[发明专利]基于深度信息对场景画面进行闭环检测的方法及装置

说明书

本发明实施例提供了基于深度信息对场景画面进行闭环检测的方法及装置，其中，方法包括：获取导航的场景画面的深度图像数据及彩色图像数据，所述深度图像数据包括：多张深度图像帧；对所述彩色图像数据进行特征提取，得到所述彩色图像数据中的特征；确定相邻深度图像帧中深度信息的波动幅值；基于所述相邻深度图像帧中深度信息的波动幅值，确定存在移动物；对所述彩色图像数据中的特征，所述移动物对导航的场景画面引入的错误特征进行剔除，得到剔除所述错误特征后彩色图像数据中的特征；基于剔除所述错误特征后彩色图像数据中的特征，进行闭环检测。

技术领域

本发明涉及智能化导航技术领域，特别是涉及基于深度信息对场景画面进行闭环检测的方法及装置。

背景技术

近年来，随着人们对机器人的需求日益增多，机器人也逐渐地在服务行业迅速发展，机器人智能化导航也成为当前研究热点的方向之一。目前机器人智能化导航所采用的导航技术也比较多样。而，SLAM(Simultaneous Localization and Mapping，同时定位与建图)技术作为机器人智能化导航中的视觉导航的主流技术之一，实现机器人智能化导航。

SLAM技术的实现过程会解决三个问题，其中一个问题称为建图。在解决这个问题的过程中，会对机器人导航的场景画面进行闭环检测。这个闭环检测用于判断机器人是否又重新来到，之前已经待过的场景，从而消除由机器人的传感器的估计精度，产生的累计误差，这个累计误差用于说明估计的机器人位姿与真实位姿之间发生漂移。具体闭环检测的实现过程：检测这个机器人获取到导航的场景画面中的一个图像帧，与这个图像帧之前的n个图像帧中随机的采k个图像帧，分别进行两两匹配；若匹配上，则认为出现闭环。

在机器人智能化导航过程中，机器人导航的场景画面，会存在发生移动的物体，比如人或车，这些移动的物体，称为移动物。这些移动物会使同一导航的场景画面中的一个图像帧中没有移动物，而另一图像帧中出现了移动物。这样会对导航的场景画面引入错误特征，从而会对机器人所采用的SLAM技术中的闭环检测，产生干扰，导致闭环检测匹配不上，进而导致对机器人的相机位姿进行预估出现误差。因此，目前人们会研究一些方法剔除移动物，从而剔除对导航的场景画面引入的错误特征。

现有采用深度学习，剔除移动物的方法，主要包括如下步骤：

第一步，获取样本集，样本集中的每个样本包括：机器人导航的场景中图像帧的特征；

第二步，利用这些样本集的这些特征进行训练，得到训练后的导航的场景画面模型，这里的导航的场景画面模型包括：语义地图；

第三步，获取机器人当前导航的场景中的图像帧，称为目标图像帧，基于语义地图，通过语义分割，识别出目标图像帧中的移动物，对导航的场景画面引入的错误特征；

第四步，剔除移动物，从而剔除掉对导航的场景画面引入的错误特征，从而排除移动物的干扰。

这种方式实现了剔除移动物，然而本申请发明人在实现本发明的过程中，会存在如下问题：

深度学习需要对机器人导航的场景训练，得到导航的场景画面模型，这样应用的场景只能是训练过的机器人导航的场景，如果改变机器人导航的场景，则需要重新训练，实现比较麻烦，只能应用在所训练的场景。

发明内容

本发明实施例的目的在于提供基于深度信息对场景画面进行闭环检测的方法及装置，用以解决现有技术中如果改变机器人导航的场景，则需要重新训练，实现比较麻烦，并且，只能应用在训练过的场景的技术问题。具体技术方案如下：

第一方面，本发明实施提供了一种基于深度信息对场景画面进行闭环检测的方法，包括：

获取导航的场景画面的深度图像数据及彩色图像数据，所述深度图像数据包括：多张深度图像帧；

对所述彩色图像数据进行特征提取，得到所述彩色图像数据中的特征；