[发明专利]一种基于栅格地图的定位方法及装置

说明书

本发明实施例公开了一种基于栅格地图的定位方法及装置，方法包括：创建栅格地图，根据每个栅格内的各坐标点的位置信息和图像信息，计算得到每个栅格分别对应的位置信息和图像信息；获取当前位置的图像，根据图像的图像信息和栅格地图中每个栅格的图像信息，分别计算图像与每个栅格对应的匹配概率；分别对匹配概率进行实时更新，并根据更新后匹配概率确定图像对应的目标栅格；根据目标栅格的位置信息，确定当前位置。本发明实施例基于创建的栅格地图进行定位，能够更快地获得更精确的结果，同时降低完全定位失败的概率，且减少定位误差；并通过图像信息来匹配目标栅格，能够在低纹理、相机散焦和运动模糊等场景下获得鲁棒性更好的结果。

技术领域

本发明实施例涉及智能终端技术领域，具体涉及一种基于栅格地图的定位方法及装置。

背景技术

机器人为了达到构建地图的目的，需要确定每个时刻的位置和姿态，基于位置和姿态，确定周围环境的位置坐标。这种实时定位和建图的过程，称为slam。slam创建的地图是对周边环境的一个描述，而定位技术则是通过构建的地图判断自身的位置。地图的创建与定位被认为是实现全自主移动机器人的关键，从而研究具有重要的意义。

目前视觉slam研究主要分为基于特征的定位和基于直接方法的定位：基于特征的定位首先基于当前采集得到的图像，进行特征点检测，然后去构建的地图中去寻找最优特征点匹配位置，进而确定机器人当前位姿。具体策略如下：基于已构建的地图进行定位时，在地图里找到与当前图像匹配度最高的图像，并计算两幅图像的匹配特征，然后将该匹配度最高的图像的特征对应的3D地图点与当前图像中对应的匹配特征对应起来，从而获得当前帧的一组2D-3D匹配，并计算出当前帧的位姿。基于直接方法的定位与基于特征的定位类似，基于像素级别去寻找最优的匹配。

基于特征的定位虽然特征在保存图像重要信息的同时有效减少了计算量，但是图像的一些重要几何信息被忽略。而且基于特征的定位依赖于特征提取和匹配的阈值，且特征的提取与描述符的计算几乎占到整个算法执行的2/5，而且需要鲁棒的估计方法去处理错误的匹配。特征提取的准确性有一定的误差，从而在位姿估计时也会有偏差。基于直接方法的定位由于匹配粒度太细，很容易造成匹配误差。

发明内容

由于现有的方法特征提取的准确性有一定的误差，从而在位姿估计时也会有偏差；或匹配粒度太细，很容易造成匹配误差的问题，本发明实施例提出一种基于栅格地图的定位方法及装置。

第一方面，本发明实施例提出一种基于栅格地图的定位方法，包括：

创建栅格地图，根据每个栅格内的各坐标点的位置信息和图像信息，计算得到每个栅格分别对应的位置信息和图像信息；

获取当前位置的图像，根据所述图像的图像信息和所述栅格地图中每个栅格的图像信息，分别计算所述图像与每个栅格对应的匹配概率；

分别对所述匹配概率进行实时更新，并根据更新后所述匹配概率确定所述图像对应的目标栅格；

根据所述目标栅格的位置信息，确定所述当前位置；

其中，所述图像信息为运动时实时采集的图像所对应的亮度信息或灰度信息。

可选地，所述创建栅格地图，根据每个栅格内的各坐标点的位置信息和图像信息，计算得到每个栅格分别对应的位置信息和图像信息，具体包括：

将原始三维地图划分为预设大小的栅格，得到栅格地图；

将所述栅格地图中每个栅格内所有坐标点的图像信息的均值作为所述栅格的图像信息，并将每个栅格内所有坐标点的位置信息的均值作为所述栅格的位置信息。

可选地，所述对所述匹配概率进行实时更新，进一步包括：

根据惯性导航的误差分布，对每个栅格的所述匹配概率进行实时更新。