[发明专利]一种AGV地图构建方法和系统

权利要求书

1.一种AGV地图构建方法，其特征在于，包括：

采用双目相机获取拍摄图像；所述双目相机搭载在AGV小车上；所述拍摄图像为以所述AGV小车为起点设定范围内的环境图像；

提取所述拍摄图像中的特征点；

采用视觉里程计根据所述特征点确定所述拍摄图像中各特征点间的对应关系，并根据所述对应关系确定环境中AGV小车行驶路径的第一空间点坐标；

获取回环检测模型；所述回环检测模型为训练好的VGG-19的深度学习网络；

以所述拍摄图像为输入，采用所述回环检测模型确定环境中所述AGV小车行驶路径的第二空间点坐标；

根据所述第一空间点坐标和所述第二空间点坐标确定所述AGV小车的位姿信息；所述位姿信息包括：AGV小车的位置坐标和AGV小车的角度变换信息；

根据所述位姿信息构建AGV地图；

其中，所述根据所述第一空间点坐标和所述第二空间点坐标确定所述AGV小车的位姿信息，具体包括：

依据三角测距原理构建观测方程；

采用所述观测方程，根据所述第一空间点坐标和所述第二空间点坐标确定第三空间坐标点；

采用最小二乘法，根据所述第一空间点坐标和所述第三空间坐标点确定所述位姿信息。

2.根据权利要求1所述的AGV地图构建方法，其特征在于，所述获取回环检测模型，之前还包括：

获取训练样本对和VGG-19的深度学习网络；所述训练样本对为当前时刻图像和历史时刻图像间的特征比对结果；

采用所述训练样本对训练所述VGG-19的深度学习网络，得到训练好的VGG-19的深度学习网络；所述训练好的VGG-19的深度学习网络即为所述回环检测模型。

3.根据权利要求1所述的AGV地图构建方法，其特征在于，所述训练好的VGG-19的深度学习网络的全连接层包括：一个7*7*512的卷积层和两个1*14096的卷积层。

4.一种AGV地图构建系统，其特征在于，包括：

图像获取模块，用于采用双目相机获取拍摄图像；所述双目相机搭载在AGV小车上；所述拍摄图像为以所述AGV小车为起点设定范围内的环境图像；

特征点提取模块，用于提取所述拍摄图像中的特征点；

第一空间点坐标确定模块，用于采用视觉里程计根据所述特征点确定所述拍摄图像中各特征点间的对应关系，并根据所述对应关系确定环境中AGV小车行驶路径的第一空间点坐标；

回环检测模型获取模块，用于获取回环检测模型；所述回环检测模型为训练好的VGG-19的深度学习网络；

第二空间点坐标确定模块，用于以所述拍摄图像为输入，采用所述回环检测模型确定环境中所述AGV小车行驶路径的第二空间点坐标；

位姿信息确定模块，用于根据所述第一空间点坐标和所述第二空间点坐标确定所述AGV小车的位姿信息；所述位姿信息包括：AGV小车的位置坐标和AGV小车的角度变换信息；

AGV地图构建模块，用于根据所述位姿信息构建AGV地图；

其中，所述位姿信息确定模块具体包括：

观测方程构建单元，用于依据三角测距原理构建观测方程；

第三空间坐标点确定单元，用于采用所述观测方程，根据所述第一空间点坐标和所述第二空间点坐标确定第三空间坐标点；

位姿信息确定模块单元，用于采用最小二乘法，根据所述第一空间点坐标和所述第三空间坐标点确定所述位姿信息。

5.根据权利要求4所述的AGV地图构建系统，其特征在于，还包括：

获取模块，用于获取训练样本对和VGG-19的深度学习网络；所述训练样本对为当前时刻图像和历史时刻图像间的特征比对结果；

训练模块，用于采用所述训练样本对训练所述VGG-19的深度学习网络，得到训练好的VGG-19的深度学习网络；所述训练好的VGG-19的深度学习网络即为所述回环检测模型。

6.根据权利要求4所述的AGV地图构建系统，其特征在于，还包括：

人机交互界面，用于实时显示所述AGV地图。