CN114463429B - 机器人、地图创建方法、定位方法及介质 - Google Patents

机器人、地图创建方法、定位方法及介质 Download PDF

Info

Publication number
CN114463429B
CN114463429B CN202210380299.2A CN202210380299A CN114463429B CN 114463429 B CN114463429 B CN 114463429B CN 202210380299 A CN202210380299 A CN 202210380299A CN 114463429 B CN114463429 B CN 114463429B
Authority
CN
China
Prior art keywords
nodes
image
pose
feature points
images
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210380299.2A
Other languages
English (en)
Other versions
CN114463429A (zh
Inventor
龚喜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Pudu Technology Co Ltd
Original Assignee
Shenzhen Pudu Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Pudu Technology Co Ltd filed Critical Shenzhen Pudu Technology Co Ltd
Priority to CN202210380299.2A priority Critical patent/CN114463429B/zh
Publication of CN114463429A publication Critical patent/CN114463429A/zh
Application granted granted Critical
Publication of CN114463429B publication Critical patent/CN114463429B/zh
Priority to PCT/CN2023/087710 priority patent/WO2023198088A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)
  • Manipulator (AREA)

Abstract

本申请涉及一种机器人、地图创建方法和装置、定位方法和装置及介质。该方法包括：通过相机获取当前的第一图像；将第一图像与预存地图进行对比，确定预存地图中与第一图像相似度最高的目标图像，其中，预存地图包括至少两个第二图像、至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和至少两个第二图像中每个第二图像对应的位姿；提取第一图像中的特征点得到多个第一特征点，并将第一特征点和目标图像的特征点进行匹配，确定对应的目标特征点；根据目标特征点在第一图像中的坐标，和与目标特征点相匹配的特征点在三维空间中的坐标信息，得到机器人的第一位姿，从而获得机器人的定位信息。本申请能够提高定位精度和地图创建的精度。

