[发明专利]一种机器人基于语义进行地图构建的方法和装置

权利要求书

1.一种机器人基于语义进行地图构建的方法，其特征在于，所述方法包括：

获取上次重采样后得到的N个粒子样本，根据机器人在t-1时刻的位姿信息和机器人的概率运动模型估算所述N个粒子在t时刻的位姿信息，其中，每个粒子对应机器人一种可能的运动轨迹；

在t时刻的语义扫描数据中获取处于不同位姿的N个粒子中，每个粒子对应的K个语义点，计算t时刻每个语义点的权值，根据所述K个语义点的权值计算出t时刻每个粒子的权重，其中，语义扫描数据至少包括带有物体概率标签的数据；

获取所述N个粒子中权重最大的粒子，根据所述权重最大的粒子对应的语义扫描数据构建语义地图。

2.如权利要求1所述的方法，其特征在于，所述语义扫描数据的获取方式包括：

提取通过激光雷达获取的激光聚类数据；

提取通过视觉传感器获取的物体检测数据；

将激光聚类数据与物体检测数据进行融合计算，以获取语义扫描数据。

3.如权利要求1所述的方法，其特征在于，所述计算每个语义点的权值，包括：计算每个语义点的权值p_i，计算公式如下：

其中，z_hit+z_label＝1，z_hit和z_label为预设参数，分别表示语义点与地图对应点是障碍物的概率权重，和语义点的语义与地图对应点语义相符的概率权重；

其中，和为观测参数，分别表示语义点与地图对应点是障碍物的概率，和语义点的语义与地图对应点语义相符的概率，且和均符合高斯分布。

4.如权利要求3所述的方法，其特征在于，所述根据所述K个语义点的权值计算出t时刻每个粒子的权重信息，包括：

根据所述K个语义点的权值计算出每个粒子的权重信息计算公式如下：

5.如权利要求4所述的方法，其特征在于，所述根据所述K个语义点的权值计算出t时刻每个粒子的权重信息后，还包括：对粒子进行归一化处理，第i个粒子归一化权重计算公式如下：

6.如权利要求5所述的方法，其特征在于，所述根据所述K个语义点的权值计算出t时刻每个粒子的权重后，还包括：

根据粒子权重大小对粒子进行重采样，以获取权重大小符合要求的新粒子集合，其中，新粒子满足概率：

7.如权利要求6所述的方法，其特征在于，所述根据粒子权重大小对粒子进行重采样前，还包括：

当N_eff小于预设阈值时，对粒子进行重采样，所述N_eff计算公式如下：

8.一种基于语义进行地图构建的机器人，其特征在于，所述机器人包括：

运动预测模块：用于获取上次重采样后得到的N个粒子样本，根据机器人在t-1时刻的位姿信息和机器人的概率运动模型估算所述N个粒子在t时刻的位姿信息，其中，每个粒子对应机器人一种可能的运动轨迹；

权重更新模块：用于在t时刻的语义扫描数据中获取处于不同位姿的N个粒子中，每个粒子对应的K个语义点，计算t时刻每个语义点的权值，根据所述K个语义点的权值计算出t时刻每个粒子的权重，其中，语义扫描数据至少包括带有物体概率标签的数据；

地图构建模块：用于获取所述N个粒子中权重最大的粒子，根据所述权重最大的粒子对应的语义扫描数据构建语义地图。

9.如权利要求8所述的机器人，其特征在于，所述语义扫描数据的获取方式包括：

提取通过激光雷达获取的激光聚类数据；

提取通过视觉传感器获取的物体检测数据；

将激光聚类数据与物体检测数据进行融合计算，以获取语义扫描数据。