(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 202110432376.X (22)申请日 2021.04.21 (71)申请人 北京凌宇智控科技有限公司 地址 100029 北京市海淀区宝盛南路1号院 20号楼2层 (72)发明人 何风行　张佳宁　张道宁　 (74)专利代理 机构 北京安信方达知识产权代理 有限公司 1 1262 专利代理师 陶丽 (51)Int.Cl. G06F 30/25(2020.01) G06F 30/27(2020.01) G06F 16/29(2019.01) G06K 9/62(2022.01) G06F 111/08(2020.01) (54)发明名称 一种局部SLAM构建方法、 全局SLAM构建方法 和构建装置 (57)摘要 本发明公开了一种局部SLAM构建方法、 全局 SLAM构建方法和构建装置， 本发明实施例将云端 地图和实时地图进行比较， 通过分类模型， 得到 当前场景的物体 分类； 基于物体分类进行预测更 新； 根据预测更新得到子地图。 再将局部SLAM构 建方法获得的更新子地图进行融合， 获得全局地 图。 通过将物体进行分类， 得到动态物体和静态 物体， 并将动态物体的运动进行预测， 根据预测 结果得到 子地图， 可以实时分辨出动态 物体。 权利要求书1页 说明书6页 附图2页 CN 114707392 A 2022.07.05 CN 114707392 A 1.一种局部SLAM构建方法， 其特 征在于， 包括： 在每个周期将云端地图和实时地图输入分类模型， 得到当前场景的物体分类； 基于物体分类进行 预测更新； 根据预测更新得到局部 子地图。 2.根据权利要求1所述的局部SLAM构建方法， 其特征在于， 所述在每个周期将云端地图 输入分类模型之前， 对云端地图进行解析， 解析 出初始动态 物体和初始静态 物体。 3.根据权利要求2所述的局部SLAM构建方法， 其特征在于， 所述在每个周期将云端地图 和实时地图输入分类模型， 得到 当前场景的物体分类， 包括： 将初始动态物体和初始静态物 体的位置， 与实时地图中的相应位置的物体进行比较； 根据比较结果更新动态物体和静态 物体的分类， 得到更新动态 物体和更新静态 物体。 4.根据权利要求3所述的局部SLAM构建方法， 其特征在于， 所述基于物体分类进行预测 更新， 包括对更新动态 物体进行 预测更新。 5.根据权利要求1所述的局部SLAM构建方法， 其特征在于， 还包括： 根据局部子地图确 定更新后的可活动区域。 6.一种全局SLAM构建方法， 包括： 对多个通过权利要求1所述方法得到的局部子地图进 行融合， 得到全局地图。 7.根据权利要求6所述的全局SLAM构建方法， 其特征在于， 所述融合包括： 采用第二终 端的里程计和测量信息在第一终端的局部子地图上对第二终端进 行定位； 得到第一 终端和 第二终端的局部 子地图的转移 矩阵； 根据转移 矩阵进行融合， 得到全局地图。 8.根据权利要求7所述的全局SLAM构建方法， 其特征在于， 所述采用第 二终端的里程计 和测量信息在第一终端的局部子地图上对第二终端进 行定位， 包括采用增广蒙特卡洛定位 方法进行定位。 9.根据权利要求7所述的全局SLAM构建方法， 其特征在于， 所述转移矩阵通过以下方法 获得： 比较第二 终端重新定位出来的位姿信息和它原来构建子地图时的位姿信息的时间标 记和方差， 通过ICP算法进行迭代。 10.一种构建装置， 其特 征在于， 包括： 输入模块， 用于在每个周期将云端地图和实时地图输入分类模型， 得到当前场景的物 体分类； 预测模块， 用于基于物体分类进行 预测更新； 地图生成模块， 用于根据预测更新 生成局部 子地图。 11.根据权利要求10所述的构建装置， 其特 征在于， 还 包括： 融合模块， 用于对多个局部子地图进行融合， 包括： 采用第 二终端的里程计和测量信 息 在第一终端的局部子地图上对第二终端进 行定位； 得到第一 终端和第二 终端的局部子地图 的转移矩阵； 根据转移 矩阵进行融合， 得到全局地图。 12.一种计算机存储介质， 所述计算机存储介质中存储有计算机程序， 所述计算机程序 被处理器执行时实现如权利要求1～5或6～ 9中任一项所述的SLAM构建方法。权　利　要　求　书 1/1 页 2 CN 114707392 A 2一种局部SLAM构建 方法、 全局SLAM构建 方法和构建装 置 技术领域 [0001]本文涉及但不限于SLAM构建技术， 尤指局部和全局SLAM构建方法、 装置和计算机 存储介质。 背景技术 [0002]目前， 同步定位与地图构建(SLAM， Simultaneous  Localizat ion And Mapping)是 使移动设备在未知的环境中 自动创建地图， 并根据对自身状态的估计和地图进行自定位的 技术。 随着近几年机器人、 虚拟现实(VR， Virtual  Reality)和增强现实(AR， AugmentReality)的快速发展， SLAM技术也越来越受关注。 SLAM技术本身还不是很成熟， 其 存在算法复杂度高、 输入的传感器数据融合难度大， 系统累积误差难以消除等 等技术难点。 [0003]特别是在VR领域， 当前VR场景的SLAM建图的主要问题 是： 1)当前VR应用中， 用户活 动区域范围一般为手动设定， 通过画圈的方式确定可活动区域。 但是这些方法的活动区域 设定是静态的， 当环境发生改变或者有其他目标进入活动区域时不能很好适应。 2)当前VR 各个用户的SLAM建图是孤立的， 不能充分利用建图信息， 建立有效的多人协作VR场景。 发明内容 [0004]以下是对本文详细描述的主题的概述。 本概述并非是为了限制权利要求的保护范 围。 [0005]本发明实施例提供了一种局部SLAM构建方法， 包括： 在每个周期将云端地图和实 时地图输入分类模型， 得到 当前场景的物体分类； 基于物体分类进 行预测更新； 根据预测更 新得到局部 子地图。 [0006]进一步地， 所述在每个周期将云端地图输入分类模型之前， 对云端地图进行解析， 解析出初始动态 物体和初始静态 物体。 [0007]进一步地， 所述在每个周期将云端地图和实时地图输入分类模型， 得到当前场景 的物体分类， 包括： 将初始动态物体和初始静态物体的位置， 与实时地图中的相应位置的物 体进行比较； 根据比较结果更新动态物体和静态物体的分类， 得到更新动态物体和更新静 态物体。 [0008]进一步地， 所述基于物体分类进行 预测更新， 包括对更新动态 物体进行 预测更新。 [0009]进一步地， 局部SLAM构建方法还 包括： 根据局部 子地图确定更新后的可活动区域。 [0010]本发明实施例还提供了一种全局SLAM构建方法， 包括： 对多个通过上述方法得到 的局部子地图进行融合， 得到全局地图。 [0011]进一步地， 所述融合包括： 采用第二终端的里程计和测量信息在第一终端的局部 子地图上对第二终端进行定位， 得到第一终端和第二终端的局部子地图的转移矩阵， 根据 转移矩阵进行融合， 得到全局地图。 [0012]进一步地， 所述采用第二终端的里程计和测量信息在第一终端的局部子地图上对 第二终端 进行定位， 包括采用增广蒙特卡洛 定位方法进行定位。说　明　书 1/6 页 3 CN 114707392 A 3