[发明专利]室内动态情景下的定位方法和装置

说明书

本申请公开了一种室内动态情景下的定位方法和装置，涉及室内定位领域。该方法包括：在室内动态情景下，实时获取当前帧；在当前帧和上一帧之间确定匹配的图像特征，根据匹配的图像特征，估计当前帧和上一帧之间的变换矩阵；根据所述变换矩阵计算当前帧和上一帧匹配的百分数，当所述百分数小于指定的阈值时，采用轮轴里程计来更新全局位姿；检测运动过程中是否经过关键点，如果是，则对所述全局位姿进行细化。该装置包括：获取模块、匹配模块、更新模块和细化模块。本申请实现了在存在障碍物和动态事件的情况下进行室内定位，通过已知空间的关键点来优化定位信息，并结合轮轴里程计在特定场景下得到更优化的结果。

技术领域

本申请涉及室内定位领域，特别是涉及一种室内动态情景下的定位方法和装置。

背景技术

机器人在许多不同的领域都有应用，一个实际的功能是让机器人能够知道其当前在这种环境中的姿态，实际上这也一直是SLAM(Simultaneous Localization AndMapping，即时定位与地图构建)研究中一个非常核心的内容。

移动机器人的定位是指机器人在任何给定时刻都能知道自己的姿态，机器人可能会依赖于各种各样的传感器，例如基于轮轴里程计的轮轴测程法，基于激光雷达的激光测程法，基于图像传感器的图像测程法，基于GPS((Global Positioning System，全球定位系统)的定位方法等。针对vSLAM(Visual Simultaneous Localization And Mapping，基于视觉的即时定位与地图构建)计算方法大致可分为基于卡尔曼滤波的方法，基于粒子滤波器的方法和基于图优化方法的三类，其核心是寻找特征点。

Howard提出了一种实时的视觉定位方法，成为了今天大多数基于视觉里程计测量的基础。目前，大多数基于视觉里程计的方法都试图优化这些方法，以产生更好的结果。Kitt等人使用迭代的卡尔曼滤波器来估计机器人的运动。Klein和Murray提出了一种称为PTAM(Parallel Tracking And Mapping，并行跟踪与映射)的SLAM方法来创建场景地图，并同时估计相机的姿态。Pire等人采用PTAM方法，并提出了S-PTAM，克服了PTAM方法的局限性。Geiger等人提出了libviso SLAM算法来计算机器人的姿态，并利用高分辨率立体图像实时构建三维地图。Khosoussi等人提出了一种高效的图优化算法，该算法利用SLAM的可分离结构，实现了可靠、快速的收敛。针对图优化眩晕算法中闭环检测或数据处理中存在的伪约束问题，提出了DCS(Dynamic Covariance Scaling，动态协方差缩放)和最大混合方法来应付动态环境。

但是，上述现有技术中却存在各种问题。激光提供了距离深度信息，但没有提供视觉环境信息，相机提供了关于环境的视觉信息，但没有提供距离深度，GPS不善于在室内环境中工作，或者其信号可能在不同城市环境中受到较大影响。并且由于激光传感器过于昂贵，基于视觉的机器人凭借其传感器的廉价性受到了重视。而上述介绍的视觉领域的特征点比较算法多针对静态的环境，在存在如人类移动或者其他动态事件的环境下，特征点的选取很困难，而且定位效果不好。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的一个方面，提供了一种室内动态情景下的定位方法，包括：

在室内动态情景下，实时获取当前帧；

在所述当前帧和上一帧之间确定匹配的图像特征，根据所述匹配的图像特征，估计所述当前帧和上一帧之间的变换矩阵；

根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数，当所述百分数小于指定的阈值时，采用轮轴里程计来更新全局位姿；

检测运动过程中是否经过关键点，如果是，则对所述全局位姿进行细化。

可选地，检测运动过程中是否经过关键点，包括：