[发明专利]一种室内定位方法、装置、设备和计算机可读存储介质

权利要求书

1.一种室内定位方法，其特征在于，所述方法包括：

获取图像采集模块采集环境物所得到的环境物图像，所述环境物为移动机器人所处环境中的任何物体；

提取所述环境物图像的点、线和边缘特征，建立所述环境物图像的帧间数据关联；

对多个传感器之间获取的移动机器人位姿进行数据对齐以及对所述环境物的当前帧图像数据与所述多个传感器获取的移动机器人位姿进行数据对齐；

对所述数据对齐后的移动机器人位姿进行预积分，获取所述移动机器人的预估位姿；

根据所述帧间数据关联和所述预估位姿，计算滑动窗口中的约束残差；

通过调节状态向量降低所述滑动窗口中的约束残差，直至所述约束残差最小时输出所述移动机器人的六自由度姿态数据。

2.如权利要求1所述室内定位方法，其特征在于，所述提取所述环境物图像的点、线和边缘特征，建立所述环境物图像的帧间数据关联，包括：

将所述环境物图像转化为灰度图像；

在保存所述灰度图像时，对所述灰度图像进行去畸变处理，得到去畸变灰度图像；

对所述灰度图像分别进行点特征的提取和边缘特征的提取，通过光流法建立点特征的帧间数据关联和边缘特征的帧间数据关联；

对所述去畸变灰度图像进行线特征提取，通过光流法建立线特征的帧间数据关联。

3.如权利要求2所述室内定位方法，其特征在于，所述对所述灰度图像进行边缘特征的提取，通过光流法建立边缘特征的帧间数据关联，包括：

将所述灰度图像栅格化，得到所述灰度图像的若干栅格图像；

采用canny边缘特征提取算法，对所述栅格图像进行边缘特征的提取；

若所述栅格图像中不存在点特征，则在所述不存在点特征的栅格图像提取到边缘特征时，从所述提取的边缘特征采样梯度最大的点作为所述不存在点特征的栅格图像的点特征；

根据所述提取的点特征，通过光流法建立所述点特征的帧间数据关联作为边缘特征的帧间数据关联。

4.如权利要求2所述室内定位方法，其特征在于，所述对所述去畸变灰度图像进行线特征提取，通过光流法建立线特征的帧间数据关联，包括：

对所述去畸变灰度图像进行线特征提取，得到所述去畸变灰度图像的初次线特征；

采样所述初次线特征上的若干像素点，将所述采样所得像素点的集合作为所述去畸变灰度图像的线特征；

基于共线约束，通过光流法建立所述线特征的帧间数据关联。

5.如权利要求1所述室内定位方法，其特征在于，所述多个传感器包括至少一个陀螺仪和至少一个轮式里程计，所述对多个传感器之间获取的移动机器人位姿进行数据对齐以及对所述环境物的当前帧图像数据与所述多个传感器获取的移动机器人位姿进行数据对齐，包括：

使用与所述当前帧图像数据前后相邻时间戳陀螺仪获取的移动机器人姿态数据对所述移动机器人姿态数据进行插值，以使插值后所得移动机器人姿态数据与所述环境物的当前帧图像数据对齐；以及

使用与所述当前帧图像数据前后相邻时间戳轮式里程计获取的移动机器人位置数据对所述移动机器人位置数据进行插值，以使插值后所得移动机器人位置数据与所述环境物的当前帧图像数据对齐。

6.如权利要求1所述室内定位方法，其特征在于，所述多个传感器包括至少一个陀螺仪和至少一个轮式里程计，所述对多个传感器之间获取的移动机器人位姿进行数据对齐以及对所述环境物的当前帧图像数据与所述多个传感器获取的移动机器人位姿进行数据对齐，包括：

采用所述陀螺仪获取的移动机器人姿态数据和所述轮式里程计获取的移动机器人位置数据互相插值的方式，以使所述至少一个陀螺仪获取的移动机器人姿态数据与所述至少一个轮式里程计获取的移动机器人位置数据对齐，得到所述多个传感器的移动机器人对齐位姿数据；

使用与所述当前帧图像数据前后相邻时间戳移动机器人对齐位姿数据对所述移动机器人对齐位姿数据进行插值，以使插值后所得移动机器人位姿数据与所述环境物的当前帧图像数据对齐。