一种融合车载多传感器的SLAM装置制造方法及图纸

本实用新型专利技术涉及融合车载多传感器的三轮全向移动机器人的同步定位与建图方法的技术领域，更具体地，涉及一种融合车载多传感器的SLAM装置。一种融合车载多传感器的SLAM装置，其中，包括三轮全向移动机器人车体，所述的机器人车体上设有车载传感器、车载编码器、车载惯性测量单元、车载控制器、上位机；所述的车载编码器和车载惯性测量单元连接车载控制器，所述的车载控制器连接上位机；所述的车载传感器与上位机连接。能够提高机器人定位和建图的效果，解决单纯依靠RGB‑D传感器进行SLAM的深度值缺失或特征点稀少带来的定位和建图的误差问题，从而提高SLAM的鲁棒性和准确性。

【技术实现步骤摘要】
【专利摘要】本技术涉及融合车载多传感器的三轮全向移动机器人的同步定位与建图方法的
，更具体地，涉及一种融合车载多传感器的SLAM装置。一种融合车载多传感器的SLAM装置，其中，包括三轮全向移动机器人车体，所述的机器人车体上设有车载传感器、车载编码器、车载惯性测量单元、车载控制器、上位机；所述的车载编码器和车载惯性测量单元连接车载控制器，所述的车载控制器连接上位机；所述的车载传感器与上位机连接。能够提高机器人定位和建图的效果，解决单纯依靠RGB?D传感器进行SLAM的深度值缺失或特征点稀少带来的定位和建图的误差问题，从而提高SLAM的鲁棒性和准确性。【专利说明】一种融合车载多传感器的SLAM装置
本技术涉及融合车载多传感器的三轮全向移动机器人的同步定位与建图方 法的
，更具体地，涉及一种融合车载多传感器的SLAM装置。
技术介绍
全向移动机器人能实现任意方向的运动，可广泛应用于军事、工业、家用服务等领 域。移动机器人的同时定位和地图创建（SLAM，Simultaneous Localization And Mapping) 是机器人领域的热点研究问题，它是移动机器人自助任务规划和路径规划的前提和基础。 机器人的SLAM问题，简单的说就是在一个未知的环境中，移动机器人需要建立环境地图，并 在地图上的同时定位自身。这个过程类似于人走到一个完全陌生的环境中，在未携带任何 能够确定位置和方向的设备情况下，只能根据对周围环境的观察和对自身运动的估计认识 环境并确定自己的位置。 SLAM本质上是一个系统状态(包括机器人当前位姿以及所有地图特征位置等）估 计问题。从这一角度，其求解方法可大致分为基于Kalman滤波器的方法、基于粒子滤波器的 方法、基于图优化的方法3类。基于Kalman滤波(KF)和粒子滤波(PF)的方法主要依据递归贝 叶斯状态估计理论。而基于图优化的增量式SLAM算法框架，主要包括顺序数据关联、环形闭 合检测以及图优化3大部分。 从传感器的角度分析，在室外环境中，定位的问题通常可以由GPS(Global Positioning System)来完成，因为GPS为机器人所承担的任务提供了很好的准确性。然而， 当在室内移动时，GPS数据不可用，难以准确估计机器人的位置，因此必须寻找其它解决方 案。以前大部分的机器人地图构建只能提供环境的二维信息，因为获得高质量的三维数据 非常昂贵或者对于机器人的运动有很多的约束。这一阶段的研究使用的数据源一般为激光 测距仪，双目摄像头和单目摄像头。激光测距仪的定位精度虽然高，但价格昂贵，三维激光 扫描仪的价格更是让人难以承担。而基于双目或单目的SLAM依赖于计算机视觉和图像处理 技术，缺点在于缺乏直观的场景深度信息，三维地图重建工作变得复杂。最近几年，随着微 软公司的Kinect、华硕公司的Xtion Pro Live等便宜且高效的RGB-D摄像机的出现，采用 RGB-D传感器进行移动机器人定位或SLAM的研究迅速发展起来。 RGB-D传感器能够同时提供彩色(RGB)和深度(Depth)图像信息，相比于激光测距 仪，它能够更廉价地获得深度信息，而相比于普通相机，它连续性好，环境信息更加丰富，因 此定位的精度更高，且更容易进行三维地图重建。而采用RGB-D摄像机对环境进行SLAM的最 新研究中，则有相当一部分都采用了基于图优化的SLAM方法。 但RGB-D传感器也存在可获得的深度值有效范围较小的问题，对于一些空旷且较 大的场景，会出现深度值缺失或特征点缺失的问题，影响运动估计的准确性，甚至导致定位 和建图出现严重偏差。