Description

机器人、地图创建方法、定位方法及介质
技术领域
本申请涉及地图技术领域，特别是涉及一种机器人、地图创建方法、定位方法及介质。
背景技术
地图是智能设备进行其他复杂任务的基础，例如导航机器人需要基于所在环境的地图才能实现导航任务。
目前地图可根据传感器的不同分为视觉地图和激光地图。视觉地图是指基于相机采集图像创建的地图，激光地图是指基于激光采集图像创建的地图，视觉地图相比于激光地图，地图特征丰富，用于地图跟踪比激光地图更加稳定。但相机在不同光照条件下，其采集的图像清晰度会受到影响，导致定位精度不高。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高定位的精度的机器人、地图创建方法、定位方法及介质。
第一方面，本申请提供了一种机器人，所述机器人上搭载有相机和定位传感器，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序时实现如下步骤：
通过所述相机获取所述机器人在当前位置对应的第一图像，和通过所述定位传感器获取所述机器人在当前位置对应的当前位姿；
对所述第一图像与预存地图中的图像进行对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿；
对所述第一图像进行特征点提取得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；
根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
第二方面，本申请还提供了一种定位方法，该定位方法包括：
通过相机获取机器人在当前位置对应的第一图像，和通过定位传感器获取所述机器人在当前位置对应的当前位姿；
对所述第一图像与预存地图中的图像进行对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿；
对所述第一图像进行特征点提取得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；
根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
第三方面，本申请还提供了一种机器人，所述机器人上搭载有相机和定位传感器，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序时实现如下步骤：
通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；
对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；
利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；
根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建预存地图。
第四方面，本申请还提供了一种地图创建方法，所述地图创建方法应用于机器人，所述机器人上搭载有相机和定位传感器，所述方法包括：
通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；
对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；
利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；
根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建地图。
第五方面，本申请还提供了一种定位装置，所述装置包括：
第一获取模块，用于通过相机获取机器人在当前位置对应的第一图像，和通过定位传感器获取所述机器人在当前位置对应的当前位姿；
对比模块，用于将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿；
第一特征提取模块，用于对所述第一图像进行特征点提取得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；
定位模块，用于根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
第六方面，本申请还提供了一种地图创建装置，所述装置包括：
第二获取模块，用于通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；
第二特征提取模块，用于对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；
位姿优化模块，用于利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；
地图创建模块，用于根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建地图。
第七方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述地图创建方法或者定位方法的步骤。
第八方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述地图创建方法或者定位方法的步骤。
上述机器人、地图创建方法和装置、定位方法和装置及介质，通过在机器人中预存地图，其中预存的地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿，预存地图主要利用图像中特征点创建，受到光照影响较小，且图像是通过相机拍摄，相对激光地图特征更丰富，因此地图精度高。在定位过程中机器人根据相机获取到的第一图像与预存的地图进行对比，确定预存地图中与第一图像相似度最高的目标图像，然后利用目标图像和第一图像中匹配特征点进行位姿计算，确定机器人自身所在位置，如此在定位过程中采用相机拍摄图像与预存地图中特征点进行位姿计算，利用了相机拍摄图像特征丰富特性，且减少了光线的影响，因此提高了定位精度。
附图说明
图1为一个实施例中定位方法的流程示意图；
图2为一个实施例中地图创建方法的流程示意图；
图3为一个实施例中地图创建和定位方法的流程示意图；
图4为一个实施例中定位装置的结构框图；
图5为一个实施例中地图创建装置的结构框图；
图6为一个实施例中机器人的内部结构图。
具体实施方式
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。
本申请应用于扫地机器人、商场机器人等各种机器人，机器人能够通过图像传感器对某个区域进行建图（地图绘制）。在实际应用中，因相机采集的图像相对于激光图像，相机采集的图像中的特征更丰富，有利于定位的准确性。但相机在采集图像的过程中容易受到光线的影响，从而导致清晰度受到影响。本申请先根据相机获得的图像和根据定位传感器获得机器人的位姿创建地图，然后将创建的地图作为预存地图存储于机器人中，机器人即可根据预存的地图以及在移动过程中拍摄的图像进行定位，定位过程中根据移动过程中相机拍摄的图像和预存地图中的特征点进行匹配，从而减少光线的影响，且利用相机获得的图像以及预存地图均包含丰富特征，因此提高定位的准确性。
在一个实施例中，如图1所示，提供了一种地图创建方法，包括以下步骤：
步骤S110、通过定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像。
本实施例中地图创建方法可以应用于包括获取终端和地图创建终端组成的地图创建系统中，其中获取终端上搭载有相机和定位传感器，定位传感器可以是轮式里程计，也可以是其他传感器，相机用于得到获取终端所处环境的图像，定位传感器可以用于记录获取终端的位姿，位姿可以包括位置和姿态；地图创建终端用于接收获取终端传输的图像、位姿，并根据接收的图像和位姿进行地图的创建，地图创建终端可以为服务器、个人电脑等。
作为另一种实施例，本申请所述的地图创建方法也可以应用于机器人，该机器人上搭载有相机和定位传感器，该机器人能够根据自身相机获取的图像和定位传感器获得的位姿进行地图创建。为方便描述本申请中地图创建方法以应用于机器人为例进行说明。
将机器人放入待创建地图的区域，通过遥控器控制机器人在待创建地图的区域中进行移动，或者机器人按照预存运动规则在待创建地图的区域中进行移动，示例性的，机器人按照直线或者s型路线在待创建地图的区域中进行移动。通过机器人中的定位传感器获取机器人自身在待创建地图区域移动过程中创建的多个节点，获取每个节点的位姿，定义为第二位姿，位姿至少包括位置，在其他实施例中位姿可以包括位置和姿态。机器人在移动过程中创建各个节点可以依照预设规则进行创建，示例性的：根据定位传感器记录的移动距离，每隔预设移动距离则创建一个新的节点；或者可以根据机器人移动的时间间隔创建新的节点，然后在创建节点时，通过定位传感器获取机器的位姿。
在每个节点机器人还通过相机在各节点拍摄所在区域的图像，定义为第二图像。可以理解的，机器人在各节点拍摄的图像一般为机器人正前方的图像，也可以为机器人在各节点拍摄机器人其他方向的图像，或者四周的图像，此处不做限定。
为了保证地图完整创建，机器人创建的节点数量尽可能多，从而使得所有节点对应的图像能够覆盖整个待创建地图区域，示例性的，机器人创建的节点可以均匀分布在待创建地图的区域中；或者机器人创建的节点可以首尾相接连成一个完整的图形，即第一个创建的节点和最后一个创建的节点可以为同一位置所创建，只是创建时间不同，形成首尾相接的移动路径；或者机器人创建的节点可以均匀分布在待创建地图的区域中，且各节点可以连成一个完整的图形。进一步地，为了地图顺利创建，创建时间/创建位置相邻的节点对应的图像包含的图像内容较为近似，即在创建时间/创建位置相邻的节点，机器人拍摄图像的方向相同，或者旋转角度较小（示例性的，两个节点拍摄角度小于5°），从而使得相邻的节点对应的图像中相同特征点较多，这样有利于后续创建流程。
