[发明专利]动态场景机器人定位建图系统及方法

说明书

本发明公开了一种动态场景机器人定位建图系统及方法，其中，系统包括：语义分割线程用于根据RGB图像获取语义分割结果，生成带有语义信息的语义图像；位姿估测线程用于根据RGB图像获取ORB特征点，通过运动型一致性检测获得运动区域，结合语义图像的语义信息剔除动态目标上的外点，并通过匹配剩余稳定目标的特征点得到变换矩阵，生成语义图像关键帧；稠密语义八叉树地图建立线程用于根据语义图像关键帧生成带语义标签的3D稠密八叉树地图。该系统通过将语义分割网络与运动一致性检测法相结合，完成对动态物体的剔除，并且构建的语义稠密八叉树地图，能够服务于更高层次的工作，从而有效提高了定位建图的适用性、实用性和鲁棒性。

技术领域

本发明涉及机器人定位建图技术领域，特别涉及一种动态场景机器人定位建图系统及方法。

背景技术

机器人定位建图系统主要依赖SLAM(Simultaneous Localization and Mapping，实时定位与地图构建)技术，该技术被视作移动智能机器人的一项重要技术，最早于1988年提出。机器人通过传感器获取周围环境的相关数据进行地图构建，然后将当前所感知到的环境特征与地图中的特征进行匹配，从而完成定位。

根据传感器类型的不同，SLAM技术主要可以分为激光SLAM和视觉SLAM。由于图像在信息存储上的丰富性，以及图像对于一些更高层次工作(如语义分割与物体检测)的服务型，视觉SLAM技术在近年来被广泛研究。此外，当下的视觉SLAM技术往往都是一个完整的架构，包含了特征提取、回环检测等部分，如ORB-SLAM2，LSD-SLAM等现有的视觉SLAM技术已经在某些环境下取得了较好的试验结果。

但在现有的机器人定位建图系统中，所应用的SLAM技术仍然存在着一些问题。一方面是如何让机器人的定位系统能够适应复杂多变的环境，例如环境中存在动态物体；另一方面是如何依靠SLAM技术构建更有价值的地图，提供更多的信息来服务于系统的高层次的应用。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种动态场景机器人定位建图系统，该系统可以有效提高了定位建图的适用性、实用性和鲁棒性。

本发明的另一个目的在于提出一种动态场景机器人定位建图方法。

为达到上述目的，本发明一方面实施例提出了一种动态场景机器人定位建图系统，为5线程架构，包括：语义分割线程，采用深度学习技术实时的获取语义分割结果，以生成带有语义信息的语义图像；位姿估测线程，根据RGB图像获取ORB特征点，通过运动一致性检测获得运动区域，结合语义分割的信息剔除动态区域上的外点，并通过匹配剩余稳定目标的特征点得到变换矩阵，生成语义图像关键帧；稠密语义八叉树地图线程，用于根据所述语义图像的关键帧生成带语义标签的3D稠密语义八叉树地图，完成动态目标的剔除，可用于高级复杂任务。后端优化线程，用于对所述关键帧进行局部优化和关键帧筛选；回环线程，用于对局部优化和关键帧筛选的结果进行整体优化和回环检测。

本发明实施例的动态场景机器人定位建图系统，通过将语义分割网络与运动一致性检测法相结合，并对动态物体的剔除，减少了环境中运动物体对实时定位与地图构建的影响，提高了在动态环境下的定位精度，并且构建的稠密八叉树地图，能够服务于更高层次的工作，从而有效提高了定位建图的适用性、实用性和鲁棒性。

另外，根据本发明上述实施例的动态场景机器人定位建图系统还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述语义分割线程与所述位姿估测线程进行数据交流，与运动一致性检测相结合剔除环境中的动态目标。

进一步地，在本发明的一个实施例中，所述稠密语义八叉树地图建立线程还用于通过概率融合法建立稳定的3D八叉树地图，将动态目标剔除，并与语义信息相融合，该地图可以用于导航以及机器人完成高级复杂任务。