[发明专利]一种适应视觉特征变化的地点识别与相对定位方法及系统

说明书

技术领域

本发明涉及视觉自定位技术，具体涉及一种适应视觉特征变化的地点识别与相对定位方法及系统。

背景技术

移动机器人或者配有穿戴式辅助系统的操作人员需要在自主运动过程确定自身在环境中的位置。在视觉技术得以迅速发展之前，采用激光雷达和惯性测量单元是移动机器人自定位的常用方法。激光雷达在测量环境深度信息时具有很高的可靠性与准确性，同时激光在复杂的电磁干扰环境下依然能保持良好的抗干扰能力，然而激光雷达价格高昂，并且激光雷达提供不了丰富的场景特征信息，不能支持场景识别功能。利用惯性测量单元Inertial Measurement Unit，IMU进行定位也是常见的方法之一，然而这种方法随着系统长时间运行，积分带来的累计误差将会越来越大，因此在大尺度的室外环境下或长时间运行的条件下，IMU难以提供精准的定位结果。

随着计算机视觉以及图像处理等技术的飞速发展，以及视觉传感器制作工艺和性价比的不断提升，视觉传感器凭借其信息量丰富、成本较低、稳定可靠等优势，因而受到广泛的关注与研究。视觉自定位技术在移动机器人、穿戴式系统等领域中逐渐得到广泛应用。双目视觉既能获取环境的特征信息又能利用视差关系恢复出3D场景的深度信息，相较于单目视觉和全景视觉既兼顾了处理速度又包含丰富的场景信息。因此基于双目视觉的定位技术具有成本低廉、配置简单、不依赖人工标签、部署灵活方便以及获取场景信息丰富等特点，也已经初步用于穿戴式辅助引导等典型应用中。已在室内定位和导航中取得成功应用的深度视觉传感器由于在室外强光环境下存在成像失效性，并不适合用于室外定位应用。

在未知环境中，由于先验知识的匮乏和环境的不确定性，使得配有视觉传感器的自主体在行走过程中需要同时定位和创建地图，其关键是需要判断当前位置是否处于已经访问过的环境区域，并以此作为判断是否需要环境更新的依据。而在已建立环境地图的情况下，配有视觉传感器的自主体在行走过程中需要与既有的地图进行比对，判断是否访问了地图里记载的地点，即地点识别Place Recognition问题。地点识别技术可以用来进行拓扑定位，判断当前工人所处的场景点位置。

理想情况下，当自主体当前位置与以前访问过的环境区域含有的特征完全相同时，就可以假设它已回到了同一地点。然而实际现场创建的地图与在线使用该地图进行定位，可能相隔很长时间。室外场景在不同光照、天气甚至是跨季节情况下，即便同一地点同一位姿下采集的图像，也可能存在很大的差异。例如植物的外观在夏季和冬季可能呈现出完全不同的表观，道路在冬天可能被积雪覆盖。这成为制约视觉技术用于自定位的瓶颈问题。

以往的视觉定位技术很少考虑这种跨天气/季节的地点识别问题。其原因在于，以往方法大多建立在基于特征Feature‐based的场景匹配基础上，而所采用的特征又往往是靠经验选取的某一种固定算子来计算像素级线索，例如SIFT特征、SURF特征、ORB特征等，对视觉特征变化并不具备任何适应性。另一种策略是采用基于机器学习Learning‐based的场景匹配，例如深度卷积神经网络已经初步用于场景分类、物体识别等领域。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种适应视觉特征变化的地点识别与相对定位方法及系统。

本发明提供的技术方案是：一种适应视觉特征变化的地点识别与相对定位方法，包括：

采集室外场景图像；

基于所述室外场景图像和预先构建的场景库和场景分类器得到场景识别结果；

基于所述场景识别结果和预先构建的环境概要地图得到相对定位结果。

优选的，所述预先构建的环境概要地图、场景库、场景分类器，包括：

采集室外场景图像样本；

基于所述室外场景图像样本构建环境概要地图和场景库；

基于所述场景库训练得到的至少一种不同结构的深度卷积神经网络模型；

基于所述深度卷积神经网络模型构造场景分类器。

优选的，所述采集室外场景图像样本，包括：

针对运行现场环境，基于作业环境采集至少一个场景图像样本；

所述作业环境包括：时段、天气情况、光照条件和季节。

优选的，所述环境概要地图包括：米制路径信息和环境拓扑信息；

所述米制路径信息包括视觉里程计恢复出来的人的行走轨迹信息；

所述环境拓扑信息包括：拓扑节点和边；

所述拓扑节点包括：所述室外场景图像样本中的场景点、所述场景点的位置、所述场景点对应的一组场景图像和一组深度图像；