[发明专利]一种3D导航语义地图更新方法、装置及设备

说明书

一种3D导航语义地图更新方法包括：根据摄像头采集的图像构建3D地图；通过卷积神经网络对采集到的图像信息进行目标识别，将所识别的结果映射至所述3D地图；将所述3D地图投影至2D栅格地图，建立3D地图与2D栅格地图的对应关系，当二维数据变化时，通过二维数组存储和更新所述栅格地图中的栅格所对应的3D地图的空间信息。通过将3D地图投影至2D栅格地图，建立3D地图与2D栅格地图的对应关系，由二维数组存储和更新2D栅格地图中的栅格所对应的3D地图的空间信息，有利于简化语义地图的更新操作，提高语义地图的更新效率。

技术领域

本申请属于地图领域，尤其涉及一种3D导航语义地图更新方法、装置及设备。

背景技术

在室内服务机器人领域，环境空间的3D语义信息尤显重要。例如，在家用机器人技术中，一个简单的抓取任务既需要知道某物是什么，也需要知道它的位置。当用户和机器人交流时，如果用户和机器人有共同的空间和语义理解，用户可以发出可以有效执行的指令。比如用户发出“从你右边最近的桌子上取咖啡杯”的指令时，机器人需要理解“桌子”和“咖啡杯”的含义，并且理解目标与机器人本体之间的距离信息“最短”。

当地图上的已经标记的语义信息与当前室内语义信息存在差异，如果新更新的语义信息没有被及时标记或者是旧的语义信息没有及时被移除，初始的室内语义地图就会逐步的衰减甚至是破坏基于位置服务系统的绩效。在这样的情况下，室内语义地图不仅不能够改善现有的基于室内位置的服务体验，而且也不能产生新的基于室内位置服务系统。现有技术中采用移动端众包方式，向所有移动端发布众包任务，根据任务结果与对应的评估结果更新室内语义地图，需要额外的单元参与更新，计算处理较为复杂，并且更新的实时性不高。

发明内容

有鉴于此，本申请实施例提供了一种3D导航语义地图更新方法、装置及设备，以解决现有技术中的语义地图更新方式时，需要额外单元参与更新，计算处理较为复杂，并且更新的实时性不高的问题。

本申请实施例的第一方面提供了一种3D导航语义地图更新方法，所述3D导航语义地图更新方法包括：

根据摄像头采集的图像构建3D地图；

通过卷积神经网络对采集到的图像信息进行目标识别，将所识别的结果映射至所述3D地图；

将所述3D地图投影至2D栅格地图，建立3D地图与2D栅格地图的对应关系，当二维数据变化时，通过二维数组存储和更新所述栅格地图中的栅格所对应的3D地图的空间信息。

结合第一方面，在第一方面的第一种可能实现方式中，所述根据摄像头采集的图像构建3D地图的步骤包括：

将预定大小的3D空间均匀分割为多个小方块；

通过相机采集包括深度信息的图像，确定每个小方块的坐标及法向量坐标；

根据当前帧的小方块的坐标及法向量坐标，以及上一帧预测出的小方块的坐标及法向量坐标，计算当前相机的位置姿态；

根据所述当前相机的位置姿态，更新所述小方块到表面的最近距离TSDF值；

融合所述小方块的TSDF值，生成3D地图。

结合第一方面，在第一方面的第二种可能实现方式中，所述通过卷积神经网络对采集到的图像信息进行目标识别，将所识别的结果映射至所述3D地图的步骤包括：

通过VGG-16-Atrous作为基础网络，在所述基础网络上填加特征提取层，在检测过程中，在填加特征层和基础网络特征层上均进行检测。

结合第一方面，在第一方面的第三种可能实现方式中，所述通过卷积神经网络对采集到的图像信息进行目标识别，将所识别的结果映射至所述3D地图的步骤包括：

所述卷积神经网络的损失函数为：