一种针对大尺度环境的多机器人协同制图与定位的方法技术

本发明专利技术提出了一种针对大尺度环境的多机器人协同制图与定位的方法，包括基于视觉检测闭环的单机器人激光SLAM算法、多机器人位姿约束估计算法以及多机器人地图融合算法；其中，基于视觉检测闭环的单机器人激光SLAM算法利用视觉传感器来辅助激光传感器，实现更为稳定鲁棒性的SLAM算法。本发明专利技术通过激光和视觉传感器实现了多机器人的同步定位与制图。通过摄像头获得鲁棒的视觉特征来检测闭环，有效地解决了机器人运动累积误差所造成的闭环检测难题，同时通过多机器人系统，高效率地完成大区域环境下的同步定位与制图，克服了单机器人效率低的缺点。本发明专利技术的方法在大尺度环境下实现准确的机器人定位和环境的地图创建，同样适用于小尺度环境。

【技术实现步骤摘要】

本专利技术涉及机器人感知
，尤其涉及一种多机器人协同制图与定位的方法。
技术介绍
近年来，随着机器人应用的深入，机器人环境感知与定位技术，尤其是大尺度环境下同步定位与制图技术，成为机器人技术发展的重要瓶颈，因此成为各大公司和研究机构争相解决的重要问题。由于在许多大型环境里，单机器人效率低，任务量小，不能够满足实际需求，所以利用单机器人来获取大规模环境的地图力不从心了，多机器人应运而生。多机器人系统相对于其它的分布式系统而言更为复杂，因为它们面对的是不可预测的动态的实际应用环境。我们下面把机器人的同步定位与地图创建问题简称为SLAM。多机器人SLAM问题是基于单个机器人独立探索并绘制地图，最终将多个机器人所获得的地图整合成一张完整的地图。多机器人协同合作能够高效率地完成大区域环境下的同步定位与制图，克服了单机器人效率低的缺点，但是其也面临更多单机器人没有遇到的挑战。首先，单个机器人的累积误差会给地图融合带来困难；其次，机器人之间没有各自相对位置的先验知识，这对地图融合来说是一个挑战；再次，机器人之间如何进行信息的交流，分享各自对环境的理解，以帮助其它机器人更好构建自己的地图；最后机器人独立构建的地图之间重叠的部分是不知道的。但是解决这些问题的难点在于寻找各个地图之间的对应部分。专利文献1(中国专利公开号CN102169344A)公开了一种通过扩展卡尔曼滤波的方式实现多机器人的同步制图与定位问题。通过信息融合和滤波的方式减少传感器的误差，完成机器人的自身定位和制图。但是当多机器人处在大尺度环境中，这种基于滤波的方式只能更新机器人当前的位姿，不能对机器人之前的状态进行更新，所以存在累积误差。尤其当机器人工作在尺度比较大的环境中，这种累计误差带来的影响尤其显著。同时，基于滤波的方式在大环境下工作时，由于特征过多，会造成维数灾难。因此该专利技术的应用范围非常有限，用户非常希望得到一个能准确性高，并且能在大环境下工作的多机器人感知系统。专利文献2(中国专利公开号CN103712617A)公开了一种基于视觉内容的多层语义地图的创建方法，包括：将机器人在环境中漫游拍摄的图像集合按照拍摄地点场景进行标注；构建分层词汇树；构建知识拓扑层，为知识拓扑层赋予知识；构建场景拓扑层；构建地点拓扑层。该方法构建的是视觉语义地图，并非直观的二维或者三维几何地图。专利文献3(中国专利公开号CN103941264A)公开了一种室内未知环境下使用激光雷达定位方法，在传统激光雷达定位基础上，完成室内未知环境下的地图构建，并在构建地图的基础上进行线段和角点的特征匹配，提出一种混合特征匹配滤波模型，实现室内未知环境下的实时精确定位。该方法简单易行，但是无法解决大尺度环境的地图闭环问题。专利文献4(中国专利公开号CN103926930A)公开了一种基于MAPSO算法的多机器人地图构建方法，能够有效提高多机器人环境探测精度，减少重复探测次数。该专利技术的重点在于多机器人地图探测的效率提高问题，并不涉及如何使用多传感器融合来实现机器人的环境地图创建和机器人的定位算法问题。专利文献5(中国专利公开号CN105547301A)提出采用地磁指纹的室内地图构建方法，其专利技术所构建的地图为二维拓扑图，并不是本专利技术所涉及到稠密格式地图创建。
技术实现思路
本专利技术提出了通过单目视觉信息来辅助进行激光SLAM的方法，旨在利用视觉算法信息丰富、匹配准确等优点来弥补激光算法在这方面的不足，并利用视觉建立多机器人之间的约束，通过图优化消除误差，生成栅格地图并实现机器人的实时定位。为达上述目的，本专利技术通过以下技术方案实现：一种针对大尺度环境的多机器人协同制图与定位的方法，所述方法包括：基于视觉检测闭环的单机器人激光SLAM算法、多机器人位姿约束估计算法以及多机器人地图融合算法；其中，所述基于视觉检测闭环的单机器人激光SLAM算法利用视觉传感器来辅助激光传感器，实现更为稳定鲁棒的SLAM算法；所述多机器人位姿约束估计算法基于ORB视觉特征建立视觉词袋，通过TF-IDF的模型计算多个机器人之间的视觉单词匹配得分，找到两个机器人地图重叠部分，建立两个机器人的位姿图之间的约束；所述多机器人地图融合算法将所有的路径图都转换到了同一个坐标系下，通过将齐次坐标的坐标变换，得到机器人相对于该地图坐标系的位姿，最终完成了路径图的融合。进一步地，所述方法还包括利用图优化的方法，对于融合后的路径图，即位姿图进行优化，并在优化后的位姿图基础上进行地图拼接，得到完整的环境地图。进一步地，实现所述SLAM算法的系统包括前端和后端，前端主要通过不同时刻激光数据的匹配以及闭环的检测来得到机器人位姿图，后端主要是通过全局优化方法来校正机器人位姿图，然后基于校正过的位姿及其对应的激光数据，通过激光地图的拼接以得到最终的地图。进一步地，在所述SLAM算法中加入视觉算法来检测闭环，如果视觉算法判断出闭环，系统就向前端的闭环检测模块发送一闭环信号；当前端接收到这个闭环信号后，就开始执行其内部闭环检测算法，并由此建立机器人在闭环位置的位姿图环路。进一步地，所述多机器人位姿约束估计算法中，建立两个机器人的位姿图之间的约束的流程如下：a.为了保证算法的实时性，机器人1只将其关键帧发给机器人2，机器人2对获取的图像提取ORB特征，计算视觉词袋；b.将机器人1计算得到的词袋中的视觉单词与机器人2本身的视觉词袋库做匹配；c.将机器人2的词袋库中与机器人1的关键帧共享较多视觉单词的关键帧挑选出来作为候选关键帧；d.根据TF-IDF模型将机器人1的关键帧与候选关键帧分别计算得分，只保留得分高于第一得分阈值的关键帧；e.通过应用随机抽样一致性RANSAC算法，将剩余的候选关键帧与机器人1的关键帧做匹配，将得到的局内点最多的关键帧作为匹配的关键帧，求出旋转和平移，从而建立两个机器人之间的联系。进一步地，所述视觉传感器为单目、双目或多目视觉传感器，所述激光传感器为二维激光或三维激光传感器。进一步地，所述方法适用于小尺度环境的地图。本专利技术的有益效果是：本专利技术的方法可以消除机器人运动累积误差，在大尺度环境下实现准确的机器人定位和环境的地图创建，该方法可以运用于无人车驾驶、无人机导航、服务机器人导航、移动式搬运机器人导航等等领域。附图说明图1是本专利技术实现基于激光的图优化SLAM方法的系统示意图；图2是建立多机器人间的约束的示意图；图3是路径图中的连接节点示意图；图4是将机器人2的位姿图融合到机器人1坐标系下的示意图。具体实施方案下面通过具体实施方式结合附图对本专利技术作进一步详细说明。本专利技术针对大尺度环境(500m2以上)的地图创建与定位问题，旨在提高机器人同步定位与制图的效率及鲁棒等特性，实现准确地定位和快速的大面积区域的制图，本专利技术由基于视觉检测闭环的单机器人激光SLAM算法、多机器人位姿约束估计算法以及多机器人地图融合算法组成。A.基于视觉的单机器人激光SLAM算法本专利技术构造了如附图1所示的系统来实现基于视觉的单机器人激光SLAM方法，总体思路如下：本专利技术将SLAM过程分成前端和后端两个部分：前端和后端，其中，前端主要通过不同时刻激光数据的匹配以及闭环的检测来得到机器人位姿图，后端主要是通过全局优化方法来校正机器人位姿图，然后基于校正过本文档来自技高网...

