[发明专利]一种动态场景下的即时定位方法、装置、设备和存储介质

说明书

本发明提供一种动态场景下的即时定位方法、装置、设备和存储介质，所述方法通过RGB‑D相机获取场景视频数据，通过5G通信将视频数据传输到云端进行处理，并反馈定位数据至终端；数据处理阶段，先进行图像帧筛选；在筛选出的图像帧中进行匹配点筛选，得到静态区域的特征匹配点对和三维空间点信息；通过参考帧模型或恒速度模型对位姿进行跟踪，并结合BA优化的方式调整位姿；对RGB图像进行语义分割，将分割得到的动态物体对应的深度信息从该帧深度图中移除，进行动态场景的静态三维稠密地图构建。本发明既可实现移动机器人在动态场景下的精准定位，又可避免引入过多的冗余信息，同时，通过5G通信及云端处理技术，使该系统可应用于低算力的终端设备。

技术领域

本发明涉及AGV技术领域，具体的说是一种动态场景下的即时定位方法、装置、设备和存储介质。

背景技术

近年来，一些室内外服务机器人逐渐出现在日常生活中。例如，扫地机器人能够自动准确地定位，并通过高效地路径规划完成房间的清理；安保巡检机器人能够实现在人机共存的广场上自动巡视和安全检查，为人们的出行提供安全保障；Google的无人驾驶车辆能够在视觉传感器和全球定位系(Global Positioning System，GPS)的帮助下，建立起高精度地图以实现自动驾驶功能。这些相关领域蓬勃发展的背后均离不开一项重要的技术：即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)，其中由于低成本易获取和丰富的信息数据等特点，基于视觉信息的SLAM技术(V-SLAM)尤其得到视。

同时，机器人即时定位与地图构建(SLAM)技术也是实现移动机器人自主运动的核心技术之一。当人类进入到陌生环境时，首先会观察并理解环境进而得到一些信息，通过这些信息来确定自身和环境中障碍物的位置，然后得到环境中可以通行的区域。对于机器人而言，SLAM技术就是让它们利用传感器去感知环境，建立环境的地图模型，并在运动过程中实现自身的定位。这些定位信息和环境地图，使后续高效的路径规划和动作决策成为可能。

目前大部分的SLAM技术均基于一个重要假设：环境是静态的。但是，真实的环境却是动态的，比如视野中移动的行人、门的开闭状态、可移动物体的不同位置。在动态环境下，移动的物体会给定位和地图构建带来极大的噪声和误差，甚至造成定位失败。例如，使用单目视觉进行定位时，当移动物体在视野中所占比例较大时，容易造成定位误差过大，如图1所示，较多的匹配点对落在动态物体上，会使定位误差逐渐累积。

普通的特征点法SLAM系统，一般采用连续的两帧图像进行特征匹配，以实现系统的初始化和位姿跟踪。但是当场景中存在动态物体时，由于相机帧率较高，对于连续的两帧图像，运动物体并没有发生明显的移动，难以消除动态物体的影响。另外，对于非连续的两帧图像，传统的匹配方式会造成大量的误匹配。连续图像帧及非连续图像帧的匹配区别如图2所示。

图2中A和B为场景中的部分运动区域，C为场景中的静态区域。图2(a)描述了连续图像帧之间的特征匹配。由于动态区域移动较小，因此A，B和C区域均能得到较好的特征匹配，但是会造成SLAM系统累计误差持续增大，影响定位精度。图2(b)为非连续图像帧之间的特征匹配。由于动态区域移动较大，使A和B区域的特征匹配发生错误，同样会影响系统定位精度。

发明内容

针对现有技术中在动态环境下普遍存在实时性较差和定位误差较大的不足之处，本发明要解决的技术问题是提供一种动态场景下的即时定位方法、装置、设备和存储介质。

本发明为实现上述目的所采用的技术方案是：一种动态场景下的即时定位与地图构建方法，包括以下步骤：

获取视频数据，从视频数据中进行图像帧筛选；

在筛选出的图像帧中进行匹配点筛选，得到静态区域的特征匹配点对和三维空间点信息；

通过参考帧模型或恒速度模型对位姿进行跟踪，并结合BA优化的方式调整位姿；