【技術(shù)實(shí)現(xiàn)步驟摘要】
本文件涉及農(nóng)業(yè)機(jī)器人，尤其涉及一種位姿圖優(yōu)化方法、裝置、果園機(jī)器人及果園作業(yè)系統(tǒng)。
技術(shù)介紹
1、發(fā)展智能農(nóng)機(jī)技術(shù)是提高果園機(jī)械化和智能化程度的有效途徑。通過(guò)機(jī)器人代替人工操作，可以?xún)?yōu)化果園的作業(yè)流程，實(shí)現(xiàn)精準(zhǔn)高效作業(yè)。而自主導(dǎo)航技術(shù)的發(fā)展對(duì)于提升機(jī)器人對(duì)果園環(huán)境的感知能力至關(guān)重要，精確的定位和建圖是機(jī)器人獨(dú)立完成果園作業(yè)的前提，也是果園現(xiàn)代化進(jìn)程中的關(guān)鍵。
2、同步定位與地圖構(gòu)建(simultaneous?localization?andmapping，slam)技術(shù)是農(nóng)業(yè)機(jī)器人導(dǎo)航領(lǐng)域的關(guān)鍵技術(shù)之一，它通過(guò)不斷觀測(cè)環(huán)境特征來(lái)更新機(jī)器人的位置和姿態(tài)，以構(gòu)建增量式地圖，實(shí)現(xiàn)未知環(huán)境的實(shí)時(shí)定位與建圖。但是，slam系統(tǒng)需要傳感器提供精確感知數(shù)據(jù)，簡(jiǎn)單果園中作業(yè)試驗(yàn)的結(jié)果尚可接受，而復(fù)雜果園環(huán)境下，植被茂密程度、地形、各式各樣的作物以及布局形式等因素都會(huì)導(dǎo)致傳感器受到干擾、系統(tǒng)累積誤差擴(kuò)大，則普遍應(yīng)用存在較大困難。同時(shí)為了有合適的應(yīng)用成本和能源成本，果園作業(yè)機(jī)器人常搭載較少傳感器，果園作業(yè)中使用的slam系統(tǒng)并不能通過(guò)大規(guī)模設(shè)置傳感器，提高slam系統(tǒng)應(yīng)用的抗干擾性、穩(wěn)定性和一致性。因此，將slam技術(shù)應(yīng)用于復(fù)雜果園環(huán)境中還存在較大挑戰(zhàn)。
技術(shù)實(shí)現(xiàn)思路
1、本說(shuō)明書(shū)實(shí)施例目的是提供一種位姿圖優(yōu)化方法、裝置、果園機(jī)器人及果園作業(yè)系統(tǒng)，避免因搭載slam系統(tǒng)的農(nóng)業(yè)機(jī)器人的傳感器受復(fù)雜果園環(huán)境影響而導(dǎo)致的回環(huán)檢測(cè)誤判，進(jìn)而在不增加回環(huán)檢測(cè)匹配數(shù)據(jù)的情況下使用適量傳感器實(shí)現(xiàn)高效準(zhǔn)確
2、為了實(shí)現(xiàn)上述目的，本說(shuō)明書(shū)實(shí)施例采用下述方案：
3、第一方面，提供一種基于多源slam回環(huán)的位姿圖優(yōu)化方法，包括：
4、根據(jù)攜帶有果園環(huán)境信息的多種傳感器數(shù)據(jù)，預(yù)測(cè)得到全局位姿圖，其中，如果所述多種傳感器數(shù)據(jù)中當(dāng)前幀視覺(jué)數(shù)據(jù)的描繪子的相似度不符合雙回環(huán)驗(yàn)證閾值條件，則將當(dāng)前幀視覺(jué)數(shù)據(jù)作為一幀參考幀視覺(jué)數(shù)據(jù)，記錄至指定的數(shù)據(jù)存儲(chǔ)單元；
5、如果當(dāng)前幀視覺(jué)數(shù)據(jù)的描繪子的相似度符合所述雙回環(huán)驗(yàn)證閾值條件，則根據(jù)所述當(dāng)前幀視覺(jué)數(shù)據(jù)與指定的數(shù)據(jù)存儲(chǔ)單元中一幀參考幀視覺(jué)數(shù)據(jù)之間的匹配點(diǎn)集中隨機(jī)采樣的樣本點(diǎn)組，通過(guò)幾何關(guān)系匹配算法確定第一回環(huán)驗(yàn)證結(jié)果，并根據(jù)所述匹配點(diǎn)集中選為所述幾何關(guān)系匹配算法的內(nèi)點(diǎn)的匹配點(diǎn)，通過(guò)位姿關(guān)系匹配算法確定第二回環(huán)驗(yàn)證結(jié)果；
