[发明专利]一种基于语义信息的移动机器人室内导航方法

权利要求书

1.一种基于语义信息的移动机器人室内导航方法，其特征在于，包括以下步骤：

1)、通过kinect传感器对室内环境进行三维重绘，采用基于图优化的视觉SLAM算法，通过构建数据帧、筛选出关键帧序列、执行帧间配准、图优化步骤、点云融合优化步骤，生成三维先验地图，然后对该三维先验地图进行语义信息标注，实现栅格层-拓扑层-语义层分层语义地图的构建；

2)、基于步骤1)构建的分层语义地图，在分层语义地图中采用自上而下的导航方式设计一种路径规划算法，首先由语义层和拓扑层根据任务目标生成目标地点序列，基于目标地点序列，在栅格层采用A*平滑路径算法，实现基于语义信息的移动机器人室内导航。

2.根据权利要求1所述的基于语义信息的移动机器人室内导航方法，其特征在于，所述构建数据帧包括：对室内环境进行三维重绘时，首先会从kinect传感器获得RGB图像和深度图像，将RGB图像和深度图像进行融合封装构造数据帧Frame。

3.根据权利要求1或2所述的基于语义信息的移动机器人室内导航方法，其特征在于，所述帧间配准的步骤为：

(1)提取关键帧的特征点：(2)提取描述子：(3)匹配：(4)去外点：(5)位姿求解步骤。

4.根据权利要求3所述的基于语义信息的移动机器人室内导航方法，其特征在于，所述提取特征点采用Opencv提供的通用接口cv::FeatureDetector，这里将其设定为ORB特征；所述提取描述子：对于检测出的角点，通过cv::FeatureDetectorExtractor接口设置特征描述子提取器；所述匹配采用快速最近邻算法FLANN描述子来判断角点在两张图像中的对应关系；所述去外点利用RANSAC算法去除错误匹配的外点，保留正确的内点；所述位姿求解调用Opencv的PnPsolver()函数，求解相机的位姿运动(R,t)。

5.根据权利要求4所述的基于语义信息的移动机器人室内导航方法，其特征在于，所述图优化的步骤包括：在相机观测约束下，构建相机观测约束下的位姿优化、局部闭环约束下的位姿优化、全局闭环约束下的位姿优化，求得优化后的相机的位姿变化(R,t)。

6.根据权利要求5所述的基于语义信息的移动机器人室内导航方法，其特征在于，所述将图优化包括；

以Kinect作为主要的传感器输入，通过对视觉信号的处理，构建视觉里程计，用于位姿估计，所以这里只考虑状态变量和观测方程，构建出目标函数：

e(x_k,y_j,z_k,j)＝z_k,j-g(x_k,y_j)(1)

E(X)=Σ(k,j)∈Ce(xk,yj,zk,j)TΩkj-1e(xk,yj,zk,j)---(2)]]>

X*=argminXE(X)---(3)]]>

式中：X^*表示优化后的位姿状态变量,E(X)表示误差函数的二次型，x_k表示第k时刻的机器人位姿，也称为图优化的一个pose节点，y_j表示第k时刻机器人所能观测到的路标，也称为图优化的一个point节点，z_k,j表示pose节点与point节点的约束，在闭环检测优化过程中，z_k,j代表pose节点与pose节点的约束，e(x_k,y_j,z_kj)为由两顶点组成的边所产生的向量误差函数，代表两顶点满足约束条件z_k,j的程度，当它的值为0时，表示两顶点完全满足匹配约束。