(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221084079 2.8 (22)申请日 2022.07.18 (65)同一申请的已公布的文献号 申请公布号 CN 114913235 A (43)申请公布日 2022.08.16 (73)专利权人 合肥工业大 学 地址 230009 安徽省合肥市包河区屯溪路 193号 (72)发明人 方宝富　王浩　杨静　卢德玖　 (74)专利代理 机构 深圳市沈 合专利代理事务所 (特殊普通 合伙) 44373 专利代理师 钱丽华 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/10(2017.01)G06V 10/44(2022.01) G06V 10/74(2022.01) 审查员 邹琴 (54)发明名称 一种位姿 估计方法、 装置及智能机 器人 (57)摘要 本发明涉及机器人定位领域， 尤其涉及一种 位姿估计方法、 装置及智 能机器人。 该位姿估计 方法包括验证初始匹配的角点对， 以从第一角点 集和第二角点集中剔除误匹配的角点； 根据第二 角点集， 从第一角点集中筛选出第一动态角点 集； 根据语义分割结果， 剔除语义目标的动态角 点， 得到无标签动态目标的第二动态角点集； 基 于第二动态角点集， 从当前帧中分割出无标签动 态目标区域； 剔除语义目标区域内的特征点， 并 判断剩余特征点是否在无标签动态目标区域内， 若在， 则剔除特征点， 以根据当前帧图像中的静 态特征点进行位姿估计。 该方法可在语义分割的 基础上， 进一步分割出无标签目标区域， 从而可 更加全面地检测动态目标， 排除干扰， 有效提升 定位精度。 权利要求书4页 说明书13页 附图9页 CN 114913235 B 2022.10.14 CN 114913235 B 1.一种位姿估计方法， 其特 征在于， 包括： 对当前帧图像的第一角点集以及上一帧图像的第二角点集进行匹配， 获取多个角点 对； 对每一所述角点对进行验证， 以从所述第 一角点集和所述第 二角点集中剔除误匹配的 角点； 根据所述第二角点集， 从所述第 一角点集中筛选出第 一动态角点集； 其中， 第 一动态角 点集为所述第一角点 集中发生 运动的动态角点的集 合； 根据语义分割结果， 剔除所述第一动态角点集中动态语义目标的动态角点， 得到无标 签动态目标的第二动态角点集； 其中， 所述无标签动态目标为语义分割不可识别的动态目 标； 所述动态语义目标为语义分割可识别的动态目标； 基于所述第二动态角点 集， 从所述当前帧图像中分割出 无标签动态目标区域； 根据所述语义分割结果， 剔除所述动态语义目标所在区域内的特征点， 并判断剩余特 征点是否在所述无标签动态目标区域内， 若在， 则剔除所述特征点， 以根据所述当前帧图像 中的静态特 征点进行位姿估计； 其中， 所述基于所述第二动态角点集， 从所述当前帧图像中分割出所述无标签动态目 标区域， 包括： 对所述第 二动态角点集进行分组， 获取多个动态角点组； 其中， 所述动态角点组用于指 示同一无 标签动态目标的多个动态角点； 计算每一所述动态角点组对应的平均深度； 基于所述平均深度， 对每一所述动态角点组进行几何扩张， 以获取每一所述无标签动 态目标所在的区域； 其中， 所述基于所述平均深度， 对每一所述动态角点组进行几何扩张， 以获取每一所述无 标签动态目标 所在的区域， 包括： 获取所述动态角点组对应的外接矩形； 其中， 所述外接矩形由所述动态角点组中的最 小横纵坐标和最大横纵坐标确定； 基于所述外接矩形中任一顶点的深度值与 所述平均深度之间的差异， 判断所述外接矩 形是否超出 无标签目标区域； 若超出， 则收缩所述外接矩形直至所述外接矩形中每一顶点均在所述无标签目标区域 内； 将处于无标签目标区域内的外接矩形按照固定步长扩 张， 直至所述外接矩形中任一顶 点扩张至所述无 标签目标区域的边界； 对扩张后的外接矩形进行四边形扩 张， 直至四边形的各顶点扩 张至所述无标签目标区 域的边界， 获取初始四边形； 对所述初始四边形按照 四边形扩张方式进行迭代扩张， 直至满足停止扩张条件， 获取 所述无标签目标区域的多个边界点； 连接所述 边界点， 获取 所述无标签动态目标区域。 