[发明专利]基于SLAM方法的环境重建方法、系统与移动机器人

说明书

本发明揭露一种基于SLAM方法的环境重建方法和系统与移动机器人。基于SLAM方法的环境重建方法包括：利用多个数据源基于同时定位与地图构建方法进行融合构建一3D语义地图并存储于一地图数据库中；根据深度测量和语义信息更新所述3D语义地图。本发明通过利用多个数据源融合，可更精准的构建环境的3D语义地图。

技术领域

本发明涉及移动机器人技术领域，具体涉及一种环境重建方法、系统与移动机器人。

背景技术

目前的移动机器人，例如扫地机，无论是基于陀螺仪、摄像头还是单线激光的扫地机，都缺乏对真实地面环境的感知能力，或者说信息量很小，仅可获得对特定高度空间结构的离散二维采样信息或者扫地机顶部空间稀疏的特征点云信息。并且，难以在地图中重建地面上高度在10cm以下环境的几何结构和语义信息，导致目前的扫地机始终无法解决低矮障碍物(拖鞋、线缆、小玩具、宠物粪便等)的感知和碰撞问题。

发明内容

针对上述现有技术的缺陷，本发明的目的在于提供一种基于SLAM(simultaneouslocalization and mapping，同时定位与地图构建)方法的环境重建方法、系统与移动机器人，以解决上述缺陷或至少部分解决上述缺陷。

依据本发明的一个方面，提供了一种基于同时定位与地图构建方法的环境重建方法，包括：利用多个数据源基于同时定位与地图构建方法进行融合以构建一3D语义地图并存储于一地图数据库中；以及根据深度测量和语义信息更新所述3D语义地图。

在本发明的一实施例中，所述多个数据源包括惯性测量单元数据、车轮编码器数据、2D点云数据、深度图数据以及IR图数据。

在本发明的一实施例中，所述融合包括：根据一移动机器人的运动约束建立运动方程，获取所述移动机器人的当前时刻状态量的先验信息；根据所述移动机器人上的多个传感器的特性建立观测方程，获取所述多个传感器的测量信息；以及融合所述先验信息和所述测量信息，获得融合后的定位信息。

在本发明的一实施例中，所述更新包括：利用深度相机采集的深度图数据投影得到3D点云，并结合所述融合后的定位信息更新所述3D语义地图的地图体素内的概率信息。

在本发明的一实施例中，所述环境重建方法还包括：利用所述深度相机采集的IR图数据，通过置信直方图方法分析并剔除所述3D点云中的点云噪点。

在本发明的一实施例中，所述环境重建方法还包括：对所述3D点云进行降采样处理。

在本发明的一实施例中，所述环境重建方法还包括：利用所述深度相机采集的IR图数据，对物体进行语义分割和边缘提取以获得所述物体的语义信息和边缘信息，并结合所述语义信息和所述边缘信息更新所述3D语义地图。

在本发明的一实施例中，结合所述语义信息和所述边缘信息更新所述3D语义地图包括：根据所述语义信息和所述边缘信息进行贝叶斯推断，获得推断结果；以及根据所述推断结果对所述3D点云的地图点进行重投影，获得重投影后的3D点云。

在本发明的一实施例中，所述物体为透光物体、反光物体及/或吸光物体。

在本发明的一实施例中，所述运动方程的状态量包括位置、姿态、线速度、角速度、加速度中的至少一者。

在本发明的一实施例中，所述传感器包括激光雷达、深度相机、惯性测量单元和车轮编码器。

在本发明的一实施例中，所述融合是采用贝叶斯递归估计算法对所述先验信息和测量信息进行融合。

在本发明的一实施例中，在进行融合时，是将所述惯性测量单元和所述车轮编码器所测量得到的快变数据的融合结果作为所述激光雷达和所述深度相机所测量得到的慢变数据的初值，再与一配准结果一起进行贝叶斯推断。

在本发明的一实施例中，在进行融合时，还包括：对姿态进行位姿优化。