[发明专利]一种机器人重定位方法、装置、设备及存储介质

说明书

本发明公开了一种机器人重定位方法、装置、设备及存储介质，所述方法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，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误差，并根据距离误差确定总距离误差；根据总距离误差和估计位姿，得到重定位位姿；结合2D图像和深度图像进行重定位，能有效纠正错误的2D重定位位姿，提高重定位的精度。

技术领域

本发明涉及机器人定位技术领域，尤其涉及一种机器人重定位方法、装置、设备及存储介质。

背景技术

近年来，重定位问题已成为移动机器人领域备受关注的热点问题。重定位可以帮助机器人纠正自身的累计误差，以及在丢失定位时，找回自身正确的位置。移动机器人的重定位是移动机器人实现智能导航和环境探索的一个基础，也是移动机器人实现真正智能化和完全自主的关键技术之一。目前，移动机器人的重定位分为基于视觉的重定位和基于激光的重定位。而基于激光的重定位技术使用激光雷达，精度更高，但在成本上使用激光雷达要比相机要高很多，不适合广泛使用，因此，市场上主要使用相机的基于视觉的重定位技术为主，但是基于视觉的重定位技术主要使用单目视觉的方案，定位精度相对来说也较低。因此，如何提高基于视觉的重定位的精度是移动机器人领域亟待解决的技术问题。

发明内容

针对上述问题，本发明的目的在于提供一种机器人重定位方法、装置、设备及存储介质，其能有效提高重定位的精度，降低成本。

第一方面，本发明实施例提供了一种机器人重定位方法包括：

获取机器人的拍摄设备捕捉到的图像关键帧；其中，所述图像关键帧包括2D图像；

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；

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。

作为上述方案的改进，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。

作为上述方案的改进，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。

作为上述方案的改进，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：