[发明专利]基于路标信息与多传感器数据融合的机器人重定位方法

说明书

本发明针对同步即时建图与定位中出现的定位误差问题，提出一种基于路标信息与多传感器数据融合的机器人重定位方法，以达到克服现有机器人在复杂环境中定位技术的缺点与不足的目的。本发明旨在将视觉识别的路标信息融进激光感知的数据中，利用打上了语义标签的路标对应其在地图上的准确位置信息，反推算出机器人在地图上的真实位置，从而修正机器人的定位误差，提高机器人在自主导航过程中定位精度和重定位能力，增强机器人的自我修正位姿的水平。

技术领域

本发明涉及人工智能领域，更具体的，涉及一种基于路标信息与多传感器数据融合的机器人重定位方法。

背景技术

传统的定位算法，如Hanten R[1]等人提出的基于粒子滤波，使用预测值和观测值进行扫描匹配从而更新定位算法，虽然在一定程度上能够完成机器人较为精准的定位，并且在里程计信息较为准确，周围环境物体特征比较明显时，可以自适应完成小幅度的位姿修正，但是对里程计信息依赖程度太高，对周围环境变化的反应灵敏度也不够。碰上累计误差过大，位置漂移，人为移动这些意外情况时的容错性并不高，从而导致在各类情况发生的时候出现定位大幅度失真。

目前，已经有很多团队提出利用路标作为参照物，反向修正机器人的位姿的算法，如Frintrop S[2]等人提出的基于vslam的位姿图优化算法，利用了视觉自动检测出路标信息，在闭环情况下反复检测和连续追踪，直接解算路标的位姿数据，结合图优化的方式修正位姿，这样虽能在一定程度上完成机器人位置的修正，但是由于用视觉获取深度和角度信息受光线、角度等多方面的因素影响，很容易产生偶然误差，修正效果往往不如人意，必须要在十分特定的简单环境下才能达到较好的效果。

Schuster F[3]等人为了能适应更复杂多变环境下自主行驶汽车，所提出的建立标志性路标并且利用激光数据进行图优化的更高效精确的定位方法，但是该文提出的方法只是利用了激光数据，而激光数据的特征并不是那么明显，在进行识别和匹配时都有较大误差，无法做到精确识别和准确修正。

发明内容

本发明克服了现有机器人在已知环境中定位技术的缺点与不足，主要是针对SLAM同步即时建图与定位中出现的定位误差问题，提出一种融合激光感知数据和视觉识别信息，并利用路标信息来重新修正定位以消除定位误差的方法。实现根据视觉识别，赋予给各路标物体相应的语义标签，再结合对应的激光簇数据，进行信息融合，得到激光语义标签，制定一套路标物体名称和与其对应坐标信息的关联映射表。接着在导航过程中，如果机器人出现位置偏移，利用视觉识别出相应的路标，根据识别出的路标名称找到其位置坐标，再结合实时的激光数据和 IMU转角信息推算出机器人当前实际位姿，最后修正机器人的定位偏差。以提高机器人产生位姿误差时的重定位水平。

为实现以上发明目的，采用的技术方案是：

基于路标信息与多传感器数据融合的机器人重定位方法，包括以下步骤：

步骤S1：构建地图，并在构建已知地图的过程中同时设置并确定几个特征明显的物体作为系统中的路标，在路标物体的选择和确定路标物体在当前环境的位置要符合本方法的基本原则；

步骤S2：利用聚类算法将落在同一路标物体上的激光点聚成一个激光点簇，形成激光数据；

步骤S3：通过深度学习和图像匹配的方式对视觉识别的物体产生视觉语义信息；

步骤S4：利用标定参数和几何模型，将激光数据和视觉语义信息进行信息融合，产生语义激光数据，给环境中每个路标物体对应的激光簇数据赋予视觉语义标签；

步骤S5：基于语义激光数据，构建带有各路标名称的语义地图，并且根据一一对应的路标名称和位置坐标建立关联映射表；

步骤S6：当定位出现偏差时，导航过程中利用视觉识别附近路标物体的分类及语义名称；

步骤S7：根据路标的语义信息查找映射表中对应坐标；