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。提高了获取的机器人的当前位姿的精度。提高了获取的机器人的当前位姿的精度。
【技术实现步骤摘要】
机器人、机器人的定位方法、装置和计算机设备
[0001]本申请涉及机器人
，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。
技术介绍
[0002]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。
[0003]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。
技术实现思路
[0004]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。
[0005]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。
[0006]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。
[0007]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。
[0008]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。
[0009]在其中一个实施例中，在实现所述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的步骤之前，所述处理器用于调用并执行所述可执行程序代码时，还实现：基于所述里程计位姿和所述里程计的初始误差获取所述机器人的第一当前帧位姿；基于所述第一当前帧位姿和所述地图帧图像位姿判断所述当前帧图像与所述地图帧图像是否朝向相反；若是，则将所述当前帧图像进行反转；若否，则保持所述当前帧图像不变。
[0010]在其中一个实施例中，所述基于所述匹配关系、所述里程计位姿、相机内参以及相机外参获取所述里程计累计误差，包括：根据所述匹配关系以及所述相机内参计算所述相机在世界坐标系下的位姿；根据所述相机在世界坐标系下的位姿和所述相机外参计算所述机器人的第二当前帧位姿；基于所述第二当前帧位姿和所述里程计位姿获取所述里程计的累计误差。
[0011]第二方面，本申请提供了一种机器人的定位方法，所述机器人搭载有视觉模块和里程计，所述定位方法包括：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。
[0012]第三方面，本申请还提供了一种机器人的定位装置，所述装置包括：获取模块，用于通过所述视觉模块获取当前帧图像；计算模块，用于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；匹配模块，用于基于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；修正模块，用于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。
[0013]第四方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现里程计位姿里程计位姿当前位姿上述任一实施例中机器人所实现的步骤。
[0014]第五方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现里程计位姿里程计位姿当前位姿上述任一实施例中机器人所实现的步骤。
[0015]上述机器人、机器人的定位方法、装置、计算机设备和存储介质，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，并基于累计误差对里程计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。
附图说明
[0016]图1为一个实施例中机器人的定位方法的应用环境图；图2为一个实施例中机器人定位的流程示意图；图3为另一个实施例中机器人的定位方法的流程示意图；图4为又一个实施例中机器人的定位方法的流程示意图；图5为一个实施例中机器人定位装置的结构框图；图6为一个实施例中计算机设备的内部结构图。
具体实施方式
[0017]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0018]本申请实施例提供的机器人的定位方法，可以应用于如图1所示的应用环境中。其中，终端102通过通信网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。
[0019]其中，终端102是机器人。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器人，其特征在于，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。2.根据权利要求1所述的机器人，其特征在于，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。3.根据权利要求1所述的机器人，其特征在于，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。4.根据权利要求3所述的机器人，其特征在于，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。5.根据权利要求4所述的机器人，其特征在于，在实...
【专利技术属性】
技术研发人员：闫瑞君，吴翔，何科君，
申请(专利权)人：深圳市普渡科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。