[发明专利]基于深度相机的语义地图构建方法及扫地机器人

权利要求书

1.一种基于深度相机的语义地图的构建方法，其特征在于，包括：

通过深度相机获取所述扫地机器人在所处的环境空间的多个位置的图像，所述图像包括RGB图与深度图；

基于各个所述深度图通过同时定位与建图SLAM算法构建所述环境空间的三维地图；

通过预训练的神经网络识别模型对各个所述RGB图进行语义识别，得到环境空间中各个障碍物的语义信息；

对所述三维地图与得到的各个障碍物的语义信息进行融合处理得到三维语义地图。

2.根据权利要求1所述的方法，其特征在于，所述基于各个所述深度图通过同时定位与建图SLAM算法构建所述环境空间的三维地图，包括：

步骤A，基于所述扫地机器人获取到的两帧相邻所述深度图确定所述扫地机器人在当前位置的位姿信息，所述两帧相邻所述深度图包括扫地机器人在当前位置处获取到深度图；

步骤B，基于确定的当前位置的所述位姿信息与所述扫地机器人在当前位置的所述深度图构建环境空间的三维子地图；

步骤C，控制所述扫地机器人移动至符合预定条件的下一位置，执行步骤A与步骤B，并对获取到的各个三维子地图进行拼接处理得到合并三维子地图；

循环执行步骤C，直至得到的合并三维子地图为所述环境空间的三维地图。

3.根据权利要求2所述的方法，其特征在于，所述基于所述扫地机器人获取到的两帧相邻所述深度图确定所述扫地机器人在当前位置的位姿信息，包括：

分别对两帧相邻所述深度图进行特征提取；

基于提取到的两帧相邻所述深度图的特征进行关联特征配对；

基于得到的关联特征信息确定所述扫地机器人在当前位置的位姿信息。

4.根据权利要求1所述的方法，其特征在于，所述通过预训练的神经网络识别模型识别确定各个RGB图中障碍物的语义信息，包括：

分别对各个RGB图进行区域分割，以使得各个分割区域仅包括一个障碍物；

通过预训练的神经网络识别模型分别对得到的各个分割区域进行语义识别，得到各个RGB图中各个障碍物的语义信息。

5.根据权利要求1-4所述的方法，其特征在于，该方法还包括：

基于所述三维语义地图规划所述扫地机器人的工作路径，所述工作路径包括所述扫地机器人到达清扫目标区域的路线和/或所述扫地机器人对清扫目标区域进行清扫的路线。

6.根据权利要求5所述的方法，其特征在于，所述基于所述三维语义地图规划所述扫地机器人的工作，包括：

基于各个所述障碍物的语义信息确定通过各个障碍物的方式，所述通过各个障碍物的方式包括越过障碍物或绕过障碍物；

基于确定的通过各个障碍物的方式规划所述扫地机器人的工作路径。

7.根据权利要求5所述的方法，其特征在于，所述三维语义地图还包括各个障碍物的三维信息，所述基于所述三维语义地图规划所述扫地机的工作路径，包括：

基于各个障碍物的所述三维信息与所述语义信息确定通过各个障碍物的方式，所述通过各个障碍物的方式包括越过障碍物或绕过障碍物；

基于确定的通过各个障碍物的方式规划所述扫地机器人的工作路径。

8.一种扫地机器人，其特征在于，该扫地机器人包括：深度相机与构建装置；

所述深度相机，用于获取扫地机器人在所处的环境空间的多个位置的图像，所述图像包括RGB图与深度图；

所述构建装置包括：

构建模块，用于基于所述深度相机获取的各个所述深度图通过同时定位与建图SLAM算法构建所述环境空间的三维地图；

识别模块，用于通过预训练的神经网络识别模型对通过所述深度相机获取的各个所述RGB图进行语义识别，得到环境空间中各个障碍物的语义信息；

融合模块，用于对所述构建模块构建的所述三维地图与所述识别模块识别得到的各个障碍物的语义信息进行融合处理得到三维语义地图。