本发明属于移动机器人感知相关，更具体地，涉及一种基于隐式表达的磁场建图方法及设备。
背景技术：
1、精确且可靠的全局定位是实现各种移动机器人功能(如建图、导航和智能化)的关键。针对在gps受限、几何重复环境中运行的移动机器人(如办公室、酒店走廊中的服务机器人、停车场中的安保机器人和仓库中的工业机器人)，准确的全局定位仍然是一个具有挑战性的问题。这些几何重复环境由于结构相似而往往缺乏独特的几何特征。当局部定位失败或机器人迷失方向或被绑架时，估计机器人的初始姿势(即初始化)或恢复其状态会很困难。磁场在不同的室内位置具有明显的特征，并且不受此类环境中典型的重复几何特征的影响。因此，它们可以作为gps信号的替代方案用于室内环境中的定位和导航。对于面临重复室内环境挑战的机器人来说，使用磁场信息进行定位是一种有效的策略。先前的研究已经验证了利用磁场进行室内定位的可行性，证明了磁场在长时间内的稳定性。通常，基于磁场的室内定位系统的构建需要构建基于网格的磁场地图，这些地图的质量对于定位的准确性至关重要。
2、由于磁力仪的测量范围有限以及机器人作业环境的广阔，机器人不可能在每个位置收集磁场数据。因为需要进行密集的数据收集以及当前传感器测量范围的局限性，构建大规模稠密磁场地图面临着巨大的挑战。高分辨率磁场地图(例如分辨率为1厘米的磁场地图)中的每个数据点都需要在x轴和y轴上以精确的间隔单独测量磁场强度。这一要求导致需要在相当大的区域内进行成千上万次测量，这是一个劳动密集且耗时的过程。因此，对磁场进行建模并根据收集到的稀疏磁场数据构建稠密地图至关重要。传统上，人们使用线性插值等方法来构建完整磁场地图。但线性插值方法没有考虑磁场的固有特性。也有人使用高斯过程回归(gpr)方法，通过使用单独的高斯过程对磁场的三个坐标轴进行建模，但该方法没有考虑同一位置各轴方向磁场强度之间的联系。
3、近年来，基于学习的方法在预测周围环境方面越来越受欢迎。然而，收集全面的室内磁场数据既费时又费力。这种复杂性使得用于磁场测绘的深度学习方法效率低下，因为这种方法需要大量的训练数据。此外，由于缺乏具有精确测量位置的开源磁场数据集，训练深度学习网络来预测磁场变得更加困难。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本发明提供了一种基于隐式表达的磁场建图方法及设备，其旨在解决现有稠密磁场地图的构建耗时且低效的问题。
2、为实现上述目的，按照本发明的一个方面，提供了一种基于隐式表达的磁场建图方法，该方法包括以下步骤：
3、s1，将低分辨率磁场地图转换为低分辨率磁场图像；
4、s2，编码器将得到的低分辨率磁场图像映射为2d特征图；
5、s3，将得到的2d特征图及高分辨率磁场图像中每个像素的中心坐标输入解码函数fθ，解码函数fθ预测高分辨率图像中每个像素位置的rgb值；其中采用解码函数fθ来隐式表示续磁场图像；
6、s4，基于高分辨率磁场图像中每个像素位置的rgb值生成高分辨率磁场图像，继而基于所述高分辨率磁场图像得到高分辨率磁场地图；其中，高分辨率磁场图像的分辨率大于低分辨率磁场图像的分辨率，高分分辨率磁场地图的分辨率大于低分辨磁场地图的分辨率。
7、进一步地，磁场地图利用栅格图来表达，栅格图中的每个栅格大小由磁场地图的分辨率定义，分辨率由每个栅格的边长r表示；磁场地图的整体尺寸为：长度lx和宽度ly，磁场地图中每个栅格都包含特定信息：栅格中心坐标(x,y)以及对应的磁场强度分量bx,by,bz；磁场数据库以磁场图像的形式表示，得到的磁场图像以h×w像素的分辨率构建，其中h和w直接由地图尺寸lx、ly和分辨率r得出，计算公式为：
8、
9、其中符号表示floor函数。
10、进一步地，磁场图像中的像素坐标(px,py)由磁场地图中的栅格坐标(x,y)映射得到，对应的公式为：
11、
12、使用以下归一化公式对磁场强度bx,by,bz进行标准化以适应rgb颜色模型范围(0-255)：
13、
14、其中bx,min,bx,max,by,min,by,max,bz,min和bz,max是整张磁场地图上bx,by,bz的最小值和最大值；将得到的rgb值分配给磁场图像中相应的像素位置(px,py)。
15、进一步地，将每个磁场图像表示为b(i)，低分辨率磁场图像中的像素数据被映射为二维特征图所有磁场图像共享一个解码函数fθ，解码函数fθ为mlp网络，解码过程所采用的公式为：
16、s＝fθ(z,x)；
17、其中z是一个向量，x∈x是连续磁场图像域中的二维坐标，s∈s是预测信号，即代表磁场强度的rgb值。
18、进一步地，二维特征图m(i)的特征向量z简称为隐码，对于连续磁场图像b(i)，坐标xq的rgb值为：
