[發明專利]一種基于雙重約束的機器人地圖構建方法、存儲介質及設備

有效

• 申請號: 202310031294.3
• 申請日: 2023-01-09
• 公開（公告）號: CN116067360B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 徐韜;陳孟元
• 申請（專利權）人: 安徽工程大學
• 主分類號: G01C21/00
• 分類號: G01C21/00
• 代理公司: 蕪湖思誠知識產權代理有限公司 34138
• 代理人: 項磊

本發明公開了一種基于雙重約束的機器人地圖構建方法，包括下列步驟：步驟S1、通過聚合注意力機制特征動態調節的目標檢測網絡對潛在動態物體所在區域添加邊界框；步驟S2、采用密度聚類算法初步區分邊界框內前景點和背景點，并通過計算前景點內的邊界點的靜態概率準確區分邊界點的運動狀態從而得到初步靜態點集合，然后使用初步靜態點集合對相機位姿進行初步估計；步驟S3、采用雙重靜態點約束方法進一步確定潛在動態物體的運動狀態；步驟S4、剔除動態點集合，并使用高質量的靜態點集合進行二次位姿優化。本發明進一步確定特征點的真實運動狀態，得到靜態點集合，并基于此對相機位姿進行二次優化。

技術領域

本發明屬于同步定位與地圖創建(Simultaneous?LocationAnd?Mapping，SLAM)技術領域，具體涉及基于一種基于雙重約束的機器人地圖構建方法、存儲介質及設備。

背景技術

同步定位與地圖構建(Simultaneous?Localization?and?Mapping，SLAM)是移動機器人在未知環境下，使用自身搭載的相機、激光雷達等傳感器，建立局部環境地圖，同時估計機器人自身所處位置。當前主流視覺SLAM系統都在大規模環境中實現了高精度的定位與構圖，但該方法動態場景下易出現動態物體檢測不完整以及難以準確判斷潛在動態物體的運動狀態等問題，如在潛在動態物體檢測環節中使用目標檢測網絡僅能獲取圖像中的潛在動態物體的檢測框，而對于檢測框內特征點的運動狀態卻難以準確區分。由于在實際場景中一些點實際上是動態的卻被誤分類為靜態點(如一本書在手上晃動)和存在一些對象由靜態轉換成動態的問題，從而降低系統精度，因此動態物體對SLAM系統定位精度的影響較大，系統位姿估計與地圖構建的準確性也受到影響。

發明內容

本發明的目的是提供一種基于雙重約束的機器人地圖構建方法，用于解決現有技術中由于潛在動態物體的檢測框中特征點的運動狀態卻難以準確區分，動態的卻被誤分類為靜態點，靜態轉換成動態出現錯誤，從而降低系統精度，令動態物體對SLAM系統定位精度產生不利影響的問題。

所述的一種基于雙重約束的機器人地圖構建方法，包括下列步驟：

步驟S1、通過聚合注意力機制特征動態調節的目標檢測網絡對潛在動態物體所在區域添加邊界框；

步驟S2、采用密度聚類算法初步區分邊界框內前景點和背景點，并通過計算前景點內的邊界點的靜態概率準確區分邊界點的運動狀態從而得到初步靜態點集合，然后使用初步靜態點集合對相機位姿進行初步估計；

步驟S3、采用雙重靜態點約束方法進一步確定潛在動態物體的運動狀態；

步驟S4、剔除動態點集合，并使用高質量的靜態點集合進行二次位姿優化。

優選的，所述步驟3中，雙重靜態點約束方法將空間中的3D點投影至當前幀和關鍵幀，計算當前幀投影點與極線的距離，若距離小于設定閾值則空間中3D點即為靜態點，反之通過計算投影點實際位置與其匹配點的2范數或深度差值進一步判斷3D點的運動狀態；若2范數大于設定閾值，說明投影點實際位置與其匹配點位置誤差較大，此時空間中3D點為動態點；若深度差值大于設定閾值，說明實際深度與估計深度相差較大，此時空間中3D點為動態點。

優選的，所述步驟3中，雙重靜態點約束方法的計算方式如下：

其中，ω表示靜態點得分，λ和μ代表權重參數，A、B表示極線方程的參數，S₁為空間中3D點S在關鍵幀K上的實際投影點，S₂為3D點s在當前幀C中的投影點，S′₂為在當前幀C中與S₁匹配得到的點，F為基礎矩陣，Φ是S點在當前幀的投影深度與實際深度的深度差值，∨為或符號。