本发明专利技术涉及移动机器人定位处理技术领域，尤其涉及一种移动机器人的增强现实环境建模及定位处理方法。所述方法包括以下步骤：获取传感器配置监控参数；根据传感器配置监控参数对监控传感器进行环境图像数据采集，生成环境图像数据；基于环境图像数据进行环境测量物理模型建模处理，以得到环境测量物理模型；基于环境测量物理模型进行融合点云先验地图分析，以得到生成融合点云先验地图数据；通过融合点云先验地图数据分析帧间移动特征点匹配数据；基于融合点云先验地图数据以及帧间移动特征点匹配数据执行移动机器人的制图及定位作业。本发明专利技术通过扩充移动机器人的监控信息，实现了移动机器人动态过程中的精准的制图及定位。
【技术实现步骤摘要】
本专利技术涉及移动机器人定位处理，尤其涉及一种移动机器人的增强现实环境建模及定位处理方法。
技术介绍
1、移动机器人的同步定位与制图(slam)问题经过几十年的研究已经得到了很大的发展，slam （simultaneous localiza tion and mapping）即是研究解决机器人在陌生环境中的同步定位与地图绘制问题，主要研究三个方面的内容，即机器人的定位、 制图以及机器人运动路径规划，是当前移动与自主机器人研究的热点问题。近年来随着计算机技术、人工智能技术的不断发展，移动机器人slam问题出现了新的发展方向。精度更高、价格更加低廉的传感器用于slam问题，多传感融合slam方案在蓬勃发展。然而，传统的移动机器人环境建模及定位处理方法由于通过监控设备采集的图像信息不足，导致视觉slam技术在实际环境中面临特征点确实的情况，并且提供的数据信息不足造成画面及特征点分析的中断，导致移动机器人的制图及定位失败。
技术实现思路
1、基于此，本专利技术提供一种移动机器人的增强现实环境建模及定位处理方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种移动机器人的增强现实环境建模及定位处理方法，包括以下步骤：
3、步骤s1：获取传感器配置监控参数；根据传感器配置监控参数对监控传感器进行监控参数配置，并通过监控参数配置后的监控传感器进行环境图像数据采集，生成环境图像数据，其中所述监控传感器为移动机器人内置的双kinect传感器以及激光雷达传感器；
<
p>4、步骤s2：对环境图像数据进行图像时空特征同步处理，生成同步环境图像数据；基于同步环境图像数据进行异构图像的环境实物质心点拟合匹配及校验处理，生成校验环境实物质心点拟合匹配数据；基于校验环境实物质心点拟合匹配数据以及同步环境图像数据进行环境测量物理模型建模处理，以得到环境测量物理模型；5、步骤s3：对环境测量物理模型进行跨模态的环境点云数据融合处理，生成融合环境点云数据；基于融合环境点云数据进行融合点云先验地图分析，以得到生成融合点云先验地图数据；
6、步骤s4：基于预设的rgbd-slam算法对融合点云先验地图数据进行地图色彩以及深度数据分析，生成融合点云先验地图色彩数据以及融合点云先验地图深度数据；根据融合点云先验地图色彩数据进行时序差异的帧间移动特征点匹配分析处理，生成帧间移动特征点匹配数据；基于融合点云先验地图深度数据以及帧间移动特征点匹配数据对融合点云先验地图数据进行帧间环境地图建模处理，生成帧间环境地图模型；根据融合点云先验地图深度数据以及帧间移动特征点匹配数据进行移动机器人帧间运动特征分析处理，生成移动机器人帧间运动特征数据；根据移动机器人帧间运动特征数据以及帧间环境地图模型进行移动机器人定位数据分析，生成移动机器人定位数据。
7、本专利技术通过获取传感器配置监控参数，确保移动机器人内置的双kinect传感器和激光雷达传感器在采集环境图像数据时能够以最优化的设置运行，根据具体场景和需求调整传感器的工作参数，提高环境数据采集的准确性和稳定性。根据监控参数配置后的设置监控传感器能够以特定的采集频率、分辨率和灵敏度采集环境图像数据，提高了传感器采集数据的效率和一致性，确保后续数据处理的质量和可靠性，通过配置后的监控传感器进行环境图像数据的采集，获得包括双kinect传感器的rgb图像和激光传感器的图像深度信息的完整环境数据，能够在移动机器人运行时实时获取环境的多模态数据，为后续的环境建模和定位处理提供必要的输入信息。将采集到的环境图像数据进行时空特征同步处理，确保不同传感器采集的数据在时间和空间上保持一致性，减少了数据之间的时序偏差和空间差异，为后续的数据融合和分析提供了一致的数据基础，基于同步的环境图像数据，进行环境实物质心点的拟合匹配及校验处理，确保拟合结果准确性和可靠性，通过精确的质心点匹配，提高了对环境实物结构的理解和建模能力，为后续的环境物理模型建立奠定基础。