[发明专利]一种基于空中三维模型的移动机器人自主定位系统及方法

说明书

本发明公开了一种基于空中三维模型的移动机器人自主定位系统及方法，属于移动机器人自主定位和导航领域。该方法融合激光雷达点云和图像信息实现移动机器人在空中三维模型中自主定位和导航，突破了现有技术中移动机器人只能在地面通过自主建立的地图中进行定位和导航的限制，采用航拍建立指定园区的空中三维模型作为移动机器人的定位地图，并且通过融合激光雷达点云和图像实现移动机器人在空中三维模型中的全局定位，拓宽移动机器人的使用范围，使其在地面状况不良的状况下，依旧可以通过航拍建立的空中三维模型实现移动机器人的自主定位和导航，并且避免了现有的移动机器人自主定位依赖于环境中丰富的特征点进行连续稳定匹配导致的误差累积、漂移等问题。

技术领域

本发明涉及移动机器人、无人车等的自主定位与导航领域，特别涉及一种基于空三模型的移动机器人自主定位系统及方法。

背景技术

随着信息技术的飞速发展，作为移动机器人的核心功能——SLAM(同步定位与建图)已经成为一个热门的研究方向，移动机器人能够实时计算出当前自己位姿的6-DOF是SLAM的一个重要一环，现如今的SLAM算法为了实现机器人在未知环境下的定位与建图常常依赖于机器人的移动，在相邻帧之间提取关键特征计算出相邻帧之间的相对位姿，实现机器人的实时定位与建图，但该方法由于依赖于机器人的场景中丰富的特征点的连续稳定匹配，在实际应用中容易受场景中相似特征的影响而引入匹配误差，并且随着累积容易出现漂移现象。因此如何实现机器人在地图中的全局稳定可靠定位一直以来都是一个非常重要的研究课题。

基于特征的连续匹配的方法包含以下几种：

基于相邻帧之间注册方法：对提取到的相邻帧的点云通过重叠部分的信息，变换到同一个位置，通过迭代足够多的点即可计算出相邻两帧之间的相对位姿；

基于点云3D特征的方法：对实时局部点云和全局地图点云提取预先定义好的3D特征，利用局部地图和全局地图的3D特征的匹配对应关系计算出当前地图机器人的位姿；

基于深度学习的方法：利用深度学习网络对提取的局部地图特征拟合出位姿和特征之间的深度学习模型；

基于特征连续匹配的方法对于移动机器人的自主定位和导航的问题，在特征丰富的条件下已经取得了非常好的效果，但是该方法容易受到场景中的弱纹理影响而在连续的定位过程中引入匹配误差导致自主定位出现漂移等现象。

发明内容

为了解决以上现有技术存在的缺陷，本发明提出一种基于空中三维模型的移动机器人自主定位系统及方法，利用空中三维模型代替移动机器人自主定位建立的地面地图，扩大移动机器人的使用范围以及提高使用效率，利用图像的纹理信息通过深度学习网络对图像的相机姿态进行估计，能够对移动机器人进行全局粗略定位，在此基础上将激光雷达的点云数据与图像数据进行融合实现移动机器人在空中三维模型中的全局精确定位。

本发明的技术方案是这样实现的：

空中三维模型全局地图特征数据库构建模块：用于生成移动机器人定位的全局地图特征描述子搜索库及区块索引；

移动机器人全局粗略定位模块：利用图像信息实现移动机器人在空中三维模型中全局粗略定位，并检索出全局粗略定位的区块索引；

移动机器人全局精确定位模块：根据所述全局粗略定位的区块索引在所述全局地图特征描述子搜索库中索引到粗略定位的区块特征描述子搜索库，利用图像对点云特征信息增强后在粗略定位的区块特征描述子搜索库中进行检索匹配，匹配成功后计算出移动机器人的精确位姿。

优选地，所述空中三维模型全局地图特征数据库构建模块具体包括：

空中三维模型建立及模型点云化单元：用于建立空中三维模型，将三维模型点云化，提供移动机器人进行定位的全局地图；