[发明专利]一种基于语义似然估计的粒子滤波重定位方法

说明书

本发明提供一种基于语义似然估计的粒子滤波重定位方法，包括如下步骤：步骤S1：构建栅格地图；步骤S2：通过卷积神经网络的目标检测方法识别物体，并得到该物体的语义信息；步骤S3：利用视觉传感器模拟激光雷达，得到语义激光数据；步骤S4：构建语义地图；步骤S5：通过激光栅格地图获取障碍物似然域，通过语义地图获取物体语义似然域；步骤S6：确定机器人的准确位置。该方法充分结合了障碍物栅格信息和物体语义信息进行重定位，避免单使用激光雷达信息在相似的环境下定位失败的问题。克服了原本粒子滤波方法仅利用环境结构信息进行匹配的不足，能有效解决机器人全局重定位错误的问题，同时增强了重定位的收敛速度。

技术领域

本发明属于机器人导航重定位领域，特别是涉及一种基于语义似然估计的粒子滤波重定位方法。

背景技术

在如今机器人领域，人们的需求越来越高，因此要求机器人导航更准确，而机器人的重定位问题就显得尤为重要。

重定位是SLAM(simultaneous localization and mapping,即时定位与地图构建中最重要的一个环节。SLAM的重定位定义为：在己知环境地图的情况下，如何依据机器当前的传感器观测数据，找出自身定位。只有在定位成功后，才能进行地图构建与导航。

国内外研究者组合多种信息帮助机器人完成重定位，有通过在环境中布局二维码，增加额外信息约束粒子采样，有通过在环境内布局多摄像头监控，在多摄像头采集的图像中提取ORB特征检测机器人，确定机器人位于子地图，提高了出现绑架后重定位的时间效率，还有的通过环境中的地标信息与机器人在实际位姿下得到的语义激光完成对机器人定位的修正，增强了定位准确性与定位精度。

无论是通过布局二维码等人工标记，还是利用视频监控帮助机器人定位，方法都不够直接、自主。而仅通过单一物体地标进行机器人位姿校正与重定位，与单个地标检测正确率相关性较大，且要求物体地标尽量扁平化，以易于提取激光簇中心激光点坐标作为物体位置坐标，所以在进行重定位时，目标识别有较大误差，重定位的准确率低。

基于现有技术存在的以上问题，本发明拟提出一种基于语义似然估计的粒子滤波重定位方法，该方法增加了物体的语义信息匹配，克服了仅利用环境结构信息进行匹配的不足，能有效解决机器人全局重定位错误的问题，同时增强了重定位的收敛速度。

发明内容

本发明为解决现有技术中存在的问题采用的技术方案如下：

一种基于语义似然估计的粒子滤波重定位方法，其特征在于，包括如下步骤：

步骤S1：构建栅格地图，环境中要有明显的路障特征用于障碍物信息的识别；

步骤S2：通过卷积神经网络的目标检测方法识别物体，并得到该物体的语义信息；

步骤S3：利用视觉传感器模拟激光雷达，得到语义激光数据；

步骤S4：根据机器人与视觉传感器位置关系和全局坐标系与机器人的位置关系，以及物体的语义激光数据，构建语义地图；

步骤S5：当定位出现偏差时，机器人用激光雷达和视觉传感器识别环境，通过激光栅格地图获取障碍物似然域，以及通过语义地图获取物体语义似然域；

步骤S6：预测机器人的初始位姿，并通过激光与物体语义的同时似然匹配，改变粒子权重，并进行重采样，逐渐迭代，滤波器收敛后完成对机器人状态的估计，确定机器人的准确位置。

所述步骤S1的具体步骤如下：

步骤S101：障碍物的选择，选取辨识度较高，并且不会移动的物体作为识别的障碍物；

步骤S102：根据激光雷达数据建立栅格地图，机器人在环境中移动一圈，根据激光雷达获取到环境的激光信息和机器人里程计信息，并利用gmapping算法建立栅格地图。