基于校验的环境实物质心点拟合匹配数据进行环境测量物理模型的建模处理，生成精确的环境测量模型，包括物体的位置、形状和尺寸等关键信息，为移动机器人后续的定位和导航任务提供了准确的环境描述。对环境测量物理模型进行跨模态的环境点云数据融合处理，将不同传感器采集的环境点云数据进行跨模态融合，整合不同感知模态的信息，如rgb、深度等，提高了环境建模的准确性和完整性，能够更全面地理解环境的结构和特征。基于融合的环境点云数据生成先验地图，分析和提取关键的环境特征和结构，提供了移动机器人在未知环境中的先验知识，有助于路径规划、避障和定位的精确性和效率。对融合点云先验地图数据进行色彩和深度数据分析，获取地图的视觉信息和空间结构，为后续的slam算法提供必要的视觉参考和深度信息，提高了定位和导航的精确度。基于帧间移动特征点匹配数据，分析不同帧之间的运动关系和变化，检测环境变化和机器人运动的趋势，为环境感知和动态障碍物检测提供支持。基于帧间移动特征点匹配数据对融合点云先验地图进行动态的环境建模，实时更新和优化环境地图，使得移动机器人能够在复杂环境中准确定位和导航。根据移动机器人的帧间运动数据，分析机器人的运动模式和行为特征，提供了机器人运动的实时状态和趋势，为路径规划和动态障碍物避让提供重要依据。基于帧间环境地图模型和机器人的帧间运动数据，分析和更新移动机器人的精确定位数据，提高了机器人定位的精确度和稳定性，支持复杂环境中长时间运行的应用场景。
8、本申请有益效果在于，本专利技术的一种移动机器人的增强现实环境建模及定位处理方法针对视觉 siam 技术在实际环境中面临特征点缺失的情况，将双kinect视觉传感器与激光雷达相结合，一方面增加视觉传感器的数量，变相的扩大视觉传感器的检测范围，增加实际环境中视觉 slam 特征点的检测数量；另一方面利用激光雷达具有测量精度高、测量范围大且其点云数据不受光线条件影响的特征，将激光不受可视光影响的点云数据作为先验地图信息，供给视觉定位与制图，后进行视觉的slam过程。同时，当视觉slam 过程中因光线强度、环境纹理缺失而稀缺特征点时，利用激光雷达点云对环境纹理及光线的鲁棒性，将视觉点云与激光雷站点云融合，形成融合后的点云数据，并对融合后的点云数据通过点云的色彩及深度信息分析环境中具有鲁棒性的特征点数据作为对照节点，从面匹配到关键数据帧点云信息完成定位为制图过程，以此克服视觉siam 技术因环境条件不足或变化导致的定位与制图失败的问题。
本文档来自技高网...
【技术保护点】
1.一种移动机器人的增强现实环境建模及定位处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S12包括以下步骤：
4.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S2包括以下步骤：
5.根据权利要求4所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S23包括以下步骤：
6.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S3包括以下步骤：
7.根据权利要求6所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S31包括以下步骤：
8.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S4包括以下步骤：
9.根据权利要求8所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S42包括以下步骤：
10.根据权利要求9所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S422包括以下步骤：
...
【技术特征摘要】
1.一种移动机器人的增强现实环境建模及定位处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤s12包括以下步骤：
4.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤s2包括以下步骤：
5.根据权利要求4所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤s23包括以下步骤：
6.根据...
【专利技术属性】
技术研发人员：姜鹏，姜敏，袁亮，
申请(专利权)人：湖南理工职业技术学院，
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。