技术特征：1.一种基于目标检测和结构化特征的机器人定位方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于目标检测和结构化特征的机器人定位方法，其特征在于：
3.根据权利要求1所述的一种基于目标检测和结构化特征的机器人定位方法，其特征在于：
4.根据权利要求1所述的一种基于目标检测和结构化特征的机器人定位方法，其特征在于：
5.根据权利要求4所述的一种基于目标检测和结构化特征的机器人定位方法，其特征在于：
6.根据权利要求1所述的一种基于目标检测和结构化特征的机器人定位方法，其特征在于：
技术总结本发明涉及一种基于目标检测和结构化特征的机器人定位方法，该方法以深度相机构成的硬件平台为基础。基于RGB‑D深度相机实现了在复杂环境下的定位与地图构建，提高了定位的精度和稳定性。针对环境中存在动态物体导致的定位信息不准确或者直接定位失败的问题，使用基于卷积神经网络的YOLO算法对图像进行目标检测，去除环境中的高概率动态物体，针对低纹理环境或旋转估计中产生累积误差进而造成轨迹漂移的问题，基于曼哈顿世界假设增加结构特征。本方法在动态或低纹理的复杂环境下，极大地提高了位姿估计的准确性和鲁棒性，可广泛应用于室内机器人轨迹跟踪等场景。
技术研发人员：吕茂斌,董娟,邓方,陈晨,解博炜,刘格远
受保护的技术使用者：北京理工大学
技术研发日：技术公布日：2024/2/29