【技术实现步骤摘要】
本专利技术涉及激光点云，尤其涉及一种地图定位与维护方法、装置、电子设备及存储介质。
技术介绍
1、近年来，低速无人驾驶产品中普遍使用激光点云和点云地图作为定位的主要传感信息来源。以服务机器人中的低速无人驾驶机器人为例，当前主要通过激光点云帧与原有的点云地图配准获得机器人的6自由度定位信息。其中，点云配准方法主要有icp（iterative closest point，一种广泛应用于点云配准的算法）、nicp（non-rigiditerative closest point，一种用于非刚体配准的算法）和ndt（normal distributionstransform，一种用于点云配准的算法）等。这些方法均基于点云的几何约束，通过最小二乘法求解最优解，以计算6自由度定位信息。
2、对于机器人而言，6自由度定位信息通常也称为位姿，即位置与姿态。通常情况下，上面所提的几种配准方法可以满足机器人所需要的实效性和定位精度。然而，在复杂或者退化场景下，这些基于几何约束的定位方法容易出现失效问题，从而导致定位效果不佳。例如，人流密集的场所，或几何特征缺失的公园等。在实际情况中，包含充足且稳定几何约束的场所在真实使用场景中并不多见，反而其它的不利场景占多数。比如清扫车应用在公园、人行道、园区等等。且当前所采用的定位方法大多也并未考虑对地图进行维护。
技术实现思路
1、本专利技术提供了一种地图定位与维护方法、装置、电子设备及存储介质，用于解决或部分解决现有机器人相关定位方法中存在的定位效
2、本专利技术提供了一种地图定位与维护方法，应用于服务机器人，所述方法包括：
3、获取访问区域的原始定位信息；
4、采集所述访问区域的实时环境图像，对所述实时环境图像进行目标检测，以提取实时定位信息，并根据所述原始定位信息与所述实时定位信息进行定位检验；
5、当定位检验通过时，结合多条件定位约束构建联合优化函数，并基于所述联合优化函数对所述实时定位信息进行迭代优化，输出最优定位信息；
6、当满足预设更新条件时，结合所述实时定位信息更新所述访问区域的语义地图；
7、当所述服务机器人完成任务时，结合所述实时定位信息离线更新所述访问区域的激光点云地图。
8、可选地，所述原始定位信息包括所述访问区域的激光点云地图以及三维点云模型，所述对所述实时环境图像进行目标检测，以提取实时定位信息，并根据所述原始定位信息与所述实时定位信息进行定位检验，包括：
9、从所述三维点云模型中提取所述访问区域中各个可识别目标的第一几何特征信息与第一语义信息；
10、通过基于深度学习算法的目标检测对所述实时环境图像进行识别与分割，提取所述访问区域中至少一个当前可识别目标的第二几何特征信息与第二语义信息；
11、对各个所述第二语义信息进行仿射变换，使得变换后的第二语义信息对应匹配所述激光点云地图中语义信息相同的第一语义信息，获得所述服务机器人的初始位姿信息；
12、根据所述初始位姿信息，将各个所述第二几何特征信息投影到所述激光点云地图；
13、基于特征对应关系，匹配所述第一几何特征信息与所述第二几何特征信息，以对所述第一几何特征信息对应的可识别目标与所述第二几何特征信息对应的当前可识别目标进行定位检验。
14、可选地，所述当定位检验通过时，结合多条件定位约束构建联合优化函数，并基于所述联合优化函数对所述实时定位信息进行迭代优化，输出最优定位信息，包括：
15、当定位检验通过时，表征各个所述第二几何特征信息均能匹配到相应的第一几何特征信息；
16、构建几何约束、图像处理约束以及语义约束，并联合所述几何约束、所述图像处理约束以及所述语义约束，构建联合优化函数；
17、采用所述联合优化函数，通过最小二乘法迭代优化所述服务机器人的初始位姿信息，以计算同时满足所述几何约束、所述图像处理约束以及所述语义约束的最优位姿，作为最优定位信息。
18、可选地，所述方法还包括：
19、若定位检验失败，表征存在第二几何特征信息无法匹配到相应的第一几何特征信息，激光点云定位失效，此时将各个所述第一几何特征信息作为本次定位的目标几何特征信息，并将各个所述第一语义信息作为本次定位的目标语义信息。
20、可选地，在每一次定位检验通过后，实时提取的第二语义信息均被暂存至预先构建的语义信息临时缓存区；所述当满足预设更新条件时，结合所述实时定位信息更新所述访问区域的语义地图，包括：
21、在执行任务过程中，实时获取针对所述访问区域的访问次数；
22、当判断所述访问次数大于等于预设访问阈值时，获取截至目前最后一次定位时的图像采集时间以及光照强度；
23、当判断所述光照强度超过所述图像采集时间对应的预设光照强度范围时，基于最后一次定位检验通过时缓存的第二语义信息，更新所述访问区域的语义地图。
24、可选地，在每一次定位检验通过后，实时提取的第二几何特征信息均被暂存至预先构建的点云信息临时缓存区；所述当所述服务机器人完成任务时，结合所述实时定位信息离线更新所述访问区域的激光点云地图，包括：
25、当所述服务机器人完成任务时，采用本次执行任务过程中缓存的多组第二几何特征信息重建激光点云信息，并基于所述激光点云信息重建一个新的激光点云地图；
26、若地图重建失败，则取消更新所述访问区域的激光点云地图；
27、若地图重建成功，则判断新建激光点云地图是否稠密；
28、若是，则采用所述新建激光点云地图与原有的激光点云地图进行比对，并基于比对结果，对原有的激光点云地图进行补充或删减，以更新所述访问区域的激光点云地图。
29、可选地，在通过所述服务机器人执行任务之前，所述方法还包括：
30、通过信息采集设备采集所述访问区域的激光点云数据以及周围环境图像；
31、采用所述激光点云数据，构建所述访问区域的激光点云地图；
32、从所述周围环境图像中提取所述访问区域中每个可识别目标的第一语义信息，并根据各个所述第一语义信息，对所述激光点云地图先分割后聚类，获得各个所述可识别目标各自对应的激光点簇；
33、分别基于各组所述激光点簇进行离线三维重建，最后组合成所述访问区域的三维点云模型。
34、本专利技术还提供了一种地图定位与维护装置，应用于服务机器人，所述装置包括：
35、信息获取模块，用于获取访问区域的原始定位信息；
36、定位检验模块，用于采集所述访问区域的实时环境图像，对所述实时环境图像进行目标检测，以提取实时定位信息，并根据所述原始定位信息与所述实时定位信息进行定位检验；
37、信息输出模块，用于当定位检验通过时，结合多条件定位约束构建联合优化函数，并基于所述联合优化函数对所述本文档来自技高网...
【技术保护点】
1.一种地图定位与维护方法，其特征在于，应用于服务机器人，所述方法包括：
2.根据权利要求1所述的地图定位与维护方法，其特征在于，所述原始定位信息包括所述访问区域的激光点云地图以及三维点云模型，所述对所述实时环境图像进行目标检测，以提取实时定位信息，并根据所述原始定位信息与所述实时定位信息进行定位检验，包括：
3.根据权利要求2所述的地图定位与维护方法，其特征在于，所述当定位检验通过时，结合多条件定位约束构建联合优化函数，并基于所述联合优化函数对所述实时定位信息进行迭代优化，输出最优定位信息，包括：
4.根据权利要求2所述的地图定位与维护方法，其特征在于，还包括：
5.根据权利要求2所述的地图定位与维护方法，其特征在于，在每一次定位检验通过后，实时提取的第二语义信息均被暂存至预先构建的语义信息临时缓存区；所述当满足预设更新条件时，结合所述实时定位信息更新所述访问区域的语义地图，包括：
6.根据权利要求2所述的地图定位与维护方法，其特征在于，在每一次定位检验通过后，实时提取的第二几何特征信息均被暂存至预先构建的点云信息临时
7.根据权利要求2至6任一项所述的地图定位与维护方法，其特征在于，在通过所述服务机器人执行任务之前，所述方法还包括：
8.一种地图定位与维护装置，其特征在于，应用于服务机器人，所述装置包括：
9.一种电子设备，其特征在于，所述设备包括处理器以及存储器：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的地图定位与维护方法。
...【技术特征摘要】
1.一种地图定位与维护方法，其特征在于，应用于服务机器人，所述方法包括：
2.根据权利要求1所述的地图定位与维护方法，其特征在于，所述原始定位信息包括所述访问区域的激光点云地图以及三维点云模型，所述对所述实时环境图像进行目标检测，以提取实时定位信息，并根据所述原始定位信息与所述实时定位信息进行定位检验，包括：
3.根据权利要求2所述的地图定位与维护方法，其特征在于，所述当定位检验通过时，结合多条件定位约束构建联合优化函数，并基于所述联合优化函数对所述实时定位信息进行迭代优化，输出最优定位信息，包括：
4.根据权利要求2所述的地图定位与维护方法，其特征在于，还包括：
5.根据权利要求2所述的地图定位与维护方法，其特征在于，在每一次定位检验通过后，实时提取的第二语义信息均被暂存至预先构建的语义信息临时缓存区；所述当满足预...
【专利技术属性】
技术研发人员：黄彬，周勇，李振，李聪平，李良源，赖志林，
申请(专利权)人：广州赛特智能科技有限公司，
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。