[发明专利]基于语义高度地图的局部导航方法和系统

权利要求书

1.一种基于语义高度地图的局部导航方法，其特征在于，包括以下步骤：

局部语义地图构建步骤：使用语义分割神经网络得到语义分割图像，将语义分割图像投影至地图坐标进行概率融合，对地图进行语义可靠度概率计算，构建局部语义地图；

局部高度地图构建步骤：使用传感器的点云信息，构建局部高度地图；

可通行度计算步骤：结合局部语义地图的分类结果和可靠度概率，以及局部高度地图的高度差，计算移动损耗；

局部路径规划步骤：通过计算所有候选路径的移动损耗总和，将移动损耗的总和最低的候选路径作为执行路径；

所述局部语义地图构建步骤包括：

语义分割步骤：使用深度神经网络模型对获取的彩色图像进行语义分割，获得彩色图像的语义识别结果；

图像投影步骤：利用相机内参和深度图结果，把语义分割的图像投影至相机坐标系下的三维空间，获得三维语义点；

概率融合步骤：把三维语义点通过贝叶斯概率的方式融合至语义网格地图的相应位置，先根据一个三维语义点计算其所属语义地图的网格，再提取所属网格内所有语义类别的概率，根据三维语义点的语义类别，把网格内相应类别的概率乘以预设概率a，1a0.5，其他类别的概率乘以预设概率b，0b0.5，对相乘后所有概率进行归一化。

2.根据权利要求1所述的基于语义高度地图的局部导航方法，其特征在于，所述局部高度地图构建步骤包括：

三维计算步骤：根据一个传感器的三维点计算其所属高度地图的网格；

高度更新步骤：提取所属网格内的高度和方差信息，使用卡尔曼滤波更新方式，利用三维点的高度更新所属网格的高度和方差。

3.根据权利要求1所述的基于语义高度地图的局部导航方法，其特征在于，所述可通行度计算步骤：

地图分类步骤：根据语义地图网格内最大概率的类别生成多层二值语义地图，每层地图对应一个语义类别，二值语义地图的1值表示此网格内此类别概率最大，否则为0值；

概率推算步骤：分别对二值语义地图进行多次腐蚀操作，根据腐蚀叠加结果计算可靠度概率；

损失计算步骤：结合网格语义可靠度概率、网格的语义类别和网格与周围网格的高度差计算可通行度，记为通行损失。

4.根据权利要求1所述的基于语义高度地图的局部导航方法，其特征在于，所述局部路径规划步骤：

路径预设步骤：预设若干从自身所处位置通向不同方向的路径；

路径执行步骤：在路径上以一定间隔采样，提取相应通行损失，计算每条路径的总损失，并结合到目的地距离以及行走距离计算路径得分，控制地面机器人执行得分最高的路径。

5.一种基于语义高度地图的局部导航系统，其特征在于，包括以下模块：

局部语义地图构建模块：使用语义分割神经网络得到语义分割图像，将语义分割图像投影至地图坐标进行概率融合，对地图进行语义可靠度概率计算，构建局部语义地图；

局部高度地图构建模块：使用传感器的点云信息，构建局部高度地图；

可通行度计算模块：结合局部语义地图的分类结果和可靠度概率，以及局部高度地图的高度差，计算移动损耗；

局部路径规划模块：通过计算所有候选路径的移动损耗总和，将移动损耗的总和最低的候选路径作为执行路径；

所述局部语义地图构建模块包括：

语义分割模块：使用深度神经网络模型对获取的彩色图像进行语义分割，获得彩色图像的语义识别结果；

图像投影模块：利用相机内参和深度图结果，把语义分割的图像投影至相机坐标系下的三维空间，获得三维语义点；

概率融合模块：把三维语义点通过贝叶斯概率的方式融合至语义网格地图的相应位置，先根据一个三维语义点计算其所属语义地图的网格，再提取所属网格内所有语义类别的概率，根据三维语义点的语义类别，把网格内相应类别的概率乘以预设概率a，1a0.5，其他类别的概率乘以预设概率b，0b0.5，对相乘后所有概率进行归一化。