[发明专利]机器人、机器人的定位方法、装置和计算机设备

说明书

本申请涉及一种机器人、机器人的定位方法、装置、计算机设备和存储介质。所述机器人通过视觉模块获取当前帧图像，并通过里程计获取与当前帧图像对应的机器人的最新里程计数据，并计算得到里程计位姿，基于预先训练的深度学习模型对当前帧图像与预先构建的视觉地图进行匹配，得到里程计的累计误差，并基于累计误差对当前帧位姿进行修正得到机器人的当前位姿，提高了获取的机器人的当前位姿的精度。

技术领域

本申请涉及机器人技术领域，特别是涉及一种机器人、机器人的定位方法、装置、计算机设备和存储介质。

背景技术

在机器人的自动导航过程中，需要时刻获取自身的位置和姿态用于后续的规划模块。现有的基于视觉的定位方案通常是特征法。使用特征法的方案需要预先建立视觉地图，通过当前帧图像信息提取全局描述子并与地图中所有帧的全局描述子进行比较，获取到最匹配的地图帧。

通过当前帧图像信息提取特征点及特征点的描述子，而后与匹配到的地图帧中的地图点及特征点描述子进行匹配，得到当前帧特征点（2D）与地图点（3D）的匹配关系，最后计算得出当前帧的位置和姿态。现有技术中通常使用NN算法进行局特征匹配，该方法仅利用了特征点的描述子信息，会导致出现较多的误匹配，从而导致定位效果不佳。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高定位精度的机器人定位方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种机器人，所述机器人搭载有视觉模块和里程计，所述机器人包括处理器和存储器，所述存储器存储有可执行程序代码，所述处理器用于调用并执行所述可执行程序代码时，实现以下步骤：

通过所述视觉模块获取当前帧图像；

通过所述里程计获取与所述当前帧图像对应的所述机器人的最新里程计数据，并计算得到里程计位姿；

基于预先训练的深度学习模型对所述当前帧图像与预先构建的视觉地图进行匹配，得到所述里程计的累计误差；

基于所述累计误差对所述里程计位姿进行修正得到所述机器人的当前位姿。

在其中一个实施例中，所述通过所述里程计获取与所述当前帧图像对应的所述机器人的最新里程计数据，包括：

通过所述里程计实时输出里程计数据以维持所述机器人的里程计队列；

根据所述当前帧图像的时间戳在所述里程计队列中获取距离所述时间戳最近的里程计数据作为所述最新里程计数据。

在其中一个实施例中，所述视觉模块包括安装在所述机器人顶部的相机，所述当前帧图像为所述相机拍摄得到。

在其中一个实施例中，所述预先训练的深度学习模型包括全局特征提取模型和局部特征提取模型，所述视觉地图包括两帧以上的地图图像；

所述基于预先训练的深度学习模型对所述当前帧图像与预先构建的视觉地图进行匹配，得到所述里程计的累计误差，包括：

基于所述全局特征提取模型提取所述当前帧图像的全局描述子；

将所述当前帧图像的全局描述子与所述视觉地图中的每一帧地图图像进行全局匹配得到地图帧图像位姿、地图帧图像的特征点位姿、地图帧图像的特征点及特征点描述子，所述地图帧图像为所述两帧以上的地图图像中与所述当前帧图像最相似的图像；

基于所述局部特征提取模型提取所述当前帧图像的特征点及特征点描述子；

将所述当前帧图像的特征点及特征点描述子、所述地图帧图像的特征点及特征点描述子以及所述地图帧图像的特征点位姿进行局部匹配得到所述当前帧图像的特征点与所述地图帧图像的特征点的匹配关系；

基于所述匹配关系、所述里程计位姿、相机内参以及相机外参获取所述里程计的累计误差。