[发明专利]机器人构建地图的方法、机器人及存储介质

权利要求书

1.一种机器人构建地图的方法，其特征在于，包括：

采集目标环境的至少连续两帧空间图像信息；

根据所述空间图像信息构建所述目标环境的稀疏点云地图，所述稀疏点云地图包含的空间点数量小于预设的空间点数量阈值；

将所述稀疏点云地图和所述目标环境的语义地图输入预先训练的对抗网络模型进行分析，得到所述目标环境的稠密点云地图，所述稠密点云地图包含的空间点数量大于或等于预设的空间点数量阈值。

2.如权利要求1所述的机器人构建地图的方法，其特征在于，所述空间图像信息包括空间图像的各个像素点对应的三维空间点的深度信息；

所述根据所述空间图像信息构建所述目标环境的稀疏点云地图，包括：

分别从连续两帧所述空间图像信息中获取各个所述像素点的位置信息，以及各个所述像素点对应的三维空间点的深度信息；

根据摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点对应的三维空间点的深度信息，确定所述目标环境的稀疏点云地图。

3.如权利要求2所述的机器人构建地图的方法，其特征在于，所述根据摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点对应的三维空间点的深度信息，确定所述目标环境的稀疏点云地图，包括：

分别将所述摄像头的运动参数、各个所述像素点的位置信息以及各个所述像素点各自对应的三维空间点的深度信息输入预设的成像模型进行分析，得到各个所述三维空间点的空间位置信息；

根据各个所述三维空间点的所述空间位置信息构建所述稀疏点云地图。

4.如权利要求1-3任一所述的机器人构建地图的方法，其特征在于，所述预先训练的对抗网络模型为条件生成对抗网络模型，所述条件生成对抗网络模型包括生成网络、判别网络以及预设的约束条件；

所述生成网络的输入为预设数量的不同预设空间的稀疏点云地图和所述约束条件，输出为各个所述预设空间的预测稠密点云地图，所述约束条件作为条件信息与各个所述预设空间的预测稠密点云地图进行对抗；

所述判别网络的输入为各个所述预设空间的预测稠密点云地图，输出为各个所述预设空间的预测稠密点云地图为各个所述预设空间的真实稠密点云地图的概率值。

5.如权利要求4所述的机器人构建地图的方法，其特征在于，预设的所述约束条件为各个所述预设空间的语义地图。

6.如权利要求5所述的机器人构建地图的方法，其特征在于，在所述将所述稀疏点云地图和所述目标环境的语义地图输入预先训练的对抗网络模型进行分析，得到所述目标环境的稠密点云地图之前，还包括：

分别将各个所述预设空间的稀疏点云地图与各个所述预设空间的语义地图输入预先构建的所述生成网络中进行训练，得到各个所述预设空间的所述预测稠密点云地图；

将各个所述预设空间的预测稠密点云地图输入预先构建的所述判别网络中进行训练，得到各个所述预设空间的预测稠密点云地图为各个所述预设空间的真实稠密点云地图的概率值；

根据所述概率值，调整预先构建的所述生成网络的权重值；

当所述生成网络的损失函数值的变化率小于或等于预设的第一变化率阈值，且所述判别网络的损失函数值的变化率小于或等于预设的第二变化率阈值，则确定对预先构建的所述对抗网络模型的训练结束，得到所述生成对抗网络模型。

7.如权利要求5或6所述的机器人构建地图的方法，其特征在于，所述生成对抗网络模型表示为：

min(G)：max(D)V(D,G)＝E_x[log D(x|θ)]+E_Z[log(1-D(G(z|θ)))]

其中，D为判别网络，G为生成网络，X为各个预设空间的稀疏点云地图，Z为各个预设空间的预测稠密点云点图，θ为各个预设空间的语义地图，E_x[log D(x|θ)]，为各个预设空间的稀疏点云地图的概率密度，E_Z[log(1-D(G(z|θ)))各个预设空间的预测稠密点云点图的概率密度。