【技術實現步驟摘要】
本申請涉及深度學習，具體而言，涉及一種室內機器人定位方法、裝置、電子設備及存儲介質。
技術介紹
1、機器人定位通常使用slam技術，傳統的slam技術可以在理想環境下達到較高的精度和效率。然而，在實際場景中，傳統的slam方法存在多種環境復雜性的問題：例如，傳統的slam技術依賴基本幾何特征(如點、線、面)，缺乏對宏觀物體的感知能力與場景理解。如果環境中缺乏足夠的特征，slam算法可能會出現無法收斂的情況，從而導致定位不準確或地圖不完整。另外，slam方法通常需要使用激光雷達、攝像頭等傳感器來獲取環境信息，這也要求環境中的客觀條件適合傳感器的運行(視覺算法受到光照，激光算法受到反射率影響等)。傳統slam技術難以應對動態或暫時性的環境。對于一些動態的環境，如人、動物、運動物體等，slam算法難以正確地處理這些信息，并可能將其錯誤地納入定位或建圖過程中，導致后續定位出現誤差。
技術實現思路
1、本申請實施例的目的在于提供一種室內機器人定位方法、裝置、電子設備及存儲介質，可以實現高效的室內機器人定位，避免周圍環境對定位造成影響，對于運動中的物體能夠合理、準確地識別，準確、無誤的實現室內定位，提高定位效率。
2、第一方面，本申請實施例提供了一種室內機器人定位方法，所述方法包括：
3、獲取所述室內機器人的傳感器數據；
4、根據所述傳感器數據對目標物體進行視覺慣性定位，得到原始位姿數據；
5、根據所述傳感器數據對所述目標物體進行建圖，得到點云數
6、對所述點云數據和所述傳感器數據進行識別，得到參考位姿數據；
7、根據所述參考位姿數據對所述原始位姿數據進行調整，得到定位結果。
8、在上述實現過程中，對傳感器數據進行視覺慣性定位、建圖后再進行識別、重新定位，可以實現高效的室內機器人定位，避免周圍環境對定位造成影響，對于運動中的物體能夠合理、準確地識別，準確、無誤的實現室內定位，提高定位效率。
9、進一步地，所述根據所述傳感器數據對目標物體進行視覺慣性定位，得到原始位姿數據的步驟，包括：
10、讀取所述傳感器數據中的慣性測量單元數據；
11、根據所述慣性測量單元數據對所述目標物體進行視覺慣性定位，得到所述原始位姿數據。
12、在上述實現過程中，根據慣性測量單元數據對目標物體進行視覺慣性定位，使得到的原始位姿數據更加準確，更加接近真實定位，減少后續調整的流程。
13、進一步地，所述根據所述傳感器數據對所述目標物體進行建圖，得到點云數據的步驟，包括：
14、讀取所述傳感器數據中的rgb-d圖像；
15、根據所述rgb-d圖像對所述目標物體進行彩色深度建圖，得到所述點云數據。
16、在上述實現過程中，根據rgb-d圖像對目標物體進行彩色深度建圖，使得到的點云數據包含目標物體的色彩信息，便于對目標物體進行精準定位。
17、進一步地，所述對所述點云數據和所述傳感器數據進行識別，得到參考位姿數據的步驟，包括：
18、對所述點云數據進行三維點云識別，得到點云塔數據；
19、對所述傳感器數據中的rgb圖像進行二維檢測，得到圖像塔數據；
20、將所述點云塔數據和所述圖像塔數據進行融合，得到所述參考位姿數據。
21、在上述實現過程中，對點云數據進行三維點云識別，對rgb圖像進行二維檢測，再將得到的點云塔數據和圖像塔數據進行融合，使得到的參考位姿數據包含了傳感器數據的二維信息和三維信息，可以更加精準地對目標物體進行定位。
22、進一步地，所述對所述點云數據進行三維點云識別，得到點云塔數據的步驟，包括：
23、提取所述點云數據的深層特征；
24、對所述深層特征進行歸類投票處理，得到潛在的物體中心；
25、對所述潛在的物體中心進行聚合處理，得到分類物體對象；
26、對所述分類物體對象進行非最大值抑制處理，得到所述目標物體的二維邊界框和所述目標物體的標簽；
27、根據所述目標物體的二維邊界框和所述目標物體的標簽獲得所述點云塔數據。
28、在上述實現過程中，對點云數據的深層特征進行歸類投票處理、聚合處理和非最大值抑制處理后得到點云塔數據，可以對點云數據進行更加詳細的特征提取，避免周圍環境對點云數據的影響。
29、進一步地，所述對所述傳感器數據中的rgb圖像進行二維檢測，得到圖像塔數據的步驟，包括：
30、獲得所述目標物體的二維邊界框與所述潛在的物體中心之間的連接向量；