步骤S120、对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点。
本实施例中，机器人在每次创建一节点时，或者在创建所有节点后，或者每隔创建预设数量节点时，机器人则会确定相邻节点对应的图像中特征点的对应关系。具体地，机器人在移动过程中，每次拍摄角度方向接近或者为同一方向，因此相邻节点对应的拍摄的第二图像中相同的像素点较多。在创建一个新的节点后，对每个节点对应的第二图像进行特征点提取，直到将所有节点对应的第二图像进行特征点提取，然后根据相邻节点的第二图像中提取出的特征点中进行匹配，从而确定相邻节点对应的第二图形中特征点的关系。
步骤S130、利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿。
在实际应用中，由于可能存在定位传感器或者相机中其他单元的精度不高的情形，容易导致的地图精度不高，为提高创建地图的准确度，本实施例中根据预设的第一规则对获得的每个节点的第二位姿进行优化，获得创建的各个节点更新后的位姿，定义各个节点更新后的位姿为第三位姿。其中预设的第一规则可以为现有技术中位姿或位姿图优化规则。
步骤S140、根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建地图。
在各个节点的位姿更新后，根据任意相邻节点的第二图像中特征点的对应关系和更新所获得的第三位姿进行地图的创建，示例性的，可以根据任意相邻节点的第二图像中特征点的对应关系和更新所获得的第三位姿利用三角化算法即可计算出各个特征点在三维空间中的位置，然后使用LM算法优化调整三维空间中各个特征点的位置以及每张第二图像的位姿，即可获得带有尺度的地图，完成地图的创建。地图创建完成后将创建的地图进行保存，或者发送到服务器保存，从而方便其他设备可以从服务器获取该区域的地图进行使用。进一步地，为方便后续使用，保存的地图中可以包括各个特征点和特征点之间存在的关系。
本实施例中，通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；对所有第二图像中每个第二图像进行特征点提取，获得所述所有第二图像的特征点，并确定至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；利用预设第一规则对所述至少两个位姿节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；根据任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建地图。这样，本申请中机器人获取自身在待创建地图区域移动过程中创建的节点的位姿以及通过相机获得各节点的图像，从而利用相机获得地图特征相对激光更丰富的图像，然后提取图像中的特征点，减少了光照对图像的影响，能够获得精度更高的地图，进而为前他设备在该区域进行定位提高定位的准确性和精度奠定基础。
在一个实施例中，基于上述实施例，所述对所有第二图像进行特征点提取，获得所述所有第二图像的特征点，包括：
对所述所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的第二特征点；
按照预设角度旋转所述所有第二图像，获得所述所有第二图像中每个第二图像对应的旋转图像；
对所有旋转图像进行特征点提取，获得所述所有旋转图像中每个旋转图像的第三特征点，所述第二图像的特征点包括所述第二特征点和所述第三特征点。
对应的，所述确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，包括：
确定所述至少两个节点中任意相邻节点的第二图像的第二特征点的第一对应关系，以及所述至少两个节点中任意相邻节点的第二图像对应的旋转图像的第三特征点的第二对应关系，所述至少两个节点中任意相邻节点的第一图像中特征点的对应关系包括第一对应关系和第二对应关系。
具体地，为了进一步提高定位的精度，在本实施例中，获得第二图像中像素点的过程可以包括：对获得的第二图像进行两次特征点的获取：第一次，对每个第二图像的原图进行特征点的提取，此次将提取的特征点定义为第二特征点；第二次将所有的第二图像进行旋转后，获得各第二图像旋转后的图像，定义为旋转图像，然后对各旋转图像进行特征点的提取，此次将提取的特征点定义为第三特征点，示例性的，可以将第二图像旋转180度，获得旋转图像。
如此获得每张第二图像的第二特征点和第三特征点，根据第二图像原图确定相连的两张第二图像中第二特征点之间的关系（定义为第一对应关系），并且根据相邻两张第二图像对应的旋转图像确定相邻旋转图像中第三特征点之间的关系（第二对应关系），示例性的：相邻的第二图像为A1和A2，图像A1中包括特征点a11、a12、a13，图像A2中包括特征点a21、a22、a23，则确定a11、a12、a13分别与a21、a22、a23的对应关系。相邻的第二图像为A1和A2，第二图像A1 和A2分别对应的旋转图像为B1和B2，图像B1中包括特征点b11、b12、b13，图像B2中包括特征点b21、b22、b23，则确定b11、b12、b13分别与b21、b22、b23的对应关系。
本实施例中根据获取的第二图像进行旋转，获取每个第二图像原始图像和旋转图像中的特征点，能够增加图像中特征点的数量，从而为后续步骤提供更多的特征点进行计算，从而提高计算结果的准确性，进而为提高地图的精度奠定基础。
进一步，为了提高定位的精度，获取第二图像中像素点可以包括：获取第二图像中的尺度不变特征变换SIFT特征点。SIFT特征点通过SIFT算法实现，该SIFT算法的实质是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。SIFT所提取到的关键点是一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。如此也能够提高了地图的精度。
作为一种实施例，基于上述实施例，所述利用预设第一规则对所述第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，包括：
根据相邻节点的第一对应关系、第二对应关系以及相邻节点的第二位姿确定相邻节点的第二位姿的对应关系；
根据相邻节点的第二位姿的对应关系和第二位姿对所述第二位姿进行优化，获得相邻节点中每个节点的第三位姿。
本实施例中利用相邻节点的第一对应关系、第二对应关系可计算出对相邻第二图像的拍摄点（成像点）的对应关系，具体地，根据相邻的两张二维图像、相邻节点中特征点的第一对应关系、第二对应关系可以确定三维图像，该三维图像中特征点，以及三维空间中特征点在相邻第二图像中拍摄点（成像点）的对应关系，即可以根据第一对应关系、第二对应关系可计算出对相邻节点的第二位姿的对应关系，从而优化各节点的第二位姿，获得各节点优化后的第二位姿，定义优化后的位姿为第三位姿。本实施例中使用了第二图像原图和旋转图像中的特征点，特征点数量相对单一原图中特征点数量多，因此能够提高各节点的拍摄点（成像点）的精度，为提高地图精度奠定基础。
作为一种实施例，所述利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，包括：
根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，并判断所述总残差是否处于预设残差范围内；
若所述总残差不处于预设残差范围内，利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，以使得优化后根据至少两个节点中每个节点的第三位姿计算得到的所述所有节点的总残差处于预设残差范围内。
其中，所述根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，包括：
利用所述至少两个节点中任意相邻节点的第二位姿计算得到所述至少两个节点中任意相邻节点第二位姿的逆矩阵；
通过所述至少两个节点中任意相邻节点第二位姿的逆矩阵计算得到所述至少两个节点中任意相邻节点之间的测量值；
根据所述至少两个节点中任意相邻节点之间的测量值计算得到所述至少两个节点中任意相邻节点之间的残差；
根据所述至少两个节点中任意相邻节点之间的残差，计算得到所有节点的总残差。
本实施例中为了提高地图的精度，还对所有节点的第三位姿（各节点的成像点）进行优化，具体地，先计算相邻节点的第二位姿的逆矩阵，然后根据相邻节点的第二位姿的逆矩阵计算相邻节点的第二图像之间的测量值，该测量值根据相邻节点的第二图像的第三位姿和第三位姿的逆矩阵计算获得，示例性的，相邻节点的第二图像分别为A1和A2，图像A1和A2之间的测量值dT measure= T2w * T1w，其中Tw1为图像A1的位姿，T1w为Tw1的逆矩阵； Tw2为图像A2的位姿，T2w 为Tw2的逆矩阵。再根据相邻节点之间的测量值计算相邻节点之间的残差，示例性的，相邻节点之间的残差为Err，Err= Log(T1w*Tw2 * dTmeasure)，其中Log：表示矩阵到向量的映射。最后根据相邻节点的残差计算所有节点的总残差，即将所有相邻节点的残差求和获得所有节点的总残差，根据所有节点的总残差判断总残差是否在预设范围内，若不在预设范围内，通过预设算法（示例性的，预设算法可以为LM算法）调整一个或者多个节点的Tw1 和Tw2的值，然后重复上述步骤，即重新计算相邻节点的第二图像之间的测量值，并根据测量值计算所有节点的总残差。直到所有节点的总残差处于预设范围后，将对应的各个节点的位姿作为各节点更新后的位姿，即第三位姿。
作为一种实施例，所述计算得到所有节点的总残差之前，还包括：
根据所述节点的第二图像确定是否存在所述机器人处于同一位置拍摄的图像；
若存在，则执行步骤：计算所有节点的总残差。
