[发明专利]机器人及其重定位方法、定位装置及存储介质

说明书

本发明公开了一种机器人的重定位方法：获取包括机器人的每一帧历史帧图像的特征点、特征描述子和历史位姿的特征地图；在机器人定位失败时，获取机器人所处环境的当前帧图像；将当前帧图像输入卷积神经网络模型进行特征提取，获得当前帧图像的特征点、特征描述子；根据每一帧历史帧图像和当前帧图像的特征点、特征描述子，确定与当前帧图像匹配的目标历史帧图像的特征点、特征描述子；根据目标历史帧图像与当前帧图像的特征点、特征描述子进行特征点匹配，获得特征点对应关系；根据特征点对应关系和机器人在目标历史帧图像的历史位姿，确定机器人的实际位姿；上述方法能够提高机器人在存在光照变化的环境下的重定位精度。

技术领域

本申请涉及机器人技术领域，尤其涉及一种机器人及其重定位方法、定位装置及存储介质。

背景技术

目前，机器人在室外通常通过GPS定位，而在室内通常采用激光SLAM(Simultaneous Localization and Mapping，即时定位与建图技术)或者视觉SLAM进行构建地图与定位，机器人在定位成功后才能准确行走，若定位失败则机器人不能正常运行。激光SLAM技术较为成熟，依靠其可高精度的障碍物探测能力，成为目前最主流、最稳定的定位导航方法，但是其成本比较高，获取环境的信息只是单纯的距离信息，依靠粒子滤波的概率分布进行定位，容易在一些特殊环境中出现定位失败。随着计算机视觉技术的迅速发展，视觉SLAM依靠图像信息量大，成本低，使用范围广等优点受到广泛关注，根据摄像头种类的不同，包括深度摄像头、单目、双目，可以采用不同的技术方案获取环境信息，例如单目，利用多帧图像来估计自身的位姿变化，再通过累计位姿变化来计算距离物体的距离，并进行定位与地图构建。然而，视觉SLAM对光的依赖程度高，在光线变化后，机器人也不能准确的进行重定位。

发明内容

本发明提供了一种机器人及其重定位方法、定位装置及存储介质，以解决或者部分解决机器人在定位失败时，如何在存在光照变化的环境下提高机器人重定位精度的技术问题。

为解决上述技术问题，根据本发明一个可选的实施例，提供了一种机器人的重定位方法，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。

可选的，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。

可选的，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：