[发明专利]基于图神经网络特征提取与匹配的移动机器人地图构建方法、存储介质及设备

权利要求书

1.基于图神经网络特征提取与匹配的移动机器人地图构建方法，其特征在于：包括下列步骤：

步骤S1，通过先验位置估计特征提取图神经网络，对图像特征点进行快速均匀检测与描述，构建相应特征点信息；

输入图像经编码层处理生成对应输入图像信息的8×8特征映射集合，之后使用划分像素区域估计位置坐标的方法，结合关键点位置坐标与特征点描述符，使用多层感知机将特征点位置坐标嵌入到高维向量，并通过先验位置估计特征提取网络估计每个输出的8×8特征映射集合的相对图像坐标，并将其映射到全局图像像素坐标，融合特征点的初始相对位置坐标、视觉描述符与置信度得到特征点信息；

步骤S2，通过图注意力机制特征匹配中的消息传递图神经网络聚合特征点信息；

步骤S3，使用自我与联合注意力机制对前后帧图像进行分权重特征匹配；

步骤S4，优化筛选已建立的特征匹配点对集合，并将优化后的高吻合度匹配点对与系统后端的非线性优化、闭环修正算法相融合，进行相机位姿估计与局部地图构建；

所述步骤S1中，由先验位置估计特征提取网络模型提取图G_A前m个特征点A＝{1，…，M}，提取图G_B前n个特征点B＝{1，…，N}，两张图像两组关键点位置l和描述符d编码为局部特征(l，d)；该先验位置估计特征提取网络模型包括两个通道数分别为256和2的卷积层，在sigmoid函数激活层之后，使用回归方式估计8×8特征映射集合内坐标在[0，1]范围内的偏移量，预测特征点在该特征映射集合的相对像素位置。

2.根据权利要求1所述的基于图神经网络特征提取与匹配的移动机器人地图构建方法，其特征在于：所述步骤S1中，由相对图像坐标映射到全局图像像素坐标的转换公式与区域内特征点融合公式如下所示：

式中，⁽⁰⁾P_i为区域内融合特征点初始相对位置坐标、视觉描述符与置信度的特征点信息，d_i为特征点描述符，MLP为多层感知机，(x，y)_i为全局图像像素坐标，初始为(⁽⁰⁾L_x(A，B)，⁽⁰⁾L_y(A，B))，c_i为区域内融合特征点置信度，A为位置估计区域横坐标，B为位置估计区域纵坐标，⁽⁰⁾L_x(A，B)为图像像素横坐标，⁽⁰⁾L_y(A，B)为图像像素纵坐标，⁽ⁿ⁾L_A为第n层位置估计区域横坐标，⁽ⁿ⁾L_B第n层位置估计区域纵坐标，S_ds是降采样因子为8的降采样函数。

3.根据权利要求1所述的基于图神经网络特征提取与匹配的移动机器人地图构建方法，其特征在于：所述步骤S2中，图可以定义为由节点和连接节点的边构成，本方法定义了两种类型无向边，在单张图像上的自我注意力无向边，特征点在单张图像内连接着同一图像内其它特征点，在前后图像帧之间的联合注意力无向边，特征点连接着其它图像特征点；本方法提出一种消息传递公式沿着两种无向边传递特征节点信息，利用多重消息传递网络从低层特征节点向高层特征节点传递信息，通过聚集所有特征节点的所有无向边信息，在每一层计算更新特征节点状态；此过程消息传递公式把融合先验位置信息的特征点信息传递到中心节点，在多层卷积层网络中融合全局图像像素坐标进行优化。