6、在第一回環(huán)驗(yàn)證結(jié)果和第二回環(huán)驗(yàn)證結(jié)果均為通過(guò)時(shí)，如果所述當(dāng)前幀視覺(jué)數(shù)據(jù)和所述數(shù)據(jù)存儲(chǔ)單元中一幀參考幀視覺(jué)數(shù)據(jù)分別對(duì)應(yīng)的兩雷達(dá)幀數(shù)據(jù)判決操作通過(guò)，則將所述當(dāng)前幀視覺(jué)數(shù)據(jù)對(duì)應(yīng)的導(dǎo)入數(shù)據(jù)，輸入至攜帶有與局部視圖細(xì)胞關(guān)聯(lián)的三維位姿細(xì)胞的連續(xù)吸引子網(wǎng)絡(luò)，以確定位姿矯正量；其中，所述導(dǎo)入數(shù)據(jù)包括所述當(dāng)前幀視覺(jué)數(shù)據(jù)之后的圖像流，用于與各局部視圖細(xì)胞的活動(dòng)變化量映射；
7、根據(jù)所述位姿矯正量和所述全局位姿圖，得到優(yōu)化的全局位姿圖。
8、第二方面，提供一種基于多源slam回環(huán)的位姿圖優(yōu)化裝置，包括：
9、圖預(yù)測(cè)模塊，用于根據(jù)攜帶有果園環(huán)境信息的多種傳感器數(shù)據(jù)，預(yù)測(cè)得到全局位姿圖，其中，如果所述多種傳感器數(shù)據(jù)中當(dāng)前幀視覺(jué)數(shù)據(jù)的描繪子的相似度不符合雙回環(huán)驗(yàn)證閾值條件，則將當(dāng)前幀視覺(jué)數(shù)據(jù)作為一幀參考幀視覺(jué)數(shù)據(jù)，記錄至指定的數(shù)據(jù)存儲(chǔ)單元；
10、雙回環(huán)驗(yàn)證模塊，用于如果當(dāng)前幀視覺(jué)數(shù)據(jù)的描繪子的相似度符合所述雙回環(huán)驗(yàn)證閾值條件，則根據(jù)所述當(dāng)前幀視覺(jué)數(shù)據(jù)與指定的數(shù)據(jù)存儲(chǔ)單元中一幀參考幀視覺(jué)數(shù)據(jù)之間的匹配點(diǎn)集中隨機(jī)采樣的樣本點(diǎn)組，通過(guò)幾何關(guān)系匹配算法確定第一回環(huán)驗(yàn)證結(jié)果，并根據(jù)所述匹配點(diǎn)集中選為所述幾何關(guān)系匹配算法的內(nèi)點(diǎn)的匹配點(diǎn)，通過(guò)位姿關(guān)系匹配算法確定第二回環(huán)驗(yàn)證結(jié)果；
11、雷達(dá)幀判決模塊，用于在第一回環(huán)驗(yàn)證結(jié)果和第二回環(huán)驗(yàn)證結(jié)果均為通過(guò)時(shí)，如果所述當(dāng)前幀視覺(jué)數(shù)據(jù)和所述數(shù)據(jù)存儲(chǔ)單元中一幀參考幀視覺(jué)數(shù)據(jù)分別對(duì)應(yīng)的兩雷達(dá)幀數(shù)據(jù)判決操作通過(guò)，則將所述當(dāng)前幀視覺(jué)數(shù)據(jù)對(duì)應(yīng)的導(dǎo)入數(shù)據(jù)，輸入至攜帶有與局部視圖細(xì)胞關(guān)聯(lián)的三維位姿細(xì)胞的連續(xù)吸引子網(wǎng)絡(luò)，以確定位姿矯正量；其中，所述導(dǎo)入數(shù)據(jù)包括所述當(dāng)前幀視覺(jué)數(shù)據(jù)之后的圖像流，用于與各局部視圖細(xì)胞的活動(dòng)變化量映射；
12、圖修正模塊，用于根據(jù)所述位姿矯正量和所述全局位姿圖，得到優(yōu)化的全局位姿圖。