2.如权利要求1所述的一种位姿估计方法， 其特征在于， 所述对每一所述角点对进行验 证， 包括： 基于所述角点对中的第一角点和第二角点之间的深度差， 对所述角点对进行初始验 证， 若初始验证失败， 则获取 所述误匹配的角点；权　利　要　求　书 1/4 页 2 CN 114913235 B 2若初始验证通过， 则基于所述第一角点和所述第二角点的周围像素的灰度相似性， 对 所述角点对进行二次验证， 若二次验证失败， 则获取 所述误匹配的角点。 3.如权利要求2所述的一种位姿估计方法， 其特征在于， 所述基于所述第 一角点和所述 第二角点的周围像素的灰度相似性， 对所述角点对进行二次验证， 包括： 获取所述第一角点在所述当前帧图像中的第一像素范围以及第二角点在上一帧图像 的第二像素范围； 其中， 所述第一像素范围包括以第一角点为原点建立的坐标系中横纵坐 标轴上的像素点； 所述第二像素范围包括以第二角点为原点建立的坐标系中横纵坐标轴上 的像素点； 统计所述第一像素 范围和所述第二像素 范围中对应 像素点之间的像素 灰度差之和； 若横纵坐标轴上的像素灰度差之和大于第一阈值， 则二次验证失败， 将所述第一角点 和所述第二角点作为 误匹配的角点； 若所述横 纵坐标轴上的像素灰度差之和不大于第 一阈值， 则获取所述第 一角点在所述 当前帧图像中的第三像素范围以及第二角点在上一帧图像的第四像素范围； 其中， 所述第 三像素范围包括以第一角点为原 点建立的坐标系中象限角平分线 上的像素点； 所述第四像 素范围包括以第二角点 为原点建立的坐标系中象限角平分线上的像素点； 统计所述第三像素 范围和所述第四像素 范围中对应 像素点之间的像素 灰度差之和； 若象限角平分线上的像素灰度差之和大于第二阈值， 则二次验证失败， 将所述第一角 点和所述第二角点作为 误匹配的角点。 4.如权利要求1所述的一种位姿估计方法， 其特征在于， 所述根据所述第二角点集， 从 所述第一角点 集中筛选出第一动态角点 集， 包括： 从所述第一角点 集中， 获取与第一角点的运动状态一 致的关联角点； 分别将所述第 一角点以及所述关联角点重投影至上一帧图像中， 得到第 一投影点以及 第二投影点； 根据所述第二角点 集， 分别计算第一投影点以及第二投影点的对称转移误差； 当所述第一投影点以及第 二投影点的对称转移误差均 大于预设阈值， 则将所述第 一角 点以及所述关联角点作为动态角点。 5.如权利要求1所述的一种位姿估计方法， 其特征在于， 所述对所述第 二动态角点集进 行分组， 获取多个动态角点组， 包括： 将与每一所述第二动态角点的深度值相等且距离最近的其他第二动态角点划分为一 组， 作为所述动态角点组。 6.如权利要求1所述的一种位姿估计方法， 其特征在于， 所述连接所述边界点， 获取所 述无标签动态目标区域， 包括： 对所述边界点的横坐标进行排序， 得到横坐标最小的第一边界点， 以及横坐标最大的 第二边界点； 基于所述第一 边界点以及所述第二 边界点， 确定目标直线方程； 根据所述目标直线方程， 将所述多个边界点划分为上边界点和下边界点； 按照各边界点的横坐标的顺序， 将所述上边界点依次连接以及将所述下边界点依次连 接， 获取所述无标签动态目标区域。 7.如权利要求6所述的一种位姿估计方法， 其特征在于， 所述无标签动态目标区域对应权　利　要　求　书 2/4 页 3 CN 114913235 B 3