[发明专利]弱纹理环境下的机器人定位方法、装置、设备及介质

说明书

本申请实施例公开了一种弱纹理环境下的机器人定位方法、装置、设备及介质。所述方法包括：获取机器人上的相机传感器采集的图像帧，对图像帧进行灰度化处理，得到灰度图像，并计算图像帧的深度信息；根据图像帧的深度信息，对灰度图像进行特征提取，得到灰度图像的特征点和特征面；获取图像帧的初始位姿以及上一时刻的图像帧位姿，根据相邻图像帧的特征点和特征面之间的对应关系，计算相邻图像帧之间的位姿变化，进而更新初始位姿，得到机器人自身的位置和姿态。本申请实施例针对弱纹理环境，采用点面特征作为约束来计算机器人的位姿，精确度高且抗干扰能力强。

技术领域

本申请涉及计算机视觉技术领域，具体涉及一种弱纹理环境下的机器人定位方法、装置、设备及介质。

背景技术

随着工业4.0时代的到来，机器人将在各个领域发挥非常重要的作用，服务型的机器人作为人类的助手越来越多的走进各个楼宇。在机器人的实际应用中，准确获取机器人自身的位置和姿态，是提供许多更高层次服务的前提。

基于视觉的定位方法，可以使用成本低廉的相机传感器获取到直观、丰富的场景信息，提供较为准确的机器人设备的位姿信息，在目前的机器人设备中得到了广泛的应用。

然而，对于写字楼这种弱纹理场景而言，现有的单目视觉定位方法提取到的特征信息具有量少和重复性高两个缺点，其由于匹配不到足够的视觉特征信息而会定位失败。

发明内容

由于现有方法存在上述问题，本申请实施例提供一种弱纹理环境下的机器人定位方法、装置、设备及介质。

第一方面，本申请实施例提供了一种弱纹理环境下的机器人定位方法，包括：

获取机器人上的相机传感器采集的图像帧，对所述图像帧进行灰度化处理，得到灰度图像，并计算所述图像帧的深度信息；

根据所述图像帧的深度信息，对所述灰度图像进行特征提取，得到所述灰度图像的特征点和特征面；

获取所述图像帧的初始位姿以及上一时刻的图像帧位姿，根据相邻图像帧的特征点和特征面之间的对应关系，计算相邻图像帧之间的位姿变化，进而更新所述初始位姿，得到机器人自身的位置和姿态。

可选的，在更新所述初始位姿后，还包括：

将所述灰度图像中匹配的特征面点集进行融合，并根据融合后的结果更新所述初始位姿。

可选的，在得到机器人自身的位置和姿态后，还包括：

判断是否需要插入新的关键帧，判断条件包括下述中的一项或多项：

距离上一次全局重定位后需要超过至少20帧图像；

局部地图构建处于空闲状态，或距上一个关键帧插入后，已经有超过至少20帧图像；

当前帧跟踪少于50个地图云点；

当前帧跟踪少于参考关键帧云点的90％；

提取出了新的特征面；

若判断需要插入新的关键帧，则插入，并根据插入的关键帧对所述初始位姿进行优化。

可选的，在更新所述初始位姿后，还包括：

根据弱纹理环境中的相同信息，计算回环误差，并根据所述回环误差对所述初始位姿再次进行优化，以获得更加准确的机器人自身位置和姿态。

可选的，对所述灰度图像进行特征提取，得到所述灰度图像的特征点和特征面，包括：

根据快速特征点提取算法ORB提取灰度图像中的特征角点，以及，利用凝聚层次聚类面抽取方法PEAC从所述灰度图像和深度信息中提取特征面。

可选的，所述计算所述图像帧的深度信息，包括：