一种室内环境地图创建的闭环校正方法技术

本发明专利技术提供了一种室内环境地图创建的闭环校正方法，包括：步骤1获取环境信息，标记机器人的初始位姿信息；步骤2机器人行走距离超过规定范围后记录机器人的实时位姿信息，采用Gmapping算法根据初始位姿信息和实时位姿信息生成环境地图；步骤3检测环境地图是否出现闭环，若是，则继续执行以下步骤，若不是，则重复执行步骤2；步骤4采用状态估计算法重新估计机器人的实时位姿信息，并更新实时位姿信息生成校正地图。本发明专利技术提供了一种基于低成本、低精度激光传感器的地图创建中的闭环校正方法，一方面，提高地图创建的精度；另一方面，推进低成本激光传感器在日常生活及科学研究中的应用。

【技术实现步骤摘要】

本专利技术属于移动机器人导航领域，尤其涉及一种基于低成本、低精度激光传感器 数据实现地图创建及闭环校正的方法。
技术介绍
随着技术的发展进步，移动机器人逐渐走出科学研究的神坛，越来越广泛的出现 在日常生活的各个方面，辅助或替代人类完成一些重复性较高、技术含量较低的任务，如产 品装配、扫地等，扫地机是移动机器人的典型应用。 目前，机器人主要通过声响、激光或视觉传感器感知并建立外部环境的模型，实现 与外部世界的"交流"。由于扩散角较大，导致声响传感器获取的环境数据存在显著误差；视 觉传感器一方面对硬件有较高要求（存储图片需要较大空间，处理图片需要较高的计算能 力），另一方面，其对光线变化敏感，当同一场景的光线发生变化时，可能引入额外的误差。 相对而言，激光传感器的精度高于声响，对硬件的要求低于视觉传感器，因此在机器人导航 中获得了广泛应用。但是，精度越高，测量范围越大，激光传感器的成本越高，该一缺陷严重 的限制了激光传感器在日常生活及科学研究中的推广使用。因此，寻求低成本，精度可接受 的替代激光传感器，并专利技术新的算法对低精度带来的误差加W补偿，成为一种合理并可行 的道路。 图1为利用SICKLMS激光传感器建立的环境地图。图2为利用RPLidar激光传 感器建立的环境地图。对比图1和图2建立的环境地图，发现图2利用RPLidar数据建立 的环境地图存在闭环失败的情况，而图1利用SICKLMS激光数据建立的环境地图精度高， 闭环效果良好。但高精度的激光传感器SICKLMS存在高成本的问题；而成本低的激光传感 器RPLidar存在精度相对较、低闭环失败的问题。
技术实现思路
为此，本专利技术提供的室内环境地图创建的闭环校正方法，采用基于卡尔曼滤波器 的状态估计算法，对Gmapping算法获取的机器人位姿进行校正，并基于校正后的机器人位 姿，重新建立环境地图获得校正地图。反复的实验结果表明，本专利技术提供的室内环境地图创 建的闭环校正方法能够显著改善基于RPLidar数据建立地图的闭环效果。从长远来说，能 够推进低成本、低精度激光传感器在日常生活及科学研究中的广泛使用。 本专利技术的技术方案W如下方式实现： -种室内环境地图创建的闭环校正方法，包括：[000引步骤1获取环境信息，标记机器人的初始位姿信息； 步骤2机器人行走距离超过规定范围后记录机器人的实时位姿信息，采用 Gmapping算法根据所述初始位姿信息和所述实时位姿信息生成环境地图； 步骤3检测所述环境地图是否出现闭环，若是，则继续执行W下步骤，若不是，贝U 重复执行步骤2 ; 步骤4采用状态估计算法重新估计机器人的所述实时位姿信息，并更新所述实时 位姿信息生成校正地图。 本专利技术利用传统的Gmapping算法处理成本较低、精度较低的传感器采集的环境 数据，建立环境地图，再通过利用基于卡尔曼滤波器的状态估计算法，对Gmapping算法估 计所得的机器人位姿进行校正，根据校正后的机器人位姿，重新建立环境地图得到校正地 图，有效改善环境地图的闭环效果。 进一步优选的，所述环境数据由里程计和激光传感器获取。 进一步优选的，所述激光传感器为RPLidar激光雷达。 本专利技术采用低精度的RPLidar激光雷达，并通过状态估计算法对低精度带来的误 差加W补偿，能够推进低成本、低精度激光传感器在日常生活及科学研究中的广泛使用。 进一步优选的，所述闭环检测通过场景标定实现。 进一步优选的，步骤2还包括记录多个机器人的所述实时位姿信息生成机器人的 状态向量。 