19、b(i)(xq)＝fθ(z*,xq-v*)；(1)
20、其中z*是距离xq最近的隐码，在m(i)中v*是隐码z*在磁场图像域中的坐标。
21、进一步地，利用解码函数fθ将连续磁场图像表示为二维特征图概念化为2d空间区域上均匀分布的隐码数组，二维特征图m(i)中的每个隐码z*都包含了连续磁场图像的一个局部片段信息。
22、进一步地，将公式(1)优化为：
23、
24、其中分别是左上、右上、左下、右下子空间中最近的隐码，是的坐标，st是xq和之间的矩形的面积，其中t′是t的对角线，权重通过s＝∑tst进行归一化。
25、本发明还提供了一种基于隐式表达的磁场建图系统，所述系统包括存储器及处理器，所述存储器储存有计算机程序，所述处理器执行所述计算机程序时执行如上所述的基于隐式表达的磁场建图方法。
26、本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现如上所述的基于隐式表达的磁场建图方法。
27、本发明还提供了一种如上所述的基于隐式表达的磁场建图方法在移动机器人全局定位中的应用。
28、总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的基于隐式表达的磁场建图方法及设备主要具有以下有益效果：
29、1.本发明使用坐标xhr在2d特征图上进行查询，xhr是高分辨率磁场图像中每个像素的中心坐标；接着函数fθ根据2d特征图预测每个坐标的信号值shr(表示磁场强度的rgb值)，通过预测高分辨率图像中每个像素位置的rgb值来生成高分辨率磁场图像，进而将生成的高分辨率磁场图像转换为高分辨率磁场地图，实现磁场地图的映射，提供了连续的表达，可在使用时有效地推广到看不见的位置，且省时。
30、2.通过二维特征图和解码函数将低分辨率磁场图像转换为高分辨率磁场地图，并提出了对于连续磁场图像b(i)，坐标xq的rgb值的计算公式。
31、3.将公式(1)优化为公式(2)解决了当xq在二维域中移动时，隐码z*的选择会突然从一个切换到另一个(即最近的隐码的选择发生变化)的问题，允许单个隐码(特征图里面的特征)表示的局部片段与其相邻段重叠，这种重叠确保每个特定坐标与四个不同的隐码相关联，每个隐码都独立地对该位置的信号预测做出贡献；同时这种方法有助于在发生变化的坐标处实现平稳连续的过渡，从而确保跨空间域的预测输出连续。
1.一种基于隐式表达的磁场建图方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于隐式表达的磁场建图方法，其特征在于：磁场地图利用栅格图来表达，栅格图中的每个栅格大小由磁场地图的分辨率定义，分辨率由每个栅格的边长r表示；磁场地图的整体尺寸为：长度lx和宽度ly，磁场地图中每个栅格都包含特定信息：栅格中心坐标(x,y)以及对应的磁场强度分量bx,by,bz；磁场数据库以磁场图像的形式表示，得到的磁场图像以h×w像素的分辨率构建，其中h和w直接由地图尺寸lx、ly和分辨率r得出，计算公式为：
3.如权利要求2所述的基于隐式表达的磁场建图方法，其特征在于：磁场图像中的像素坐标(px,py)由磁场地图中的栅格坐标(x,y)映射得到，对应的公式为：
4.如权利要求1所述的基于隐式表达的磁场建图方法，其特征在于：将每个磁场图像表示为b(i)，低分辨率磁场图像中的像素数据被映射为二维特征图所有磁场图像共享一个解码函数fθ，解码函数fθ为mlp网络，解码过程所采用的公式为：
5.如权利要求4所述的基于隐式表达的磁场建图方法，其特征在于：二维特征图m(i)的特征向量z简称为隐码，对于连续磁场图像b(i)，坐标xq的rgb值为：
6.如权利要求5所述的基于隐式表达的磁场建图方法，其特征在于：利用解码函数fθ将连续磁场图像表示为二维特征图概念化为2d空间区域上均匀分布的隐码数组，二维特征图m(i)中的每个隐码z*都包含了连续磁场图像的一个局部片段信息。
7.如权利要求5所述的基于隐式表达的磁场建图方法，其特征在于：将公式(1)优化为：
8.一种基于隐式表达的磁场建图系统，其特征在于：所述系统包括存储器及处理器，所述存储器储存有计算机程序，所述处理器执行所述计算机程序时执行权利要求1-7任一项所述的基于隐式表达的磁场建图方法。
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现权利要求1-7任一项所述的基于隐式表达的磁场建图方法。
10.一种权利要求1-7任一项所述的基于隐式表达的磁场建图方法在移动机器人全局定位中的应用。