13、第三方面，提供一種果園機(jī)器人，所述果園機(jī)器人設(shè)置有多種傳感器，所述果園機(jī)器人包括：
14、至少一個(gè)處理器；
15、存儲(chǔ)器，與所述至少一個(gè)處理器連接；
16、其中，所述存儲(chǔ)器存儲(chǔ)有能被所述至少一個(gè)處理器執(zhí)行的指令，所述至少一個(gè)處理器通過(guò)執(zhí)行所述存儲(chǔ)器存儲(chǔ)的指令，所述至少一個(gè)處理器通過(guò)執(zhí)行所述存儲(chǔ)器存儲(chǔ)的指令實(shí)現(xiàn)前述的方法。
17、第四方面，提供一種果園作業(yè)系統(tǒng)，包括存儲(chǔ)有機(jī)器指令的機(jī)器，當(dāng)所述機(jī)器指令在所述機(jī)器上運(yùn)行時(shí)，使得所述機(jī)器執(zhí)行前述的方法。
18、本說(shuō)明書(shū)實(shí)施例的方案中，將低回環(huán)相似的視覺(jué)數(shù)據(jù)存儲(chǔ)用于后續(xù)高回環(huán)相似的視覺(jué)數(shù)據(jù)的回環(huán)檢測(cè)流程，將高回環(huán)相似的視覺(jué)數(shù)據(jù)通過(guò)包含兩次回環(huán)驗(yàn)證和一次雷達(dá)幀判決的回環(huán)檢測(cè)流程，不需要使用連續(xù)幀反復(fù)多次回環(huán)檢測(cè)就能確定是否回環(huán)，兩次回環(huán)驗(yàn)證均使用視覺(jué)數(shù)據(jù)來(lái)源的同一匹配點(diǎn)數(shù)據(jù)，運(yùn)算開(kāi)支小，回環(huán)效率高、準(zhǔn)確性高，以在通過(guò)回環(huán)檢測(cè)時(shí)觸發(fā)slam系統(tǒng)修正流程，并在修正流程中將當(dāng)前幀回環(huán)檢測(cè)通過(guò)后的導(dǎo)入數(shù)據(jù)輸入三維的連續(xù)吸引子網(wǎng)絡(luò)得到位姿矯正量，以進(jìn)行全局位姿圖優(yōu)化，使得累積誤差重置時(shí)機(jī)匹配果園環(huán)境中機(jī)器人實(shí)際運(yùn)行情況，避免了復(fù)雜果園環(huán)境情況下的回環(huán)檢測(cè)誤判，能夠在不增加回環(huán)檢測(cè)匹配數(shù)據(jù)(不需要使用連續(xù)幀進(jìn)行回環(huán)檢測(cè))的情況下使用適量傳感器實(shí)現(xiàn)高效準(zhǔn)確回環(huán)重置slam系統(tǒng)的累積誤差，同時(shí)進(jìn)行位姿圖優(yōu)化，改善果園作業(yè)效率、地圖精確性和定位實(shí)時(shí)性，具有抗干擾性、穩(wěn)定性和一致性的特點(diǎn)。
19、本說(shuō)明書(shū)實(shí)施例的其它特征和優(yōu)點(diǎn)將在隨后的具體實(shí)施方式部分予以詳細(xì)說(shuō)明。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于多源SLAM回環(huán)的位姿圖優(yōu)化方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于多源SLAM回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述根據(jù)攜帶有果園環(huán)境信息的多種傳感器數(shù)據(jù)，預(yù)測(cè)得到全局位姿圖，包括：
3.根據(jù)權(quán)利要求1所述的基于多源SLAM回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述描繪子的獲取方式包括：
4.根據(jù)權(quán)利要求3所述的基于多源SLAM回環(huán)的位姿圖優(yōu)化方法，其特征在于，指定的數(shù)據(jù)存儲(chǔ)單元選為數(shù)據(jù)庫(kù)，各幀視覺(jué)數(shù)據(jù)是圖像流中各幀視覺(jué)圖像，所述描繪子的相似度獲取方式包括：
5.根據(jù)權(quán)利要求1所述的基于多源SLAM回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述幾何關(guān)系匹配算法選為RANSAC算法，其中確定第一回環(huán)驗(yàn)證結(jié)果包括：
6.根據(jù)權(quán)利要求5所述的基于多源SLAM回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述位姿關(guān)系匹配算法選為PnP算法，其中確定第二回環(huán)驗(yàn)證結(jié)果包括：
7.根據(jù)權(quán)利要求1所述的基于多源SLAM回環(huán)的位姿圖優(yōu)化方法，其特征在于，
8.根據(jù)權(quán)利要求7所述的基于多源SLAM回環(huán)的位姿圖優(yōu)化
9.根據(jù)權(quán)利要求7所述的基于多源SLAM回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述連續(xù)吸引子網(wǎng)絡(luò)的構(gòu)建方式包括：
10.一種基于多源SLAM回環(huán)的位姿圖優(yōu)化裝置，其特征在于，包括：
11.一種果園機(jī)器人，其特征在于，所述果園機(jī)器人設(shè)置有多種傳感器，所述果園機(jī)器人包括：
12.一種果園作業(yè)系統(tǒng)，包括存儲(chǔ)有機(jī)器指令的機(jī)器，當(dāng)所述機(jī)器指令在所述機(jī)器上運(yùn)行時(shí)，使得所述機(jī)器執(zhí)行權(quán)利要求1至9中任意一項(xiàng)權(quán)利要求所述的方法。
...【技術(shù)特征摘要】
1.一種基于多源slam回環(huán)的位姿圖優(yōu)化方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于多源slam回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述根據(jù)攜帶有果園環(huán)境信息的多種傳感器數(shù)據(jù)，預(yù)測(cè)得到全局位姿圖，包括：
3.根據(jù)權(quán)利要求1所述的基于多源slam回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述描繪子的獲取方式包括：
4.根據(jù)權(quán)利要求3所述的基于多源slam回環(huán)的位姿圖優(yōu)化方法，其特征在于，指定的數(shù)據(jù)存儲(chǔ)單元選為數(shù)據(jù)庫(kù)，各幀視覺(jué)數(shù)據(jù)是圖像流中各幀視覺(jué)圖像，所述描繪子的相似度獲取方式包括：
5.根據(jù)權(quán)利要求1所述的基于多源slam回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述幾何關(guān)系匹配算法選為ransac算法，其中確定第一回環(huán)驗(yàn)證結(jié)果包括：
6.根據(jù)權(quán)利要求5所述的基于多源slam回環(huán)的位姿圖優(yōu)化方法，其特征在于，所述位姿關(guān)系匹配算法選為pnp...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：薛秀云，黃曉彤，賴(lài)星宇，溫子墨，邱桐，陳亮宇，馬肇泳，李震，呂石磊，孫道宗，代秋芳，
申請(qǐng)(專(zhuān)利權(quán))人：華南農(nóng)業(yè)大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。