计算总残差需要获得所有的节点，在计算总残差之前机器人的启动条件可以为：确定是否获得了待创建地图区域中规划的所有节点的数据（所有节点的位姿和第二图像）。本实施例中，通过判断是否存在同一位置拍摄的图像作为是否获得了待创建地图区域中规划的所有节点的数据的依据。具体地，在获得各节点的图像后，判断是否存在同一位置的图像，即判断是否存在基本相同的图像（相似度接近100%的两张图像说明两张图像基本相同）。示例性的，判断是否存在基本相同的图像可以通过词带模型进行搜索判断，即可以通过词带模型在所有获得的图像搜索是否存在基本相同的两张图像，若存在，说明两个图像的拍摄点（成像点）相同，然后再计算所有节点的总残差，再计算时，同一位置拍摄的多张图像只使用其中一张图像进行计算，同一位置拍摄的其他图像则不参与计算。作为另一种实施例，也可能将同一位置的节点的图像都采用上述方式进行计算。
作为一种实施例，所述根据任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建地图，包括：
根据所述至少两个节点中任意相邻节点的第三位姿和所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，通过三角化算法计算得到所述至少两个节点中任意相邻节点的第二图像中特征点在三维空间中的坐标信息；
通过预设迭代算法对所有第二图像中特征点的坐标信息、所述至少两个节点中每个节点的第三位姿进行优化，得到优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿；
将所述所有第二图像、优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿得到对应的预存地图。
具体地，创建地图的过程可以包括：根据任意相邻节点的第三位姿和任意相邻节点的第一图像中特征点的对应关系，计算获得该相邻节点的图像中特征点在三维空间中的位置，然后根据特征点的在三维空间的位置和第三位姿则可以构成带有尺度的地图。示例性的，可以根据所述第三位姿和第三位姿对应的第一图像通过三角化算法计算第一图像中特征点在三维空间中的位置；进一步地，根据特征点的在三维空间的位置和第三位姿通过迭代算法进行优化，迭代算法可以为LM算法，获得优化后的所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿，再基于将所述所有第二图像、优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿得到对应的预存地图。作为一种实施例，第三位姿的优化还可以根据上述实施例中优化后的第二位姿和定位传感器提供的位姿进行优化所获得。
在一个实施例中，如图2所示，本申请实施例还提供了一种定位方法，该方法包括：
步骤S210、通过所述相机获取所述机器人在当前位置对应的第一图像；
本实施例中所述的定位方法可以应用于任意定位设备，比如清洁机器人、导航机器人等，该定位设备中搭载有相机和定位传感器。以机器人为例进行说明，在定位过程中，先通过机器人上的相机获得机器人所在位姿的图像，定义为第一图像。
步骤S220、将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿。
然后将第一图像和预存的地图中的图像进行相似度对比，确定预存地图中与第一图像相似度最高的图像，定义为目标图像，其中预存的地图由所述机器人根据至少两个节点的位姿以及所述至少两个节点的位姿中每个节点对应的第二图像进行特征点提取，并根据特征点进行位姿优化后所创建，即该预存的地图为上述地图创建方法中各个实施例所创建的地图，该预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿（上述地图创建方法中各个实施例中所述的第三位姿）。示例性的，可以通过词带模型（DBOW）将第一图像和预存的地图中图像进行相似度对比，从而在预测地图中确定与第一图像最相似的目标图像。
步骤S230、提取所述第一图像中的特征点得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点。
将第一图像和目标图像进行特征点的提取，将第一图像和目标图像中的特征点进行匹配，确定第一图像和目标图像中匹配的特征点，具体地，利用图像特征点匹配技术，对第一图像和目标图像中特征点进行匹配，从而确定第一图像和目标图像中匹配的特征点。
步骤S240、根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
根据目标图像中与第一图像匹配的特征点即可计算出拍摄第一图像的成像点，作为机器人拍摄第一图像的位姿，该位姿即为机器人的定位信息。具体地，通过目标图像中与第一图像匹配的特征点的三维坐标对第一图像中与目标图像匹配的特征点的三维坐标，然后将获得的第一图像中特征点的三维坐标作为PnP算法的输入，计算出第一图像的拍摄位置在视觉地图中的位姿，即获得机器人的定位信息。
本实施例中，通过所述相机获取所述机器人在当前位置对应的第一图像，和通过所述定位传感器获取所述机器人在当前位置对应的当前位姿；将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿；提取所述第一图像中的特征点得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。通过上述方式，本申请中预存地图根据至少两个节点的位姿以及所述至少两个节点的位姿中每个节点对应的第二图像进行特征点提取，并根据特征点进行位姿优化后所创建，预存地图主要利用图像中特征点创建，受到光照影响较小，且图像是通过相机拍摄，相对激光地图特征更丰富，因此地图精度高。在定位过程中根据相机获取到的第一图像与预存的地图进行对比，确定预存地图中与第一图像相似度最高的目标图像，然后利用目标图像和第一图像中匹配特征点进行位姿计算，确定机器人所在位置，也就是说在定位过程中采用相机拍摄图像与预存地图中特征点进行位姿计算，利用了相机拍摄图像特征丰富特性，且减少了光线的影响，因此提高了定位精度。
基于上述实施例，在一实施例中，所述提取所述第一图像中的特征点得到多个第一特征点，包括：
对所述第一图像进行直方图均衡化，获得对应的第一直方图；
所述第一直方图中的特征点得到多个第一特征点。
为了减少光照对图像的影响，进而影响定位的精度，本实施例中，先对第一图像进行直方图均衡化，获得对应的第一直方图，然后提取第一直方图和目标图像中的特征点。
基于上述实施例，于，所述机器人上还搭载有定位传感器，将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像之前，所述处理器用于执行所述计算机程序时实现如下步骤：
通过所述定位传感器获取所述机器人在当前位置对应的当前位姿，所述当前位姿包括所述机器人在当前位置的坐标信息；
所述将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，包括：
在所述预存地图中确定与所述当前位姿中坐标信息对应的目标位置；
将所述第一图像与所述预存地图中以所述目标位置为中心的预设范围内图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像。
本实施例中，机器人上搭载有定位传感器，作为一种实施例，在获取第一图像时，还通过定位传感器获取机器人的当前位姿，该当前位姿包括所述机器人在当前位置的坐标信息。具体实施中，通过定位传感器获取机器人的当前位姿只需要在将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像之前执行即可。
此时在将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像的过程即可包括：先在预存地图中确定与当前位姿中坐标信息对应的位置，定义为目标位置，然后以目标位置为中心，半径为预设半径的范围得到目标范围，在预存地图中筛选目标范围的图像作为候选图像，其中，候选图像对应的位姿中的坐标位于目标范围内，最后，在候选图像中查找到与第一图像相似度最高的目标图像，这样在对比过程中，则不需要将第一图像与预存地图中所有图像进行对比，仅需要利用第一图像与候选图像进行相似度比对，则可从候选图像中查找到与第一图像相似度最高的目标图像，通过该方式则能够快速在预存地图中确定与第一图像相似度最高的目标图像。示例性的，通过定位传感器记录机器人在预存地图中对应区域中运动的坐标（比如记录机器人在区域中运动的距离和方向，则可以对应获得机器人在该区域的坐标），根据该坐标则可以确定机器人在预存地图中的大概位置（比如在预存地图中坐标对应位置的5m范围内），因此直接将获得的第一图像与确定大概位置进行对比，即可快速确定预存地图中与第一图像相似度最高的目标图像。
基于上述实施例，在一实施例中，所述根据所述第一位姿获得所述机器人的定位信息，包括：
对所述当前位姿和第一位姿进行融合处理得到融合位姿，将所述融合位姿作为所述机器人的定位信息。
本实施例中，机器人上搭载有定位传感器，在获取第一图像时，还通过定位传感器获取机器人的当前位姿。在计算出机器人的第一位姿后，根据当前位姿和第一位姿，将所述当前位姿和第一位姿进行融合处理得到融合位姿，将融合位姿作为所述机器人的定位信息进行输出。当前位姿和第一位姿可以采用扩展卡尔曼滤波技术进行融合，也就采用其他技术进行融合，此处不做限定。
因定位传感器输入位姿的频率为Q，通过上述方式计算机器人的第一位姿的频率为P，计算P需要经过多个步骤进行，则Q会远远大于P，因此本申请中根据定位传感器的当前位姿和计算出机器人在预测地图中第一位姿，将当前位姿和第一位姿进行融合，后续则可以根据定位传感器获得的位姿进行定位信息的输出，从而可以大大提高定位信息输出的频率。