技术实现思路
本技术为克服上述现有技术所述的至少一种缺陷，提供一种融合车载多传感 器的SLAM装置，基于图优化的SLAM方法，考虑RGB-D传感器的优点并针对其局限性，引入车 载的编码器和惯性测量单元两类传感器，提出融合车载多传感器的SLAM方法，通过融合多 传感器的数据，计算得到全向移动机器人的位姿变换，减小由于深度值缺失以及特征点稀 少所造成的误差，使获得的机器人运动轨迹更为平滑准确，同时也提高建图的准确度。 为解决上述技术问题，本技术采用的技术方案是：一种融合车载多传感器的 SLAM装置，其中，包括三轮全向移动机器人车体，所述的机器人车体上设有车载传感器、车 载编码器、车载惯性测量单元、车载控制器、上位机;所述的车载编码器和车载惯性测量单 元连接车载控制器，所述的车载控制器连接上位机;所述的车载传感器与上位机连接。所述 的车载传感器为Kinect体感传感器。 本技术中，在未知环境下，三轮全向移动机器人在运动的过程中通过车载 RGB-D传感器（即Kinect体感传感器)获取周围环境的彩色图像和深度图像，从图像变化解 算出自身的运动变换，同时还通过车载编码器和车载惯性测量单元获得机器人自身的运动 数据，对这些数据进行融合处理，以获得机器人自身所处的位置并构建出周围环境的三维 地图，实现机器人的同步定位与建图（SLAM)。 具体的，所述的机器人车体为正三角三轮机构。所述的机器人车体尺寸为长85cm， 宽78cm，高50cm。所述的三个轮的旋转轴互成120度。 与现有技术相比，有益效果是:本技术在未知的环境中，全向移动机器人采用 车载传感器获取周围环境的信息，进行同步定位和建图，我们所考虑的车载传感器系统包 括RGB-D传感器、编码器和惯性测量单元。由于Kinect存在深度范围有限的问题，且基于图 像匹配估计运动的方式容易受到特征点缺失的影响，导致估计结果误差较大，因此我们考 虑融合Kinect、编码器和惯性测量单元的数据，优化位姿估计。基于所提出的多传感器加权 融合算法，本方法能够提高机器人定位和建图的效果，解决单纯依靠 RGB-D传感器进行SLAM 的深度值缺失或特征点稀少带来的定位和建图的误差问题，从而提高SLAM的鲁棒性和准确 性。 融合车载编码器和惯性测量单元所估计的数据，较好地解决了RGB-D SLAM中存在 的深度范围有限、深度值缺失导致的定位和建图的偏差，提高SLAM方法的鲁棒性； 采用加权平均的方式融合多传感器解算得到的位姿信息，提高了位姿的准确性， 从而提高SLAM的效果和准确性； 把多传感器融合估计位姿的方法应用于SLAM系统，并提供一个较为完整的SLAM解 决方案。【附图说明】 图1是融合多传感器的SLAM系统结构图。 图2是三轮全向机器人机械结构示意图。 图3是世界坐标系图。图4是机器人坐标系图。 图5是合速度分解图。 图6是多传感器数据融合方法流程框图。图7是融合多传感器的SLAM方法流程框图。 图8是机器人X轴上的轨迹跟踪效果对比图。 图9是机器人y轴上的轨迹跟踪效果对比图。图10是只使用Kinect的建图效果图。图11是使用多传感器加权融合方法的建图效果图。图12是机器人X轴上的轨迹跟踪效果对比图。图13是机器人y轴上的轨迹跟踪效果对比图。图14是只使用Kinect的建图效果图。 图15是使用多传感器加权融合方法的建图效果图。【具体实施方式】 附图仅用于示例性说明，不能理解为对本专利的限制;为了更好说明本实施例，附 图某些部件会有省略、放大或缩小，并不代表实际产本文档来自技高网...

【技术保护点】
一种融合车载多传感器的SLAM装置，其特征在于，包括三轮全向移动机器人车体，所述的机器人车体上设有车载传感器、车载编码器、车载惯性测量单元、车载控制器、上位机；所述的车载编码器和车载惯性测量单元连接车载控制器，所述的车载控制器连接上位机；所述的车载传感器与上位机连接。

【技术特征摘要】

【专利技术属性】
技术研发人员：成慧，吴依莹，朱启源，林倞，
申请(专利权)人：中山大学，
类型：新型
国别省市：广东;44