[发明专利]机器人及其重定位方法、定位装置及存储介质

权利要求书

1.一种机器人的重定位方法，其特征在于，所述重定位方法包括：

获取特征地图；所述特征地图包括机器人运行环境的每一帧历史帧图像对应的特征点和特征描述子，以及所述机器人在所述每一帧历史帧图像对应的历史位姿；

在所述机器人定位失败时，获取所述机器人所处环境的当前帧图像；

将所述当前帧图像输入卷积神经网络模型进行特征提取，获得所述当前帧图像的特征点、特征描述子；

根据所述每一帧历史帧图像的特征点、特征描述子和所述当前帧图像的特征点、特征描述子进行特征匹配，确定与所述当前帧图像匹配的目标历史帧图像的特征点、特征描述子；

根据所述目标历史帧图像的特征点、特征描述子与所述当前帧图像的特征点、特征描述子进行特征点匹配，获得所述当前帧图像与目标历史帧图像的特征点对应关系；

根据所述特征点对应关系和所述机器人在所述目标历史帧图像对应的历史位姿，确定所述机器人的实际位姿；

根据所述实际位姿，对所述机器人进行重定位。

2.如权利要求1所述的重定位方法，其特征在于，所述将所述当前帧图像输入卷积神经网络模型进行特征提取，获得所述当前帧图像的特征点、特征描述子，包括：

将所述当前帧图像输入基于第一卷积神经网络构建的编码器，获得特征热力图；

将所述特征热力图输入基于第二卷积神经网络构建的特征点提取模型，获得所述特征点；

将所述特征热力图输入基于第三卷积神经网络构建的特征描述子提取模型，获得所述特征描述子。

3.如权利要求1所述的重定位方法，其特征在于，所述根据所述每一帧历史帧图像的特征点、特征描述子和所述当前帧图像的特征点、特征描述子进行特征匹配，确定与所述当前帧图像匹配的目标历史帧图像的特征点、特征描述子，包括：

将所述每一帧历史帧图像的特征点、特征描述子和所述当前帧图像的特征点、特征描述子输入预设的特征匹配模型，获得所述当前帧图像与所述每一帧历史帧图像之间的相似度；

将所述相似度满足预设条件的历史帧图像的特征点、特征描述子确定为所述目标历史帧图像的特征点、特征描述子。

4.如权利要求3所述的重定位方法，其特征在于，所述根据所述特征点对应关系和所述机器人在所述目标历史帧图像对应的历史位姿，确定所述机器人的实际位姿，包括：

根据所述特征点对应关系和所述机器人在所述目标历史帧图像对应的历史位姿，使用对极几何方法或PnP方法计算所述当前帧图像的实际位姿。

5.如权利要求1所述的重定位方法，其特征在于，在所述获取特征地图之后，所述重定位方法还包括：

获取所述机器人当前所处环境的障碍物信息；

根据所述机器人当前所处环境的障碍物信息和所述特征地图中所述当前所处环境的对应环境的障碍物信息，计算障碍物相似度；

在所述障碍物相似度小于定位阈值时，确定所述机器人定位失败。

6.一种机器人的重定位装置，其特征在于，所述重定位装置包括：

获取模块，用于获取特征地图，以及在所述机器人定位失败时，获取所述机器人所处环境的当前帧图像；所述特征地图包括机器人运行环境的每一帧历史帧图像对应的特征点和特征描述子，以及所述机器人在所述每一帧历史帧图像对应的历史位姿；

特征提取模块，用于将所述当前帧图像输入卷积神经网络模型进行特征提取，获得所述当前帧图像的特征点、特征描述子；

特征匹配模块，用于根据所述每一帧历史帧图像的特征点、特征描述子和所述当前帧图像的特征点、特征描述子进行特征匹配，确定与所述当前帧图像匹配的目标历史帧图像的特征点、特征描述子；

特征点匹配模块，用于根据所述目标历史帧图像的特征点、特征描述子与所述当前帧图像的特征点、特征描述子进行特征点匹配，获得所述当前帧图像与目标历史帧图像的特征点对应关系；

位姿确定模块，用于根据所述特征点对应关系和所述机器人在所述目标历史帧图像对应的历史位姿，确定所述机器人的实际位姿；

定位模块，用于根据所述实际位姿，对所述机器人进行重定位。