作为一种实施例，上述定位方法和地图创建方法可以在不同的设备中运行，也可以在同一设备中运行，在同一设备（以设备为机器人为例进行说明）中运行的过程可以包括：控制机器人在待创建地图的区域内沿预设路径进行移动，机器人中的相机按预设时间间隔对机器人所在环境进行拍照获得相应的多张第二图像，机器人中的里程计按预设时间间隔获取机器人的多个第二位姿，每个第二位姿和一张第二图像对应。为保证创建地图的完整，预设路径可以为一个首尾相连的图形。获取多张第二图像后，对每张第二图像进行特征点提取，将任意相邻的两张第二图像中特征点进行匹配，确定任意相邻的两张第二图像中特征点的对应关系，如图3所示。利用第二位姿判断机器人是否走完了预设路径，具体通过判断是否存在基本相同的图像（相似度接近100%的两张图像说明两张图像基本相同）来判断机器人是否走完了预设路径。在机器人走完了预设路径后，则利用第二图像中特征点以及相邻第二图像中特征点的对应关系对所有第二图像进行位姿优化，然后根据相邻第二图像中特征点的对应关系确定各特征点在三维空间中的位置，最后根据各特征点在三维空间中的位置以及优化后的各第二图像对应的位姿创建带有尺度的地图。地图创建完成后，则将创建的地图保存至机器人中，机器人则可以使用保存的地图进行定位，具体地，机器人获取所在位置的图像，记为第一图像。将第一图像和保存的地图进行对比，找到地图中与第一图像相似度最高的图像，定义地图中与第一图像相似度最高的图像为目标图像，然后对目标图像和第一图像进行特征点提取，并将第一图像和目标图像中的特征点进行匹配，确定第一图像和目标图像中匹配的特征点。最后根据目标图像中与第一图像匹配的特征点即可计算出拍摄第一图像的成像点，作为机器人拍摄第一图像的位姿，该位姿即为机器人的定位信息，从而实现定位。本实施例中各实现的具体过程与上述定位方法、地图创建方法相同，此处不多做赘述。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的定位方法的定位装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个预约管理装置实施例中的具体限定可以参见上文中对于定位方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种定位装置，包括：
第一获取模块410，用于通过相机获取当前位姿对应的第一图像；
对比模块420，用于将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿；
第一特征提取模块430，用于对所述第一图像进行特征点提取得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；
定位模块440，用于根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
其中，第一特征提取模块430，还用于：
对所述第一图像进行直方图均衡化，获得对应的第一直方图；
对所述第一直方图进行特征点提取得到多个第一特征点。
其中，该定位装置还包括：
位姿获取模块（图未示），用于通过所述定位传感器获取所述机器人在当前位置对应的当前位姿，所述当前位姿包括所述机器人在当前位置的坐标信息；
对比模块420，还用于：
在所述预存地图中确定与所述当前位姿中坐标信息对应的目标位置；
将所述第一图像与所述预存地图中以所述目标位置为中心的预设范围内图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像。
其中，定位模块440，用于：对所述当前位姿和第一位姿进行融合处理得到融合位姿，将所述融合位姿作为所述机器人的定位信息。
在一个实施例中，如图5所示，提供了一种地图创建装置，包括：
第二获取模块510，用于通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；
第二特征提取模块520，用于对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；
位姿优化模块530，用于利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；
地图创建模块540，用于根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建预存地图。
其中，第二特征提取模块520，还用于：
对所述所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的第二特征点；
按照预设角度旋转所述所有第二图像，获得所述所有第二图像中每个第三图像对应的旋转图像；
对所有旋转图像进行特征点提取，获得所述所有旋转图像中每个旋转图像的第二特征点，所述第二图像的特征点包括所述第一特征点和所述第二特征点。
其中，第二特征提取模块520还用于确定所述至少两个节点中任意相邻节点的第二图像的第一特征点的第一对应关系，以及所述至少两个节点中任意相邻节点的第二图像对应的旋转图像的第二特征点的第二对应关系，所述至少两个节点中任意相邻节点的第一图像中特征点的对应关系包括第一对应关系和第二对应关系
其中，位姿优化模块530，还用于：
根据相邻节点的第一对应关系、第二对应关系以及相邻节点的第二位姿确定相邻节点的第二位姿的对应关系；
根据相邻节点的第二位姿的对应关系和第二位姿对所述第二位姿进行优化，获得相邻节点中每个节点的第三位姿。
其中，位姿优化模块530，还用于：
根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，并判断所述总残差是否处于预设残差范围内；
若所述总残差不处于预设残差范围内，利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，以使得优化后根据至少两个节点中每个节点的第三位姿计算得到的所述所有节点的总残差处于预设残差范围内。
其中，位姿优化模块530，还用于：
利用所述至少两个节点中任意相邻节点的第二位姿计算得到所述至少两个节点中任意相邻节点第二位姿的逆矩阵；
通过所述至少两个节点中任意相邻节点第二位姿的逆矩阵计算得到所述至少两个节点中任意相邻节点之间的测量值；
根据所述至少两个节点中任意相邻节点之间的测量值计算得到所述至少两个节点中任意相邻节点之间的残差；
根据所述至少两个节点中任意相邻节点之间的残差，计算得到所有节点的总残差。
其中，地图创建装置，还包括：
确定模块（图未示），用于根据所述节点的第二图像确定是否存在所述机器人处于同一位置拍摄的图像；
位姿优化模块530，还用于若存在，则执行步骤：计算所有节点的总残差。
其中，地图创建模块，还用于：
根据所述至少两个节点中任意相邻节点的第三位姿和所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，通过三角化算法计算得到所述至少两个节点中任意相邻节点的第二图像中特征点在三维空间中的坐标信息；
通过预设迭代算法对所有第二图像中特征点的坐标信息、所述至少两个节点中每个节点的第三位姿进行优化，得到优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿；
将所述所有第二图像、优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿得到对应的预存地图。
上述预约管理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种机器人，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、通信接口、相机和定位传感器。其中，定位传感器具体可为轮式里程计，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种定位方法或者地图创建方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种机器人，所述机器人上搭载有相机，该处理器执行计算机程序时实现定位方法时，实现以下步骤：
通过所述相机获取所述机器人在当前位置对应的第一图像；
将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿；
对所述第一图像进行特征点提取得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；
根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
其中，所述对所述第一图像进行特征点提取得到多个第一特征点，包括：
对所述第一图像进行直方图均衡化，获得对应的第一直方图；
对所述第一直方图进行特征点提取得到多个第一特征点。
其中，所述机器人上还搭载有定位传感器，将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像之前，所述处理器用于执行所述计算机程序时实现如下步骤：
通过所述定位传感器获取所述机器人在当前位置对应的当前位姿，所述当前位姿包括所述机器人在当前位置的坐标信息；
所述将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，包括：
在所述预存地图中确定与所述当前位姿中坐标信息对应的目标位置；
将所述第一图像与所述预存地图中以所述目标位置为中心的预设范围内图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像。
其中，所述根据所述第一位姿获得所述机器人的定位信息，包括：
对所述当前位姿和第一位姿进行融合处理得到融合位姿，将所述融合位姿作为所述机器人的定位信息。
在一个实施例中，提供了一种机器人，机器人上搭载有相机和定位传感器，该处理器执行计算机程序时实现地图创建方法时，实现以下步骤：
通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；
对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；
