[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

说明书

本说明书实施例提供一种机器人基于语义进行地图构建的方法，先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所述处于不同位姿的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，所述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。

技术领域

本说明书涉及于机器人领域，尤其涉及一种机器人基于语义进行地图构建的方法和装置。

背景技术

自主移动机器人的智能性主要体现在能构建一致性的环境地图、自主的定位和导航功能。其中环境地图的可靠性以及包含的信息量是移动机器人定位和导航的关键前提。

现有技术中，基于2d扫描数据的传统地图生成方法，通常使用搭载了2D激光雷达的移动机器人进行数据扫描，生成的是无语义的地图，这样的地图存在的问题是：无法确认实际环境中存在什么物体(凳子、桌子、花瓶等等)且无法剔除因地图中存在的动态物体(行人、车等)而带来的大量噪声点。

发明内容

针对上述技术问题，本说明书实施例提供一种机器人基于语义进行地图构建的方法，和一种基于语义进行地图构建的机器人，技术方案如下：

一种机器人基于语义进行地图构建的方法，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所述处于不同位姿的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。

一种基于语义进行地图构建的机器人，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所述处于不同位姿的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。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现一种机器人基于语义进行地图构建的方法，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所述处于不同位姿的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。