一种面向腿足机器人的可通行地图构建方法

本发明涉及腿足机器人环境感知和地图构建，特别是一种面向腿足机器人的可通行地图构建方法。

背景技术：

1、随着智能移动机器人技术的迅速发展，可通行地图在机器人自主导航中的重要性日益提升。特别是在复杂的室内外环境中执行任务的腿足机器人，如人形机器人、四足机器人等；相较于轮式机器人和无人驾驶车辆等，腿足机器人面临的地形是更为复杂和不可预测的，尤其依赖于实时、精确的可通行地形信息来确保其运行的高效性和安全性。腿足机器人可通行地图通过动态反映环境中各精细区域的可通行状况，使机器人能够迅速识别障碍与通行代价、选择最佳路径，从而避免陷入无法通行的区域，减少能源消耗和时间成本。因此，开发一种能够实时生成和更新的腿足机器人可通行地图具有重要的实际意义。

2、可通行地图的主流构建方法包括从3d地图中提取可通行区域和从2.5d栅格地图(多为高程图)中计算栅格可通行度，这两种方法各有优劣。3d地图能够提供丰富的环境细节，适用于复杂地形的精确可通行性判断，但其计算资源需求大，生成和维护复杂，且在实时应用中效率较低。2.5d栅格地图计算效率高，易于构建和更新，适合机器人在动态环境中进行实时的可通行度判断，但其仅能表示地形的高度信息，无法详细区分地形的其他特性，如坡度、地面材料等，构建的可通行地图精确度较低。为解决以上问题，已有相关研究围绕精确、快速构建可通行地图展开。康柯等人(cn118392156a)通过计算高程图中各栅格处的高度、栅格的斜率、曲率和粗糙度，得到初始可通过性代价地图，再基于机器人近似成的矩形的边缘，对初始可通过性代价地图中的障碍物进行膨胀，构建出最终的可通过性代价地图。李超等人(cn118329008a)通过将深度相机数据融合进现有高程图中提升精细度，深度相机不断采集地形的点云数据，由感知计算单元进行预处理后与前一帧点云进行配准，获取精准的帧间相对位姿；再根据相对位姿来更新高程图，得到局部地形地图；配准时，使用机器人的定位信息获取两配准点云相对位姿的初值。李智军等人(cn116147642a)提供了一种融合地形与力的四足机器人可达性地图构建方法及系统，通过融合视觉信息和惯性信息建立包含高度信息的二维栅格地图并设定高度阈值判断地形可达性。李传鹏(cn117830991a)等人提出了一种基于多模融合的四足机器人复杂场景感知方法及系统，通过深度神经网络对前方地形进行重构，通过对rgb图像聚类获取超像素图像，然后采用多层感知器网络处理生成图像坐标系下的可通行区域，进而生成代价地图。

3、然而，以上方法仍未解决高程图在实际使用过程中易出现空洞与毛刺的问题，不同地形的可通行度的计算方法也没有区分，导致最终构建的可通行图的实用性不强。

技术实现思路

1、针对现有技术中存在的不足，本发明提出了一种面向腿足机器人的可通行地图构建方法。

2、本发明的技术方案包括以下内容：

3、一种面向腿足机器人的可通行地图构建方法，包括以下步骤：

4、s1、通过激光雷达获取机器人周边的原始点云信息，通过惯性测量单元获取机器人本体惯性测量信息，通过卫星信号接收机获取机器人本体经纬度信息，通过相机获得机器人前方的图像信息；

5、s2、对所述步骤s1获取的原始点云信息、惯性测量信息、经纬度信息和相机图像信息进行预处理；其中，所述预处理包括原始点云信息预处理、imu预积分处理、经纬度信息的utm坐标系投影和图像语义信息提取；

6、s3、对所述步骤s2中预处理后的点云信息和惯性测量信息进行误差状态卡尔曼滤波，得到机器人粗略位姿；以投影后的经纬度信息为先验约束，以机器人粗略位姿为待优化的因子，通过图优化的方法获得机器人精确位姿；

