本發明公開了一種基于軌跡對齊的語義建圖方法，其方法包括：S1、沿同一條運行軌跡同步采集RGB數據、激光數據、IMU數據和里程計數據；S2、通過語義ORB?SLAM，在利用RGB數據進行ORB追蹤的同時，對每一幀關鍵幀圖像進行目標檢測，再構建三角化關系，提取3D語義地標；S3、利用降采樣操作對激光數據進行過濾，并對IMU數據和里程計數據進行計算處理；S4、處理激光數據、IMU數據和里程計數據，構建2D柵格地圖；S5、利用ORB?SLAM和軌跡序列求解兩者之間的相似變換關系，將3D語義地標和2D柵格地圖進行融合，生成語義地圖。本方案可以構建精確的帶語義地標的柵格地圖。

技術領域

本發明屬于語義建圖領域，涉及一種基于軌跡對齊的語義建圖方法，可用于周圍環境的語義地圖的構建。

背景技術

SLAM(simultaneous localization and mapping，同步定位與建圖)技術能夠幫助機器人在陌生環境中借助傳感器獲取信息逐步構建出周圍環境的地圖，同時還能根據環境信息的變化定位出自身在地圖中所處的位置，這項技術能夠幫助移動機器人實現自主導航任務。傳統SLAM技術分為兩大類，但均僅局限于環境幾何特征的分析，機器人憑借傳統SLAM生成的地圖只能實現躲避障礙物、路徑規劃等一些非常基礎的功能。近年來語義SLAM的研究已經取得一定進展，借助越來越成熟的基于深度學習的圖像處理技術，從圖像中提取環境物體的語義信息，并將語義信息融入到語義SLAM的處理過程以及結果中，進一步提高算法的精度以及豐富地圖結果。當前激光SLAM雖然借助激光雷達傳感器能夠生成精度較高、適用于機器人導航的環境地圖，但由于激光雷達傳感器是依靠激光飛行時間法直接獲得點云信息的，所以不容易提取到環境中的語義信息。而視覺SLAM利用相機傳感器采集環境的圖像序列來進行定位與建圖，這類傳感器數據獲取到的環境信息更加豐富且能夠用來提取語義信息，不過容易受到環境條件的影響，所以視覺SLAM的建圖精度往往要比激光SLAM差。

傳統SLAM僅能構建出環境的幾何特征地圖，機器人利用這類地圖所能完成的任務還十分有限，而語義SLAM可以進一步提高機器人對環境的理解程度，機器人利用語義地圖也可以完成更加復雜的任務，因此，研究多傳感器融合的語義建圖方法在語義SLAM領域具有重大意義。

發明內容

為了解決上述問題，本發明提供一種基于軌跡對齊的語義建圖方法，首先在ORB(Oriented Fast and Rotated Brief)-SLAM中加入目標檢測過程，能夠提取出環境物體的3D語義地標信息；同時利用激光雷達數據、IMU數據、里程計數據構建高精度的2D柵格地圖；最后求解前兩者的軌跡序列之間的相似變換關系對齊3D地標和2D地圖，生成語義地圖，解決了傳統SLAM中存在的問題。

本發明所采用的技術方案是：

一種基于軌跡對齊的語義建圖方法，包括以下步驟：

S1、沿同一條運行軌跡同步采集RGB數據、激光數據、IMU(慣性測量單元)數據和里程計數據；

S2、通過語義ORB-SLAM，在利用RGB數據進行ORB追蹤的同時，對每一幀關鍵幀圖像進行目標檢測，再根據相鄰關鍵幀之間的目標檢測結果構建三角化關系，提取3D語義地標；

S3、利用降采樣操作對激光數據進行過濾，降低計算量，并對IMU數據和里程計數據進行計算處理；

S4、通過Cartographer算法處理激光數據、IMU數據和里程計數據，構建2D柵格地圖；

S5、利用ORB-SLAM和Cartographer算法生成的軌跡序列求解兩者之間的相似變換關系，將3D語義地標和2D柵格地圖進行融合，生成語義地圖。