(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 202211307232.2 (22)申请日 2022.10.24 (71)申请人 南开大学 地址 300350 天津市津南区海河教育园区 同砚路38号 (72)发明人 段峰　王文智　 (74)专利代理 机构 合肥晨创知识产权代理事务 所(普通合伙) 34162 专利代理师 康培培 (51)Int.Cl. G01C 21/20(2006.01) G01S 17/88(2006.01) G01S 17/931(2020.01) G01S 17/933(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种实时识别人运动轨 迹的SLAM方法 (57)摘要 本发明属于计算机数据处理技术领域， 更具 体地， 涉及一种实时识别人运动轨迹的SLAM方 法。 该方法包括如下步骤， 步骤S1、 激光雷达对局 部区域进行概率地图构建； 步骤S2、 实时提取 SLAM算法前端生成的子图； 步骤S3、 将步骤S2中 的实时2D占据栅格地图输入神经网络， 用神经网 络分析人的位置并标识； 步骤S4、 输出整体地图 中人的运动轨迹。 该方法创新性地提取出2D激光 SLAM算法建图过程中的子 图， 进行目标识别， 增 加了传统2D激光SLA M算法的功能和时效性， 提高 了其在人机交 互环境下的适用性。 权利要求书2页 说明书4页 附图3页 CN 115540874 A 2022.12.30 CN 115540874 A 1.一种实时识别人运动轨 迹的SLAM方法， 其特 征在于： 该 方法包括如下步骤， 步骤S1、 激光雷达对局部区域进行概 率地图构建； 步骤S2、 实时提取SLAM算法前端生成的子图； 步骤S3、 将步骤S2中的实时2D占据栅格地图输入神经网络， 用神经网络分析人的位置 并标识； 步骤S4、 输出整体地图中人的运动轨 迹。 2.如权利 要求1所述的实时识别人运动轨迹的SLAM方法， 其特征在于： 所述步骤S1具体 分为以下步骤： 步骤S1.1、 用激光雷达对局部区域进行概率地图构 建， 机器人开始导航时， 通过惯性测 量单元对激光雷达初始化得到自身坐标系与全局坐标系的变换关系ξ， 其其中包含x轴和y 轴上的偏移坐标( ξx, ξy)和旋转角度 θ； 步骤S1.2、 激光雷达采集点云数据， 得到在激光雷达坐标系下的空间点的投影二维坐 标X(x,y)， 并将其转换为全局坐标系下的二维坐标X ′(x′,y′)， 其中具体转换方法如下： 步骤S1.3、 构建概率网格地图， 将局部区域的二维平面投影划分为方块， 标识出含有障 碍点和不含障碍点的方块； 步骤S1.4、 通过最小二乘法， 优化步骤S1.1中测量得到的变换关系ξ， 具体优化过程可 表示为： 其中n表示每一帧中点的数量， B()表示通过双三次插值法 将障碍点的位置表示 为占据概 率。 3.如权利 要求1所述的实时识别人运动轨迹的SLAM方法， 其特征在于： 所述步骤S2包括 以下步骤， 步骤S2.1、 通过订阅器订阅子图服务的数据， 将原本用于构建整体地 图的局部子图数 据单独提取 出来； 步骤S2.2、 将获得的实时子图数据进行格式转换和坐标变换， 以2D点云的格式输出全 局坐标下的实时子图。 4.如权利 要求1所述的实时识别人运动轨迹的SLAM方法， 其特征在于： 所述步骤S3包括 以下步骤， 步骤S3.1、 准备神经网络训练集， 设定被试目标与机器人的直线距离范围， 与激光雷达 坐标系角度范围为0 °到360°， 对上述范围内不同情况进行建图， 得到神经网络训练集并进 行训练， 不同的人在不同室内环境下与机器人处于不同相对位置， 分别构建大量2D占据栅 格地图； 步骤S3.2、 根据数据集对神经网络进行训练； 步骤S3.3、 将步骤S2中得到的实时2D占据栅格地图输入神经网络， 经过降采样和上采 样两个过程， 输出只含有人的位置的2D地图。 5.如权利要求4所述的实时识别人运动轨迹的SLAM方法， 其特征在于： 所述降采样过程 重复地应用两个3 ×3的卷积层、 一个校正线性单元和一个4 ×4的最大池化， 上采样则每一权　利　要　求　书 1/2 页 2 CN 115540874 A 2步都包含一个4×4的上卷积层和两个3 ×3的卷积层以及一个校正线性单 元。 6.如权利 要求1所述的实时识别人运动轨迹的SLAM方法， 其特征在于： 所述步骤S4中所 述输出整体地图中人的运动轨迹是通过采集定位到的人的位置坐标， 对2D网格地图中对应 的方块进行着色， 最终形成人的运动轨 迹。权　利　要　求　书 2/2 页 3 CN 115540874 A 3