一种动态优先级协同地图构建与智能更新方法及系统与流程

本发明涉及机器人环境建图领域，尤其是涉及一种动态优先级协同地图构建与智能更新方法及系统。

背景技术：

1、随着新型电力系统建设的推进，配电系统的设备种类多、分布广、环境复杂，传统的人工巡检方式存在效率低、风险高的问题。近年来，智能机器人技术在电力巡检领域逐步得到应用，但目前大多仍处于单一平台作业，存在覆盖盲区严重、效率瓶颈突出等局限性。为解决这一问题，采用“无人机+无人车+四足机器人”构成的空-地跨模态群体机器人协同作业成为了重要发展方向。

2、而现有的多机器人协同建图技术，存在以下技术瓶颈：如传统稠密/稀疏点云slam（如octomap）/纯语义slam，常因海量几何数据造成通信延迟或物理信息丢失，且现有局部更新机制多依赖于像素级比对（如iou），误判频发，无法支撑高精度避障与轨迹规划。

3、由此可见，如何多机器人协同有效建图，提升机器人在动态环境下的地图一致性，已经成为本领域技术人员亟待解决的技术问题。

技术实现思路

1、本发明提供一种动态优先级协同地图构建与智能更新方法及系统，以解决如何通过构建混合语义协同地图，提高机器人在复杂动态环境下的协同可靠性。

2、为了解决上述技术问题，本发明实施例提供了一种动态优先级协同地图构建与智能更新方法，包括：

3、获取机器人巡检数据，以构建静态特征数据集；

4、从所述静态特征数据集中提取背景特征与关键设备特征，以构建混合协同地图；

5、获取当前机器人观测到的静态目标，计算所述混合协同地图中对应椭球投影与所述静态目标对应二维投影之间的分布距离；

6、根据当前机器人的运行状态信息与所述混合协同地图中各空间区域的属性信息，确定各所述空间区域对应的多维更新判据；

7、对所述多维更新判据与所述分布距离进行加权融合，量化得到各所述空间区域对应的优先级评分；

8、将所述优先级评分与预设自适应阈值进行匹配，基于匹配结果对所述混合协同地图进行动态更新。

9、进一步的，所述获取机器人巡检数据，以构建静态特征数据集，包括：

10、获取机器人巡检时采集的视觉图像和激光雷达数据，将所述视觉图像与所述激光雷达数据进行时间戳对齐，得到对齐数据；

11、将所述对齐数据输入边缘轻量级检测网络中识别动态物体，输出对应的2d边界框；

12、利用所述2d边界框结合所述对齐数据，生成动态物体掩膜；

13、剔除动态物体掩膜内的特征点，输出所述静态特征数据集。

14、进一步的，所述混合协同地图的构建过程，包括：

15、利用所述背景特征，构建三维空间体素层；

16、在对偶空间中，根据所述关键设备特征提取多视角2d边界框；

17、利用所述多视角2d边界框对应的约束关系，将所述多视角2d边界框进行联合求解并重建为反映概率分布特性的参数化3d椭球体层；

18、将所述三维空间体素层与所述参数化3d椭球体层进行叠加，形成所述混合协同地图。

19、进一步的，所述计算所述混合协同地图中对应椭球投影与所述静态目标对应二维投影之间的分布距离，包括：

20、将所述静态目标对应的所述二维投影作为二维高斯分布；

21、提取所述混合协同地图中所述参数化3d椭球体层，建立对应的椭球投影分布；

22、计算所述二维高斯分布与所述椭球投影之间的瓦瑟斯坦距离。

23、进一步的，所述根据当前机器人的运行状态信息与所述混合协同地图中各空间区域的属性信息，确定各所述空间区域对应的多维更新判据，包括：

24、根据各所述空间区域内最近一次更新的时间衰减因子，计算得到信息时效性判据；

25、根据当前机器人的规划路径与各所述空间区域的欧氏距离计算权重，以作为任务关键度判据；

26、统计计算机器人对各所述空间区域的观测视角交叉覆盖率及传感器置信水平，得到感知可信度判据。

27、进一步的，所述将所述优先级评分与预设自适应阈值进行匹配，基于匹配结果对所述混合协同地图进行动态更新，包括：

28、当所述优先级评分低于第一自适应阈值时，触发对所述混合协同地图进行本地维持追踪；

29、当所述优先级评分位于第一自适应阈值与第二自适应阈值之间时，触发对所述混合协同地图进行参数化局部更新；

30、当所述优先级评分超过第二自适应阈值时，触发对所述混合协同地图进行全局强制更新。

31、进一步的，所述将所述优先级评分与预设自适应阈值进行匹配，基于匹配结果对所述混合协同地图进行动态更新之后，还包括：

32、当监测到机器人位姿追踪丢失时，计算动态更新后的所述混合协同地图中对应的更新椭球投影与所述二维投影之间的交并比；

33、根据所述交并比对机器人位姿进行重定位，并根据重定位后的机器人位姿执行多智能体间的分布式冲突消解。

34、进一步的，所述根据所述交并比对机器人位姿进行重定位之后，还包括：

35、实时统计各机器人在不同所述空间区域的重定位成功率与定位误差；

36、若当前所述空间区域对应的重定位成功率与定位误差超过预设预警阈值时，引入梯度下降法调整权重。

37、本发明另一实施例提供了一种动态优先级协同地图构建与智能更新系统，包括：

38、数据获取模块，用于获取机器人巡检数据，以构建静态特征数据集；

39、地图构建模块，用于从所述静态特征数据集中提取背景特征与关键设备特征，以构建混合协同地图；

40、投影距离分析模块，用于获取当前机器人观测到的静态目标，计算所述混合协同地图中对应椭球投影与所述静态目标对应二维投影之间的分布距离；

41、判据确定模块，用于根据当前机器人的运行状态信息与所述混合协同地图中各空间区域的属性信息，确定各所述空间区域对应的多维更新判据；

42、评分模块，用于对所述多维更新判据与所述分布距离进行加权融合，量化得到各所述空间区域对应的优先级评分；

43、地图更新模块，用于将所述优先级评分与预设自适应阈值进行匹配，基于匹配结果对所述混合协同地图进行动态更新。

44、本发明又一实施例提供了一种计算机设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的动态优先级协同地图构建与智能更新方法。

45、相比于现有技术，本发明实施例的有益效果在于以下所述中的至少一点：

46、本发明首先依托各机器人采集巡检数据用以构建高纯净度的静态特征数据，从而在源头减少无效数据处理量；基于背景结构和关键设备，构建跨模态混合协同地图，极大压缩了语义地图的存储与传输体积，更为后续基于概率分布的动态更新提供了标准化的数学基底；通过计算当前观测与地图椭球投影间的分布距离，实现对视角伪影与真实物理变化的精准解耦，避免无效重构；根据机器人状态与地图区域属性确定多维判据并结合分布距离进行加权，在设定阈值下实现分级地图更新，能够全面评估各区域更新需求，降低通信负载并增强动态环境下的多机器人协同的可靠性。