[发明专利]一种机器人重定位方法、装置、设备及存储介质

权利要求书

1.一种机器人重定位方法，其特征在于，包括：

获取机器人的拍摄设备捕捉到的图像关键帧；其中，图像关键帧包括2D图像；

将2D图像与所述机器人预存的地图关键帧进行图像匹配，得到一估计位姿；

对所述图像关键帧进行点云变换得到第一3D点云，并获取所述地图关键帧的第二3D点云；其中，第一3D点云的一个3D特征点和对应的第二3D点云的3D特征点作为一对匹配点对，每一对匹配点对应现实场景中同一个点；

计算每一对匹配点对之间的距离作为距离误差，并根据所述距离误差确定总距离误差；

根据所述总距离误差和所述估计位姿，计算得到重定位位姿。

2.如权利要求1所述的机器人重定位方法，其特征在于，所述根据所述总距离误差和所述估计位姿，计算得到重定位位姿，包括：

将所述总距离误差与预设的误差容忍值进行比较；

在所述总距离误差小于或等于所述误差容忍值的情况下，确定所述估计位姿正确，并计算得到重定位位姿；

在所述总距离误差大于所述误差容忍值的情况下，确定所述估计位姿不正确，并重新获取图像关键帧和估计位姿。

3.如权利要求1所述的机器人重定位方法，其特征在于，所述图像关键帧还包括对应所述2D图像的深度图像；所述地图关键帧包括2D地图图像以及对应所述2D地图图像的深度地图图像；

所述对所述图像关键帧进行点云变换得到第一3D点云，并获取所述地图关键帧的第二3D点云，包括：

根据所述图像关键帧的深度图像，对所述2D图像进行点云转换，得到第一3D点云；

根据所述地图关键帧的深度地图图像，对所述地图关键帧的2D地图图像进行点云转换得到第二3D点云，或者获取预存在所述地图关键帧中的第二3D点云。

4.如权利要求1或3所述的机器人重定位方法，其特征在于，所述计算每一对匹配点对之间的距离误差，并根据所述距离误差确定总距离误差，包括：

获取每一对匹配点对的坐标信息，并根据每一对匹配点对的坐标信息计算每一对匹配点对之间的距离，作为每一对匹配点对的距离误差；

对各对匹配点对的距离误差求和，得到所述总距离误差。

5.如权利要求1所述的机器人重定位方法，其特征在于，所述获取机器人的拍摄设备捕捉到的图像关键帧，包括：

获取所述拍摄设备采集到的视频流，并从所述拍摄设备采集到的视频流中提取图像关键帧。

6.如权利要求5所述的机器人重定位方法，其特征在于，所述从所述拍摄设备采集到的视频流中提取图像关键帧，包括：

对所述视频流进行解码，得到若干帧当前位姿的图像帧，所述图像帧包括图像帧2D图像；

对当前位姿的图像帧2D图像进行2D特征点提取，得到图像帧2D图像的2D特征点，并统计图像帧2D图像的2D特征点的数量；

将当前位姿的图像帧2D图像的2D特征点的数量与预设的第一数量阈值进行比较；

在当前位姿的图像帧2D图像的2D特征点的数量大于或等于所述第一数量阈值的情况下，提取出当前位姿对应的图像帧作为图像关键帧；

在当前位姿对应的图像帧2D图像的2D特征点的数量小于所述第一数量阈值的情况下，剔除当前图像帧，并控制所述机器人旋转到下一位姿，并获取所述机器人在下一位姿输出的视频流。

7.如权利要求1所述的机器人重定位方法，其特征在于，所述将所述2D图像与所述机器人预存的地图关键帧进行图像匹配，得到一估计位姿，包括：

将所述2D图像的2D特征点和所述地图关键帧中的2D特征点进行匹配，在2D特征点的特征向量匹配量大于或等于第二数量阈值的情况下，则匹配成功，然后经计算得到估计位姿；

在2D特征点的特征向量匹配量小于第二数量阈值的情况下，则控制机器人旋转到下一位姿，并获取所述机器人在下一位姿的图像关键帧。