[发明专利]一种基于关联概率语义地图的机器人目标搜索方法

说明书

本发明公开一种基于关联概率语义地图的机器人目标搜索方法。本发明以二维栅格地图为基础，将位置固定且易于识别的物体作为地标物体，将地标物体的语义信息和空间位置信息映射到栅格地图中构建栅格‑语义地图。然后，提取地标物体与普通物体间的关联关系，并根据实时的传感器数据更新它们之间的关联概率，将关联概率加入栅格‑语义地图中构建概率栅格语义地图，缩小搜索空间，提高机器人在复杂环境中目标搜索的效率。本发明提出利用物体间的关联关系构建关联概率语义地图，并利用实时的传感器信息不断更新物体间的关联关系，提高了机器人在复杂多变的环境下进行长时间目标搜索时的效率。

技术领域

本发明属于移动机器人的融合地图构建与目标搜索技术领域，涉及一种基于关联概率语义地图的机器人目标搜索方法，包括一种基于实时关联信息更新的关联概率语义地图构建方法，以及一种基于关联概率语义地图的机器人目标搜索方法。

背景技术

随着机器人相关技术的发展以及相关传感器价格的降低，室内服务机器人越来越多地走入公共场所和家庭生活，为人们的生活提供便利，而在室内服务机器人的使用中仍面临很多问题，目标搜索便是其中之一。室内服务机器人搜索任务的目标通常具有动态性和小尺寸的特征，因此机器人在执行搜索任务时不仅要面对复杂多变的环境，目标的位置还会在机器人不知道的情况下发生移动，从而使得搜索的效率低下，甚至导致搜索失败。

针对复杂多变的室内环境，传统的搜索策略是基于二维栅格地图或拓扑地图对整个环境进行之字形或回字形的覆盖搜索，但这种搜索策略耗时较长，效率低下。为了提高目标搜索的效率，研究人员将现实生活中物体与房间之间典型空间位置关系的常识知识总结为物体在室内环境中的概率分布模型。将概率分布模型与栅格地图、拓扑地图结合构成概率地图，利用概率分布模型去推断物体在工作环境中各个区域被发现的可能性，为服务机器人执行搜索任务提供了先验知识，提高目标搜索的效率。但物体-房间的典型空间位置关系只能帮助服务机器人迅速确定目标物所在的房间，不能解决机器人在复杂的房间内部环境中的搜索问题。现有的目标搜索方法，如申请号CN114397894A的一种模仿人类记忆的移动机器人目标搜索方法，申请号CN111427341A的一种基于概率地图的机器人最短预期时间目标搜索方法，利用概率提高了目标搜索的效率，但上述方法均没有考虑到在环境动态性对搜索效率的影响。因此，本发明要解决的问题是如何使移动机器人在复杂多变环境中进行高效的目标搜索。

发明内容

本发明的目的是针对现有搜索策略在复杂多变环境下搜索效率不高，提出一种基于实时关联信息更新的概率语义地图构建方法，并使用构建完成的关联概率语义地图帮助机器人进行高效率的目标搜索。具体的，本发明以二维栅格地图为基础，将位置固定且易于识别的物体作为地标物体，将地标物体的语义信息和空间位置信息映射到栅格地图中构建栅格-语义地图。然后，提取地标物体与普通物体间的关联关系，并根据实时的传感器数据更新它们间的关联概率，将关联概率加入栅格-语义地图中构建概率栅格语义地图，缩小搜索空间，提高机器人在复杂环境中目标搜索的效率。

第一方面，本发明提出一种基于关联概率语义地图的机器人目标搜索方法，包括步骤如下：

步骤一：栅格地图的构建

使用激光雷达对当前环境的结构信息进行描述，生成一张二维栅格地图作为底层架构，并使用定位算法确定机器人在栅格地图中的位置；

所述定位算法为现有技术，故不详解；

步骤二：栅格-语义地图的构建

2-1目标识别

使用目标识别算法对深度相机获得的RGB彩色图像进行检测，获得包围检测物体的矩形框，利用矩形框得到物体的中点像素坐标；

2-2三维坐标解算

结合深度相机获得的Depth深度图像获得中点像素坐标对应的深度值，经过公式(1)的坐标转换将像素平面坐标系下的中点坐标转换成相机坐标系下的坐标。