利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；
根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建预存地图。
其中，所述对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，包括：
对所述所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的第二特征点；
按照预设角度旋转所述所有第二图像，获得所述所有第二图像中每个第二图像对应的旋转图像；
对所有旋转图像进行特征点提取，获得所述所有旋转图像中每个旋转图像的第三特征点，所述第二图像的特征点包括所述第二特征点和所述第三特征点。
其中，所述确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，包括：
确定所述至少两个节点中任意相邻节点的第二图像的第二特征点的第一对应关系，以及所述至少两个节点中任意相邻节点的第二图像对应的旋转图像的第三特征点的第二对应关系，所述至少两个节点中任意相邻节点的第一图像中特征点的对应关系包括第一对应关系和第二对应关系。
其中，所述利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，包括：
根据相邻节点的第一对应关系、第二对应关系以及相邻节点的第二位姿确定相邻节点的第二位姿的对应关系；
根据相邻节点的第二位姿的对应关系和第二位姿对所述第二位姿进行优化，获得相邻节点中每个节点的第三位姿。
其中，所述利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，包括：
根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，并判断所述总残差是否处于预设残差范围内；
若所述总残差不处于预设残差范围内，利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，以使得优化后根据至少两个节点中每个节点的第三位姿计算得到的所述所有节点的总残差处于预设残差范围内。
其中，所述根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，包括：
利用所述至少两个节点中任意相邻节点的第二位姿计算得到所述至少两个节点中任意相邻节点第二位姿的逆矩阵；
通过所述至少两个节点中任意相邻节点第二位姿的逆矩阵计算得到所述至少两个节点中任意相邻节点之间的测量值；
根据所述至少两个节点中任意相邻节点之间的测量值计算得到所述至少两个节点中任意相邻节点之间的残差；
根据所述至少两个节点中任意相邻节点之间的残差，计算得到所有节点的总残差。
其中，所述计算所有节点的总残差之前，还包括：
根据所述节点的第二图像确定是否存在所述机器人处于同一位置拍摄的图像；
若存在，则执行步骤：计算所有节点的总残差。
其中，所述根据至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建预存地图，包括：
根据所述至少两个节点中任意相邻节点的第三位姿和所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，通过三角化算法计算得到所述至少两个节点中任意相邻节点的第二图像中特征点在三维空间中的坐标信息；
通过预设迭代算法对所有第二图像中特征点的坐标信息、所述至少两个节点中每个节点的第三位姿进行优化，得到优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿；
将所述所有第二图像、优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿得到对应的预存地图。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；
对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；
利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；
根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建预存地图。
其中，所述对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，包括：
对所述所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的第二特征点；
按照预设角度旋转所述所有第二图像，获得所述所有第二图像中每个第二图像对应的旋转图像；
对所有旋转图像进行特征点提取，获得所述所有旋转图像中每个旋转图像的第三特征点，所述第二图像的特征点包括所述第二特征点和所述第三特征点。
其中，所述确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，包括：
确定所述至少两个节点中任意相邻节点的第二图像的第二特征点的第一对应关系，以及所述至少两个节点中任意相邻节点的第二图像对应的旋转图像的第三特征点的第二对应关系，所述至少两个节点中任意相邻节点的第一图像中特征点的对应关系包括第一对应关系和第二对应关系。
其中，所述利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，包括：
根据相邻节点的第一对应关系、第二对应关系以及相邻节点的第二位姿确定相邻节点的第二位姿的对应关系；
根据相邻节点的第二位姿的对应关系和第二位姿对所述第二位姿进行优化，获得相邻节点中每个节点的第三位姿。
其中，所述利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，包括：
根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，并判断所述总残差是否处于预设残差范围内；
若所述总残差不处于预设残差范围内，利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，以使得优化后根据至少两个节点中每个节点的第三位姿计算得到的所述所有节点的总残差处于预设残差范围内。
其中，所述根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，包括：
利用所述至少两个节点中任意相邻节点的第二位姿计算得到所述至少两个节点中任意相邻节点第二位姿的逆矩阵；
通过所述至少两个节点中任意相邻节点第二位姿的逆矩阵计算得到所述至少两个节点中任意相邻节点之间的测量值；
根据所述至少两个节点中任意相邻节点之间的测量值计算得到所述至少两个节点中任意相邻节点之间的残差；
根据所述至少两个节点中任意相邻节点之间的残差，计算得到所有节点的总残差。
其中，所述计算所有节点的总残差之前，还包括：
根据所述节点的第二图像确定是否存在所述机器人处于同一位置拍摄的图像；
若存在，则执行步骤：计算所有节点的总残差。
其中，所述根据至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建预存地图，包括：
根据所述至少两个节点中任意相邻节点的第三位姿和所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，通过三角化算法计算得到所述至少两个节点中任意相邻节点的第二图像中特征点在三维空间中的坐标信息；
通过预设迭代算法对所有第二图像中特征点的坐标信息、所述至少两个节点中每个节点的第三位姿进行优化，得到优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿；
将所述所有第二图像、优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿得到对应的预存地图。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
通过所述相机获取所述机器人在当前位置对应的第一图像；
将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿；
对所述第一图像进行特征点提取得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；
根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
其中，所述对所述第一图像进行特征点提取得到多个第一特征点，包括：
对所述第一图像进行直方图均衡化，获得对应的第一直方图；
对所述第一直方图进行特征点提取得到多个第一特征点。
其中，所述机器人上还搭载有定位传感器，将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像之前，所述处理器用于执行所述计算机程序时实现如下步骤：
通过所述定位传感器获取所述机器人在当前位置对应的当前位姿，所述当前位姿包括所述机器人在当前位置的坐标信息；
所述将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，包括：
在所述预存地图中确定与所述当前位姿中坐标信息对应的目标位置；
将所述第一图像与所述预存地图中以所述目标位置为中心的预设范围内图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像。
其中，所述根据所述第一位姿获得所述机器人的定位信息，包括：
对所述当前位姿和第一位姿进行融合处理得到融合位姿，将所述融合位姿作为所述机器人的定位信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (15)

