[发明专利]真实环境地图的快速虚拟化构建方法

说明书

本发明涉及一种真实环境地图的快速虚拟化构建方法，包括数据采集与初始化、随机生成隐藏层映射函数的输入权重向量与输入偏置、生成隐藏层输出函数、产生辅助有标注样本集合、生成隐藏层输出矩阵、生成图拉普拉斯矩阵、计算输出权重矩阵、更新隶属矩阵、实现真实环境的地图构建等步骤。与已有的技术方案相比，本发明具有流程简单、易于执行、运算速度快、占用资源少、无需大量人工标注、制图准确度高的优点。

技术领域

本发明属于数据分析领域，特别是涉及一种真实环境地图的快速虚拟化构建方法。

背景技术

地图信息是实现机器人自主移动的重要信息之一，因此，在没有地图的情况下，需要移动机器人能够利用摄像装置拍摄真实环境图片，并结合定位信息进行地图的快速构建。这种视觉制图技术引起了很多研究机构的关注，也产生了一定数量的研究成果。例如，专利CN201910877005.5提供了一种视觉地图定位方法及系统，所述视觉地图定位方法包括：通过局部地图3d点和全局地图3d点的描述符匹配，计算局部地图相对全局地图的变换矩阵；获取设定照片相对参考照片的位置和朝向；利用所述变换矩阵把获取的设定照片相对参考照片的位置和朝向变换到全局地图中。本发明需要从3d到2d的匹配过程，而这一过程较为费时。发明专利CN201711444384.6提出了一种视觉高精度地图制作方法和装置，方法包括：获取图像信息，并提取图像特征点；对所述图像进行图像处理，以获取所述特征点对应的位置信息；对所述图像进行交通信息深度学习，以获取道路信息；对所述位置信息与所述道路信息进行融合，以获取高精度地图，从而能够有效降低视觉高精度地图制作的成本，提高视觉高精度地图的更新速度。该方法采用了深度学习，对计算机提出了更高的要求，也会消耗更多的运算资源与电能。发明专利CN201210332451.6提出一种基于天花板的角点信息实现机器人定位及地图绘制的方法，该方法采用实时高效的角点选取算法，角点位于天花板上，由安装在机器人上且光轴与天花板垂直的摄像机进行拍摄，并从拍摄的图片中提取出角点；使用光流跟踪法跟踪连续两张图片中匹配的角点对，利用匹配的角点对来实现角点的三维重构；配合基于扩展卡尔曼滤波的同步定位与地图创建算法确定机器人每次拍摄时的位置和航向角，结合重构的路标信息不断完善地图。本发明实现了基于天花板视觉的同步定位与地图绘制，能较精确地描述机器人与周围环境的关系。然而天花板到地面有一定的距离，容易遮挡摄像头，且天花板的特征较少，容易产生多解问题，导致制图精度不高。

发明内容

针对已有技术存在的运算速度慢，精度低等问题，本发明提出了一种真实环境地图的快速虚拟化构建方法，其过程如下：

步骤1、数据采集与初始化：

对目标区域进行网格化，令携带了定位装置与全视角摄像装置的机器人进入目标区域，遍历每个可以进入的网格，并在每个网格里采集一副全景图像，共得到n个图像，对每幅图像提取特征，得到样本集合对进行标记，得到对应的类别标签其中，为N_i维行向量，为N_o维行向量，N_o为场景类别的数量，因此类别集合为如果样本x_p的类别为中的第c类，则y_n的第c个元素为1，其余为0；表示实数域，为有标签样本数量、n为所有样本数量，u＝n-l为无标签样本数量，N_o与N_i分别表述输出层与输入层神经元数量，为正整数；

初始化：人工设定以下参数：λ₁，λ₂，σ＞0，隐藏层节点数N_h＞0，最大迭代次数E为大于1的正整数，令迭代步t＝ 0，根据实际情况人工设定最大迭代步E为大于1的正整数；令隶属矩阵其中I_u为u维单位方阵，O_u为u维零方阵；

步骤2、随机生成隐藏层映射函数的输入权重向量与输入偏置；b∈R，具体如下：

随机生成N_h个a，得到随机生成N_h个b，得到