7、s4、对所述步骤s2中预处理后的点云信息和步骤s3中获得的机器人精确位姿，通过扩展卡尔曼滤波的方法构建2.5d栅格地形图，并通过卷积神经网络对该地形图进行处理，得到平滑且无空洞的栅格地形图；

8、s5、对所述步骤s4中获得的栅格地形图，提取其各单元栅格内的法向量，根据法向量与步骤s3中获得的机器人精确位姿，计算各单元栅格内的坡度、坡度变化率与粗糙度；结合步骤s2中获得的图像语义信息，计算各单元栅格内的可通行度，并通过扩展卡尔曼滤波实时维护一张腿足机器人可通行地图。

9、进一步地，所述步骤s2包括以下子步骤：

10、s21、原始点云信息的预处理：对原始点云信息进行离群点滤波和运动畸变矫正，并去除动态点云，得到可信点云；

11、s22、imu预积分的处理：根据imu角速度和加速度数据，计算测量时两帧之间的相对运动，获得机器人位姿变化；

12、s23、经纬度信息的utm坐标系投影：卫星接收机将全球卫星导航定位系统gnss发送的报文解读为以wgs84地心坐标系为基准的经纬度信息，再将该经纬度信息转化为utm坐标系，即机器人本地坐标系下的xyz三轴坐标信息；

13、s24、图像语义信息提取：通过卷积神经网络提取原始图像信息的特征，并利用全连接层输出物体的类别和边界框，实现语义信息提取。

14、进一步地，所述步骤s3包括以下子步骤：

15、s31、根据所述步骤s2得到的可信点云和由imu预积分得到的机器人两帧之间的位姿变化推断出当前帧的初始位姿；将该初始位姿转化到上一帧时刻坐标系下，并通过两帧点云间的几何配准关系构建误差模型，得到最优的机器人位姿状态，即机器人粗略位姿；

16、s32、利用图优化的方法，以机器人粗略位姿为顶点，以所述步骤s2中得到的经纬度信息为约束边，构建图模型，求解图优化问题，得到机器人精确位姿状态。

17、进一步地，所述步骤s4包括以下子步骤：

18、s41、根据所述步骤s2中得到的可信点云和所述步骤s3中得到的机器人精确位姿状态，通过扩展卡尔曼滤波的方式得到一张2.5d栅格地形图；其中，每个网格包含若干点、一个平均高度值和一个由卡尔曼滤波得到的方差估计；

19、s42、将所述步骤s41得到的栅格地形图向量化后输入输入一个gan网络中，通过下采样提取图像全局特征，通过上采样逐步恢复图像的空间分辨率，输出一个向量化的平滑及补全后的栅格地形图。

20、进一步地，所述步骤s5包括以下子步骤：

21、s51、根据所述步骤s4中得到的栅格地形图，对各单元栅格中的若干点云进行平面拟合，取拟合后平面的法向量为该单元栅格的法向量；

22、s52、根据所述步骤s51提取到的各栅格法向量，及其邻域栅格内的法向量，计算各栅格的坡度及粗糙度；

23、s53、根据所述步骤s52得到的各单元栅格及其周边栅格参数，加权计算各单元格可通行度。

24、进一步地，所述步骤s53中，可通行度加权计算中的权重参数由步骤s2中获得的图像语义信息决定，不同语义区域对应的各参数权重不同。

25、综上所述，本发明的有益效果是：针对在复杂室内外环境中执行任务的机器人，利用多传感器信息，发明了一种能够实时生成和更新的2.5d腿足机器人可通行地图的方法。本发明在保留与可通行度相关信息的基础上，选择构建信息量更小的2.5d栅格地图，与三维可通行地图相比更加轻量，耗费计算和存储成本更小，可部署在机器人上实时运行。本发明创新性地采用对抗式神经网络解决了高程图在实际应用中出现的空洞与毛刺的现象，为后续计算可通行度提供了更精确真实的机器人周边信息。本发明在计算可通行度时，创新性地提出了根据语义信息决定不同语义区域内可通行度计算公式中各信息参数的权重，实现了对现实世界中不同地形、材质的可通行度自适应计算，使得到的可通行图更具可信度。