【技术保护点】
一种针对大尺度环境的多机器人协同制图与定位的方法，其特征在于：所述方法包括：基于视觉检测闭环的单机器人激光SLAM算法、多机器人位姿约束估计算法以及多机器人地图融合算法；其中，所述基于视觉检测闭环的单机器人激光SLAM算法利用视觉传感器来辅助激光传感器，实现更为稳定鲁棒性的SLAM算法；所述多机器人位姿约束估计算法基于ORB视觉特征建立视觉词袋，通过TF‑IDF的模型计算多个机器人之间的视觉单词匹配得分，找到两个机器人地图重叠部分，建立两个机器人的位姿图之间的约束；所述多机器人地图融合算法将所有的路径图都转换到了同一个坐标系下，通过将齐次坐标的坐标变换，得到机器人相对于该地图坐标系的位姿，最终完成了路径图的融合。

【技术特征摘要】
1.一种针对大尺度环境的多机器人协同制图与定位的方法，其特征在于：所述方法包括：基于视觉检测闭环的单机器人激光SLAM算法、多机器人位姿约束估计算法以及多机器人地图融合算法；其中，所述基于视觉检测闭环的单机器人激光SLAM算法利用视觉传感器来辅助激光传感器，实现更为稳定鲁棒性的SLAM算法；所述多机器人位姿约束估计算法基于ORB视觉特征建立视觉词袋，通过TF-IDF的模型计算多个机器人之间的视觉单词匹配得分，找到两个机器人地图重叠部分，建立两个机器人的位姿图之间的约束；所述多机器人地图融合算法将所有的路径图都转换到了同一个坐标系下，通过将齐次坐标的坐标变换，得到机器人相对于该地图坐标系的位姿，最终完成了路径图的融合。2.根据权利要求1所述的方法，其特征在于：所述方法还包括利用图优化的方法，对于融合后的路径图，即位姿图进行优化，并在优化后的位姿图基础上进行地图拼接，得到完整的环境地图。3.根据权利要求1所述的方法，其特征在于：实现所述SLAM算法的系统包括前端和后端，前端主要通过不同时刻激光数据的匹配以及闭环的检测来得到机器人位姿图，后端主要是通过全局优化方法来校正机器人位姿图，然后基于校正过的位姿及其对应的激光数据，通过激光地图的拼接以得到最终的地图。4.根据权利要求3所述的方法...

【专利技术属性】
技术研发人员：陈浩耀，秦野，李衍杰，楼云江，李兵，刘云辉，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东;44