄰待處理圖像的位姿在時間和空間中的變化情況，因此能夠利用位姿估計模型輸出更加精準的估計相對位姿，從而提高確定出目標移動機器人的運動軌跡的精準度。

技術領域

本申請涉及視覺里程計技術領域，特別是涉及一種移動機器人的運動軌跡估計方法、裝置和存儲介質。

背景技術

近年來，移動機器人自主導航、自動駕駛、虛擬現實(VR，Virtual Reality)以及增強現實(AR，Augmented Reality)等領域技術蓬勃發展，極大地豐富了人們的生產生活需求。而實現移動機器人的高精度定位，并構建出完備可信的環境模型，將是移動機器人在不同環境中實現自主導航功能的重要條件。視覺里程計(VO，Visual Odometry)是一種根據拍攝的圖像估計移動機器人運動軌跡的技術，目前一般利用視覺里程計為移動機器人的自主導航功能提供技術支撐。

目前的技術方案中，是在獲取到通過移動機器人采集到的樣本圖像之后，為各樣本圖像標記樣本絕對位姿，進而將單張樣本圖像以及對應的樣本絕對位姿輸入至深度神經網絡中進行學習訓練，得出位姿估計模型；后續便可以在獲取到目標移動機器人運動過程中連續的待處理圖像后，利用位姿估計模型輸出各待處理圖像對應的估計絕對位姿，進而確定出目標移動機器人的估計運動軌跡。但是在實際操作中，移動機器人在短時間內的位姿變化可能是細微的，在訓練位姿估計模型時，由于各樣本絕對位姿不精準，將導致訓練出的位姿估計模型的精準度不夠高。因此利用現有技術的方法，將導致確定出的移動機器人的運動軌跡不夠精準。

因此，如何進一步提高估計移動機器人的運動軌跡的精準度，是本領域技術人員目前需要解決的技術問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高估計移動機器人的運動軌跡的精準度的移動機器人的運動軌跡估計方法、裝置和存儲介質。

一種移動機器人的運動軌跡估計方法，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。

在其中一個實施例中，訓練出所述位姿估計模型的過程包括：

獲取所述目標移動機器人采集到的樣本圖像；

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。

在其中一個實施例中，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；