1.一种机器人，所述机器人上搭载有相机，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序时实现如下步骤：
通过所述相机获取所述机器人在当前位置对应的第一图像；
将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿，所述至少两个第二图像为机器人在创建时间相邻的至少两个节点所获取的图像；
对所述第一图像进行特征点提取得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；
根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
2.根据权利要求1所述的机器人，其特征在于，所述对所述第一图像进行特征点提取得到多个第一特征点，包括：
对所述第一图像进行直方图均衡化，获得对应的第一直方图；
对所述第一直方图进行特征点提取得到所述多个第一特征点。
3.根据权利要求1所述的机器人，其特征在于，所述机器人上还搭载有定位传感器，将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像之前，所述处理器用于执行所述计算机程序时实现如下步骤：
通过所述定位传感器获取所述机器人在当前位置对应的当前位姿，所述当前位姿包括所述机器人在当前位置的坐标信息；
所述将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，包括：
在所述预存地图中确定与所述当前位姿中坐标信息对应的目标位置；
将所述第一图像与所述预存地图中以所述目标位置为中心的预设范围内图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像。
4.根据权利要求3所述的机器人，其特征在于，所述根据所述第一位姿获得所述机器人的定位信息，包括：
对所述当前位姿和第一位姿进行融合处理得到融合位姿，将所述融合位姿作为所述机器人的定位信息。
5.一种定位方法，其特征在于，所述定位方法包括：
通过相机获取机器人在当前位置对应的第一图像；
将所述第一图像与预存地图中的图像进行相似度对比，确定所述预存地图中与所述第一图像相似度最高的目标图像，其中，所述预存地图包括至少两个第二图像、所述至少两个第二图像中每个第二图像的特征点在三维空间中的坐标信息和所述至少两个第二图像中每个第二图像对应的位姿，所述至少两个第二图像为机器人在创建时间相邻的至少两个节点所获取的图像；
对所述第一图像进行特征点提取得到多个第一特征点，并将所述多个第一特征点和所述目标图像的特征点进行特征点匹配，确定所述多个第一特征点中与所述目标图像的特征点相匹配的目标特征点；
根据所述目标特征点在所述第一图像中的坐标，和与所述目标特征点相匹配的特征点在所述三维空间中的坐标信息，计算得到所述机器人的第一位姿，并根据所述第一位姿获得所述机器人的定位信息。
6.一种机器人，所述机器人上搭载有相机和定位传感器，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序时实现如下步骤：
通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；
对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；
利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；
根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建预存地图。
7.根据权利要求6所述的机器人，其特征在于，所述对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，包括：
对所述所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的第二特征点；
按照预设角度旋转所述所有第二图像，获得所述所有第二图像中每个第二图像对应的旋转图像；
对所有旋转图像进行特征点提取，获得所述所有旋转图像中每个旋转图像的第三特征点，所述第二图像的特征点包括所述第二特征点和所述第三特征点。
8.根据权利要求7所述的机器人，其特征在于，所述确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，包括：
确定所述至少两个节点中任意相邻节点的第二图像的第二特征点的第一对应关系，以及所述至少两个节点中任意相邻节点的第二图像对应的旋转图像的第三特征点的第二对应关系，所述至少两个节点中任意相邻节点的第一图像中特征点的对应关系包括第一对应关系和第二对应关系。
9.根据权利要求8所述的机器人，其特征在于，所述利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，包括：
根据相邻节点的第一对应关系、第二对应关系以及相邻节点的第二位姿确定相邻节点的第二位姿的对应关系；
根据相邻节点的第二位姿的对应关系和第二位姿对所述第二位姿进行优化，获得相邻节点中每个节点的第三位姿。
10.根据权利要求6所述的机器人，其特征在于，所述利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，包括：
根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，并判断所述总残差是否处于预设残差范围内；
若所述总残差不处于预设残差范围内，利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿，以使得优化后根据至少两个节点中每个节点的第三位姿计算得到的所述所有节点的总残差处于预设残差范围内。
11.根据权利要求10所述的机器人，其特征在于，所述根据所述至少两个节点中每个节点的第二位姿，计算得到所有节点的总残差，包括：
利用所述至少两个节点中任意相邻节点的第二位姿计算得到所述至少两个节点中任意相邻节点第二位姿的逆矩阵；
通过所述至少两个节点中任意相邻节点第二位姿的逆矩阵计算得到所述至少两个节点中任意相邻节点之间的测量值；
根据所述至少两个节点中任意相邻节点之间的测量值计算得到所述至少两个节点中任意相邻节点之间的残差；
根据所述至少两个节点中任意相邻节点之间的残差，计算得到所有节点的总残差。
12.根据权利要求10所述的机器人，其特征在于，所述计算得到所有节点的总残差之前，所述处理器还用于执行所述计算机程序时实现如下步骤：
根据所述节点的第二图像确定是否存在所述机器人处于同一位置拍摄的图像；
若存在，则执行步骤：计算所有节点的总残差。
13.根据权利要求6所述的机器人，其特征在于，所述根据至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建预存地图，包括：
根据所述至少两个节点中任意相邻节点的第三位姿和所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，通过三角化算法计算得到所述至少两个节点中任意相邻节点的第二图像中特征点在三维空间中的坐标信息；
通过预设迭代算法对所有第二图像中特征点的坐标信息、所述至少两个节点中每个节点的第三位姿进行优化，得到优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿；
将所述所有第二图像、优化后的所述所有第二图像中特征点的坐标信息和优化后的所述至少两个节点中每个节点的第三位姿得到对应的预存地图。
14.一种地图创建方法，其特征在于，所述地图创建方法应用于机器人，所述机器人上搭载有相机和定位传感器，所述方法包括：
通过所述定位传感器获取所述机器人在待创建地图区域移动过程中创建的至少两个节点中每个节点的第二位姿，和通过所述相机获取所述至少两个节点中每个节点对应的第二图像；
对所有第二图像进行特征点提取，获得所述所有第二图像中每个第二图像的特征点，并确定所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系，其中所述相邻节点为所述至少两个节点中创建时间相邻的两个节点；
利用预设第一规则对所述至少两个节点中每个节点的第二位姿进行优化，获得所述至少两个节点中每个节点的第三位姿；
根据所述至少两个节点中任意相邻节点的第二图像中特征点的对应关系和所述至少两个节点中每个节点的第三位姿创建地图。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求5或者14所述的方法的步骤。
CN202210380299.2A 2022-04-12 2022-04-12 机器人、地图创建方法、定位方法及介质 Active CN114463429B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210380299.2A CN114463429B (zh) 2022-04-12 2022-04-12 机器人、地图创建方法、定位方法及介质
PCT/CN2023/087710 WO2023198088A1 (zh) 2022-04-12 2023-04-12 机器人的位姿确定方法、装置、机器人以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210380299.2A CN114463429B (zh) 2022-04-12 2022-04-12 机器人、地图创建方法、定位方法及介质

