[发明专利]基于2D激光与深度图像融合的扫描定位方法、系统及设备

权利要求书

1.一种基于2D激光与深度图像融合的扫描定位方法，其特征在于，该扫描定位方法包括：

步骤S10，根据预设环境在网格地图中所占行数、列数以及机器人旋转360°的间隔次数，创建网格地图；

步骤S20，使用2D激光雷达数据在所述网格地图中逐帧创建2D地图轮廓，并通过旋转和平移将相邻帧的2D地图轮廓匹配对齐，获得2D地图；

步骤S30，将所述2D地图的轮廓点转换的轮廓点特征向量与RGB-D相机图像压缩的图像特征向量融合，获得融合特征向量；

步骤S40，通过多次采样将所述网格地图构建为金字塔结构，将当前视图的RGB-D相机和2D激光雷达获得的数据转化为特征向量，并采用由粗到精策略将转化后的特征向量与所述融合特征向量进行对比，获得当前定位位置：

其中，i，j，θ为机器人当前在2D地图中的网格位置以及旋转角度，u，v为沿着2D地图x轴和y轴进行下采样的矩形空间的列数和行数，γ代表机器人旋转360°的间隔次数，f_view为当前视图的RGB-D相机和2D激光雷达获得的数据转化的特征向量，F_(i，j，θ)为2D地图中机器人位置(i，j)和旋转角度θ处的融合特征向量，dist为向量f_view和F_(i，j，θ)之间的距离度量函数，min代表求最小值，arg代表对i，j，θ最小dist函数的求值，代表在向量f_view和F_(i，j，θ)之间找到最小距离时的机器人位置和旋转角度。

2.根据权利要求1所述的基于2D激光与深度图像融合的扫描定位方法，其特征在于，所述预设环境在网格地图中所占行数、列数为：

M＝(max(C_x)-min(C_x))/G_x

N＝(max(C_y)-min(C_y))/G_y

其中，M、N分别代表预设环境在网格地图中所占行数、列数，C_x、C_y分别代表网格地图的x轴长度、y轴长度，G_x、G_y分别代表网格地图中每个网格的宽度、高度，max代表求最大值，min代表求最小值。

3.根据权利要求1所述的基于2D激光与深度图像融合的扫描定位方法，其特征在于，所述机器人旋转360°的间隔次数为：

γ＝360°/G_θ

其中，γ代表机器人旋转360°的间隔次数，G_θ为机器人逆时针旋转时每次间隔的角度。

4.根据权利要求1所述的基于2D激光与深度图像融合的扫描定位方法，其特征在于，步骤S20中通过旋转和平移将相邻帧的2D地图轮廓匹配对齐，其方法为：

X^t＝[R T]X^t-1

其中，X^t、X^t-1分别代表第t帧、第t-1帧的2D地图轮廓点的均匀坐标值，R、T分别为旋转矩阵、平移矩阵，α代表相邻两帧之间的2D地图轮廓点的旋转角度偏移量，t_x、t_y分别代表相邻两帧之间的2D地图轮廓点在2D地图中x轴、y轴方向的距离偏移量。

5.根据权利要求1所述的基于2D激光与深度图像融合的扫描定位方法，其特征在于，步骤S30包括：

步骤S31，将所述2D地图的轮廓点转换为轮廓点特征向量，通过基于CNN卷积神经网络的自动编码器将RGB-D相机图像压缩为图像特征向量；

步骤S32，将所述轮廓点特征向量与所述图像特征向量融合，获得表征当前位置与朝向角度的融合特征向量。