31、對所述連接向量進行三維空間投影，得到投影向量；
32、將所述深層特征反向投影至所述rgb圖像，得到語義信息；
33、根據所述rgb圖像獲得rgb紋理；
34、根據所述投影向量、所述語義信息和所述rgb紋理獲得所述圖像塔數據。
35、在上述實現過程中，對連接向量進行三維空間投影，再將深層特征反向投影至rgb圖像，可以得到語義信息，根據投影向量、語義信息和rgb紋理獲得圖像塔數據，使得圖像塔數據中包含更多的語義信息和圖像信息，能夠使后續的定位更加精準。
36、進一步地，所述根據所述參考位姿數據對所述原始位姿數據進行調整，得到定位結果的步驟，包括：
37、對所述參考位姿數據和所述原始位姿數據進行融合，得到位姿圖；
38、對所述位姿圖進行重新定位，得到所述定位結果。
39、在上述實現過程中，將參考位姿數據和原始位姿數據進行融合，再將得到的位姿圖進行重新定位，可以規避原始位姿數據中的不合理定位，使得定位結果更加準確。
40、第二方面，本申請實施例還提供了一種室內機器人定位裝置，所述裝置包括：
41、獲取模塊，用于獲取所述室內機器人的傳感器數據；
42、視覺慣性定位模塊，用于根據所述傳感器數據對目標物體進行視覺慣性定位，得到原始位姿數據；
43、建圖模塊，用于根據所述傳感器數據對所述目標物體進行建圖，得到點云數據；
44、識別模塊，用于對所述點云數據和所述傳感器數據進行識別，得到參考位姿數據；
45、定位模塊，用于根據所述參考位姿數據對所述原始位姿數據進行調整，得到定位結果。
46、在上述實現過程中，對傳感器數據進行視覺慣性定位、建圖后再進行識別、重新定位，可以實現高效的室內機器人定位，避免周圍環境對定位造成影響，對于運動中的物體能夠合理、準確地識別，準確、無誤的實現室內定位，提高定位效率。
47、第三方面，本申請實施例提供的一種電子設備，包括：存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如第一方面任一項所述的方法的步驟。
48、第四方面，本申請實施例提供的一種計算機可讀存儲介本文檔來自技高網...
【技術保護點】
1.一種室內機器人定位方法，其特征在于，所述方法包括：
2.根據權利要求1所述的室內機器人定位方法，其特征在于，所述根據所述傳感器數據對目標物體進行視覺慣性定位，得到原始位姿數據的步驟，包括：
3.根據權利要求1所述的室內機器人定位方法，其特征在于，所述根據所述傳感器數據對所述目標物體進行建圖，得到點云數據的步驟，包括：
4.根據權利要求1所述的室內機器人定位方法，其特征在于，所述對所述點云數據和所述傳感器數據進行識別，得到參考位姿數據的步驟，包括：
5.根據權利要求4所述的室內機器人定位方法，其特征在于，所述對所述點云數據進行三維點云識別，得到點云塔數據的步驟，包括：
6.根據權利要求4所述的室內機器人定位方法，其特征在于，所述對所述傳感器數據中的RGB圖像進行二維檢測，得到圖像塔數據的步驟，包括：
7.根據權利要求1所述的室內機器人定位方法，其特征在于，所述根據所述參考位姿數據對所述原始位姿數據進行調整，得到定位結果的步驟，包括：
8.一種室內機器人定位裝置，其特征在于，所述裝置包括：
...【技術特征摘要】
1.一種室內機器人定位方法，其特征在于，所述方法包括：
2.根據權利要求1所述的室內機器人定位方法，其特征在于，所述根據所述傳感器數據對目標物體進行視覺慣性定位，得到原始位姿數據的步驟，包括：
3.根據權利要求1所述的室內機器人定位方法，其特征在于，所述根據所述傳感器數據對所述目標物體進行建圖，得到點云數據的步驟，包括：
4.根據權利要求1所述的室內機器人定位方法，其特征在于，所述對所述點云數據和所述傳感器數據進行識別，得到參考位姿數據的步驟，包括：
5.根據權利要求4所述的室內機器人定位方法，其特征在于，所述對所述點云數據進行三維點云識別，得到點云塔數據的步驟，包括：
6.根據權利要求4所述的室內機...
【專利技術屬性】
技術研發人員：鄭展鵬，宋昌昊，張驍，陳錚一，
申請(專利權)人：香港科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。