Publications (2)

Publication Number Publication Date
CN114463429A CN114463429A (zh) 2022-05-10
CN114463429B true CN114463429B (zh) 2022-08-16

Family

ID=81418412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210380299.2A Active CN114463429B (zh) 2022-04-12 2022-04-12 机器人、地图创建方法、定位方法及介质

Country Status (1)

Country Link
CN (1) CN114463429B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023198088A1 (zh) * 2022-04-12 2023-10-19 深圳市普渡科技有限公司 机器人的位姿确定方法、装置、机器人以及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021004416A1 (zh) * 2019-07-05 2021-01-14 杭州海康机器人技术有限公司 一种基于视觉信标建立信标地图的方法、装置
WO2021035966A1 (zh) * 2019-08-30 2021-03-04 浙江商汤科技开发有限公司 视觉定位方法及相关装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485744B (zh) * 2016-10-10 2019-08-20 成都弥知科技有限公司 一种同步定位与地图构建方法
CN111489393B (zh) * 2019-01-28 2023-06-02 速感科技（北京）有限公司 Vslam方法、控制器和可移动设备
CN113835422B (zh) * 2020-06-08 2023-09-29 杭州海康机器人股份有限公司 一种视觉地图构建方法和移动机器人
CN113470121B (zh) * 2021-09-06 2021-12-28 深圳市普渡科技有限公司 自主移动平台、外参优化方法、装置及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021004416A1 (zh) * 2019-07-05 2021-01-14 杭州海康机器人技术有限公司 一种基于视觉信标建立信标地图的方法、装置
WO2021035966A1 (zh) * 2019-08-30 2021-03-04 浙江商汤科技开发有限公司 视觉定位方法及相关装置

Also Published As

Publication number Publication date
CN114463429A (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
WO2022121640A1 (zh) 机器人重定位方法、装置、机器人和可读存储介质
CN111445526B (zh) 一种图像帧之间位姿的估计方法、估计装置和存储介质
CN109814572B (zh) 移动机器人定位建图方法、装置、移动机器人和存储介质
US20200103529A1 (en) Data collecting method and system
US10269148B2 (en) Real-time image undistortion for incremental 3D reconstruction
US20180315221A1 (en) Real-time camera position estimation with drift mitigation in incremental structure from motion
US20180315232A1 (en) Real-time incremental 3d reconstruction of sensor data
CN112184768B (zh) 基于激光雷达的sfm重建方法、装置和计算机设备
CN113223078B (zh) 标志点的匹配方法、装置、计算机设备和存储介质
Ma et al. Merging grid maps of different resolutions by scaling registration
CN114463429B (zh) 机器人、地图创建方法、定位方法及介质
CN115307641A (zh) 机器人定位方法、装置、机器人和存储介质
Nguyen et al. Focustune: Tuning visual localization through focus-guided sampling
CN117193278B (zh) 动态沿边路径生成的方法、装置、计算机设备和存储介质
CN111882494A (zh) 位姿图处理方法、装置、计算机设备和存储介质
CN115239899B (zh) 位姿图生成方法、高精地图生成方法和装置
Huai et al. Collaborative monocular SLAM with crowdsourced data
CN115810030A (zh) 目标跟踪方法、装置、设备、存储介质和程序产品
CN115294280A (zh) 三维重建方法、装置、设备、存储介质和程序产品
CN111951304B (zh) 基于互监督孪生网络的目标跟踪方法、装置与设备
WO2023198088A1 (zh) 机器人的位姿确定方法、装置、机器人以及存储介质
CN114519817A (zh) 机器人重定位方法、装置及机器人
CN113902874A (zh) 点云数据处理方法、装置、计算机设备和存储介质
Zieliński et al. 3d dense mapping with the graph of keyframe-based and view-dependent local maps
Hu et al. Accurate fiducial mapping for pose estimation using manifold optimization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant