(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210262631.5 (22)申请日 2022.03.17 (71)申请人 山东融瓴科技 集团有限公司 地址 250000 山东省济南市中国(山 东)自 由贸易试验区济南片区舜泰北路933 号博晶大厦1409室 (72)发明人 高文飞　王磊　王辉　王瑞雪　 郭丽丽　 (74)专利代理 机构 山东瑞宸知识产权代理有限 公司 37268 专利代理师 葛新建 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/762(2022.01) G06V 10/74(2022.01)G06K 9/62(2022.01) (54)发明名称 一种封闭场景 下SLAM自主导 航识别方法 (57)摘要 本发明属于图像处理技术领域， 具体涉及一 种封闭场景下SLA M自主导航识别方法， 所述方法 的数据关联中SLAM数据关联模块对不同帧之中 图像的共同特征进行追踪， 通过帧与帧之间的相 关性聚类来实现相同特征匹配， 进而判断自主机 器人的移动情况； 相比现有技术， (1)聚类匹配相 比于现有SLAM中数据关联方法具有更强的实用 性， 聚类匹配的效果并不会被各种复杂的场景影 响； (2)K‑means聚类算法计算简单， 能够嵌入到 多种系统中进行特征匹配， 非常适合动态环境下 的视觉SLAM。 权利要求书2页 说明书4页 附图1页 CN 114581875 A 2022.06.03 CN 114581875 A 1.一种封闭场景 下SLAM自主导 航识别方法， 其特 征在于： 包括以下步骤： 步骤一外 部环境数据获取， 自主机器人通过自身的相机获取外 部环境数据； 步骤二特征检测， 将获取的外部环境数据输入到SLAM特征提取模块中， SLAM特征提取 模块中利用Vision  transformer模 型实现对外部环境中各物体的语义检测， 同时提取各物 体的特征； 步骤三数据关联， SLAM数据关联模块对不同帧之中图像的共同特征进行追踪， 通过帧 与帧之间的相关性聚类来实现相同特 征匹配， 进 而判断物体的移动情况； 步骤四回环检测： SLAM回环检测模块判断自主机器人的运动轨迹是否形成了一个回 环； 如果检测到发生回环， 将回环信息提供 给后端优化模块进行处 理； 步骤五后端优化和建图： 后端优化模块不停地接收相机拍摄的图像并计算相邻帧的相 机位姿以及接 收回环信息， 优化数据关联中产生的累积误差， 同时生成全局的运动轨迹和 周围环境的感知地图。 2.根据权利要求1所述的封闭场景下SLAM自主导航识别方法， 其特征在于： 封闭场景下 物体数目固定， 所述步骤二特征检测中相 机拍摄的每一帧中的特征向量数量固定并记为m 个， 每一帧中的m个特 征向量记为{f1， f2， ...， fm}。 3.根据权利要求2所述的封闭场景下SLAM自主导航识别方法， 其特征在于： 所述步骤三 数据关联中， 将n帧中的m个特征， 共n*m个特征向量一起输入到K ‑means聚类算法中进行迭 代计算， 计算结果将相同特征向量归入同一簇， 将不相同特征向量归到相应簇， 实现相同特 征匹配， 从而自主机器人在移动状态下准确识别封闭环境内的各物体， 进而判断自身的移 动情况。 4.根据权利要求3所述的封闭场景下SLAM自主导航识别方法， 其特征在于： 所述K ‑ means聚类算法中的迭代计算过程如下： (1)设定簇值k， 选取k个簇中心并且初始化， 记为η1， η2， ...， ηk； k为封闭环境中物体的 数量； (2)定义其损失函数J(k， η )为各个特 征向量距离所属簇中心点的平方误差和： 其中i为计数变量； fi表示n*m个特征向量中的第i个特征向量， ki表示fi所属的簇， 表示簇对应的中心点； (3)对每一个特 征向量fi， 将其分配到最近的簇； arg min表示使目标函数 取最小值时的变量 值； (4)对每一个簇ki， 重新计算该簇的中心 (5)设置迭代步数， 重复(3)和(4)直到收敛； 输出最终的簇中心和k个聚类划分。 5.根据权利要求1所述的封闭场景下SLAM自主导航识别方法， 其特征在于： 步骤一中所 述相机包括单目相机、 双目相机和RGB ‑D相机的一种或组合； 所述自主机器人还带有激光测权　利　要　求　书 1/2 页 2 CN 114581875 A 2距单元。 6.根据权利要求1所述的封闭场景下SLAM自主导航识别方法， 其特征在于： 所述步骤二 特征检测中还定位各个物体在每一帧中的位置信息 。权　利　要　求　书 2/2 页 3 CN 114581875 A 3