[发明专利]一种室内动态环境下的语义SLAM服务机器人导航方法

说明书

本发明提供了一种室内动态环境下的语义SLAM服务机器人导航方法，包括如下步骤：（1）信息语义分割并提取特征点；（2）移动一致性检查，剔除动态点，再利用稳定的静态特征点进行相机位姿估计；（3）语义八叉树地图的构建；（4）初始化服务机器人自身位姿；（5）通过结合灰狼优化算法的DWA局部路径规划算法，求解最优速度轨迹，确定服务机器人行驶路径……解决现有的传统SLAM场景认知能力弱，导致服务机器人定位准确性不高和传统DWA局部动态规划易陷入局部最优位置的问题，提出了结合灰狼优化算法的DWA局部路径规划方法，结合语义信息实现动态避障，保障服务机器人行进时对环境的认知能力，能够提供更准确的速度信息，同时增加安全可靠性。

技术领域

本发明是一种室内动态环境下的语义SLAM服务机器人导航方法，涉及服务机器人自主导航领域，具体涉及语义SLAM服务机器人导航方法领域。

背景技术

随着当代社会生活水平的不断提高，人们对生活质量的需求也不断提高，各种智能服务型机器人不断出现，更好地研究服务机器人变得日益重要。移动机器人SLAM方法是智能服务机器人的基础。早期传统的SLAM方法主要以静态环境假设为前提，近年来人工智能方法尤其是机器学习方法的出现，使得移动机器人在动态环境下的表现得到了显著提升，极大增强了对环境中可移动物体的认知能力，整个过程也更加智能化和安全可靠。

室内场景中存在可移动的目标，比如人、宠物、玩具汽车及其他移动机器人等，对于动态场景，传统的SLAM方法的定位和场景认知能力较弱，准确性大大降低，因为移动的物体会极大地干扰场景结构和定位，结果可能是完全不可靠的。传统视觉SLAM结合语义信息能消除动态特征，提高准确性。路径规划是服务机器人导航的基本环节，能使服务机器人在运动过程中安全、无碰撞地绕过所有障碍物，反映了服务机器人对动态环境地综合性判断，更好地进行智能决策。传统的DWA局部路径规划易陷入局部最优位置，无法满足更精准的导航。

发明内容

本发明所要解决的技术问题是，提供了一种室内动态环境下的语义SLAM服务机器人导航方法，解决现有的传统SLAM场景认知能力弱，导致服务机器人定位准确性不高和传统DWA局部动态规划易陷入局部最优位置的问题，提出了结合灰狼优化算法的DWA局部路径规划方法，结合语义信息实现动态避障，保障服务机器人行进时对环境的认知能力，能够提供更准确的速度信息，同时增加安全可靠性，实现服务机器人动态环境下的位姿估计和路线的有效规划，也能满足服务机器人的实时避障要求。

为解决上述技术问题，本发明采用的技术方案为：

一种室内动态环境下的语义SLAM服务机器人导航方法，其特征在于，

该方法包括以下步骤：

步骤(1)：利用服务机器人携带的传感器所获取的信息进行语义分割并提取特征点；

步骤(2)：根据所述步骤(1)中提取的特征点进行移动一致性检查，剔除动态点，再利用稳定的静态特征点进行相机位姿估计；

步骤(3)：根据所述步骤(2)中的静态特征点在构建好的三维点云地图基础上进行语义八叉树地图的构建；

步骤(4)：根据所述步骤(3)中语义八叉树地图，初始化服务机器人自身位姿；

步骤(5)：根据所述步骤(4)中确定的服务机器人位姿信息进行定位的同时，通过结合灰狼优化算法的DWA局部路径规划算法，求解最优速度轨迹，确定服务机器人行驶路径；

步骤(6)：根据所述步骤(5)中的最优速度轨迹，将生成的速度指令发送给服务机器人底盘执行机构，到达目标区域；

步骤(7)：根据所述步骤(6)中的速度指令，服务机器人在到达目标区域过程中若陷入局部障碍区域，则启动恢复模式，使其脱离被困区域，重新导航。

所述步骤(1)包括如下步骤：