进一步优选的，所述步骤4采用状态估计算法进行闭环校正，具体包括： 首先通过状态转移矩阵计算上一时刻的状态向量和输入对当前时刻状态的影响， 得到当前时刻的状态预测值；W及通过状态转移矩和上一时刻的协方差矩阵值W及状态噪 声协方差矩阵得到协方差矩阵的预测值； 再通过状态方程和观测方程实现观测向量的更新，根据实际观测值和当前时刻的 状态预测值计算新息；所述状态转移矩阵当前时刻的状态预测值计算新息；W及，通过状 态转移矩阵计算协方差矩阵预测值和观测误差的协方差矩阵，得到新息的协方差矩阵； 通过状态转移矩阵计算当前时刻的协方差矩阵预测值，并计算新息的协方差矩阵 的逆矩阵，得到滤波器增益；通过上一时刻的状态向量结合滤波器增益和新息计算出当前 时刻的状态状态向量；W及根据上一时刻的协方差矩阵值和增益计算出当前时刻的协方差 矩阵值； 更新所述状态向量和所述协方差矩阵；根据更新所得的所述状态向量生成所述校 正地图。 本专利技术采用的状态估计算法能够显著改善基于RPLidar激光传感器获取的环境 数据建立地图的闭环效果。 进一步优选的，所述Gmapping算法和所述状态估计算法在安装有ROS的Linux系 统下并发执行。本专利技术提供了一种基于低成本、精度相对较低的激光传感器的室内环境地图创建 的闭环校正方法，通过对比分析不同精度及成本激光传感器创建地图的精度及闭环效果， 给出利用低成本、精度可接受的激光传感器实现地图创建的必要性及可行性，然后提出一 种基于卡尔曼滤波器的状态估计算法，对利用低成本、低精度激光传感器数据创建地图过 程中机器人的位姿进行校正，并基于校正后的机器人的位姿重新创建地图，实现了地图的 闭环，提高了地图创建的精度，同时推进低成本激光传感器在日常生活及科学研究中的应 用。【附图说明】 下面结合附图和【具体实施方式】对本专利技术作进一步详细说明： 图1为利用SICKLMS激光传感器创建的环境地图； 图2为利用RPLidar激光雷达建立的环境地图； 图3为本专利技术室内环境地图创建的闭环校正方法的步骤示意图； 图4为本专利技术室内环境地图创建的闭环校正方法的Gmapping算法流程图； 图5为本专利技术室内环境地图创建的闭环校正方法更新的校正地图； 图6为本专利技术室内环境地图创建的闭环校正方法最终的校正地图。【具体实施方式】 为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 专利技术的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可W 根据该些附图获得其他的附图。 图3为本专利技术室内环境地图创建的闭环校正方法的步骤示意图，作为本专利技术的一 个具体实施例，如图3所示，本专利技术提供了，包括： 步骤1获取环境信息，标记机器人的初始位姿信息； 步骤2机器人行走距离超过规定范围后记录机器人的实时位姿信息，采用 Gmapping算法根据所述初始位姿信息和所述实时位姿信息生成环境地图； 步骤3检测所述环境地图是否出现闭环，若是，则继续执行W下步骤，若不是，贝U 重复执行步骤2; 步骤4采用状态估计算法重新估计机器人的所述实时位姿信息，并更新所述实时 位姿信息生成校正地图。 具体的，本专利技术中环境数据由里程计和激光传感器获取，其中，激光传感器选用低 成本、低精度的RPLidar激光雷达，通过RPLidar激光雷达获取环境信息，RPLidar激光雷 达的测量长度范围为0. 2-6. 0米，角度范围为0-360度，采样频率超过2000化。本专利技术采用 低精度的RPLidar激光雷达，并通过状态估计算法对低精度带来的误差加W补偿，能够推 进低成本本文档来自技高网...

【技术保护点】
一种室内环境地图创建的闭环校正方法，其特征在于，包括：步骤1获取环境信息，标记机器人的初始位姿信息；步骤2机器人行走距离超过规定范围后记录机器人的实时位姿信息，采用Gmapping算法根据所述初始位姿信息和所述实时位姿信息生成环境地图；步骤3检测所述环境地图是否出现闭环，若是，则继续执行以下步骤，若不是，则重复执行步骤2；步骤4采用状态估计算法重新估计机器人的所述实时位姿信息，并更新所述实时位姿信息生成校正地图。

【技术特征摘要】

【专利技术属性】
技术研发人员：张小，陈宗海，王鹏，章征贵，
申请(专利权)人：上海物景智能科技有限公司，
类型：发明
国别省市：上海;31