基于单目相机与里程计的室内机器人定位方法技术

本发明专利技术提出一种基于单目相机与里程计的室内机器人定位方法：采用单目相机和轮式里程计作为传感器；所述单目相机固定朝向天花板进行视觉跟踪，作为视觉里程计；且至少包括以下步骤：步骤S1：视觉跟踪：在视觉跟踪的过程中，对参考帧的特征点做仿射投影，以限制在当前帧上特征点的邻域搜索范围；步骤S2：融合轮式里程计数据为视觉里程计提供绝对尺度，对轮式里程计信息进行预积分为视觉里程计提供初值；步骤S3：进行局部、全局优化，通过回环检测消除累积误差。能克服室内动态场景的缺陷，且具有较高的定位精度。高的定位精度。高的定位精度。

【技术实现步骤摘要】
基于单目相机与里程计的室内机器人定位方法


[0001]本专利技术属于机器人定位
，尤其涉及一种基于单目相机与里程计的室内机器人定位方法。

技术介绍

[0002]随着机器人技术的发展，越来越多需要人力完成的重复繁琐工作被机器人所替代。对于自主移动机器人，尤其是室内动态环境中的服务型移动机器人，准确的自我定位技术显得尤为重要。在传统方法上，常采用在室内放置如红外、超声波发射装置等主动信号源，或布置一些已知信息的路标以实现定位任务。但这些方法需要安装额外的装置，或对环境进行特殊布置，无法做到普遍适用。
[0003]R. Smith等提出同时定位与建图（Simultaneous Localization And Mapping, SLAM）技术在不依赖外部设备或特殊标志情况下，利用相关传感器信息计算器人的位姿并且构建环境地图，逐渐成为解决室内服务机器人定位问题的热门技术。在此之后，基于SLAM技术的研究层出不穷。A. J. Davison在2007年提出了第一个可以实时运行的单目视觉SLAM系统MonoSLAM，拉开了单目视觉SLAM定位技术的发展序幕。该方法建立在扩展卡尔曼滤波（Extended Kalman Filter，EKF）算法上，通过跟踪视觉特征点求解相机的位姿以实现定位。但其鲁棒性不足，存在容易丢失的缺点，且无重定位功能。Raul在2015年提出ORB
‑
SLAM，该方法基于ORB特征点进行匹配跟踪，同时加入了重定位和闭环检测的模块，完善了视觉SLAM技术的统一框架。ORB特征的应用，提升了匹配的速度，但同时也提高了对环境纹理的要求，使得它在弱纹理情况下不能稳定使用。尽管后续作者发布了ORB
‑
SLAM3，其在各方面性能有了一定的提升，但在室内弱纹理场景下仍然存在上述问题。尤其在室内动态环境中，人、宠物、桌椅、装饰物等的位置信息易发生改变，使用上述方法得到的地图信息存在偏差。
[0004]在室内动态环境中，天花板信息基本稳定不变，选择其作为视觉信息将减少动态因素改变所带来的误差。在学术研究以及市场应用方面也逐渐出现了采用摄像头朝向天花板方向的实例，如扫地机器人。Sun Y. D.选择场景里已知的圆形灯作为特殊标志物，利用其进行特征匹配求解位姿。但该方法需要视野中至少有两个灯，否则将无法求解。Wang H.使用深度相机获取深度图和原图，结合深度信息使用迭代最近邻（Iterative Closest Point ICP）算法估算位姿。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于单目相机与里程计的室内机器人定位方法，旨在针对室内服务机器人的定位问题，基于两种价格低廉的传感器——单目相机与轮式里程计，提出一种适用于室内动态环境下的服务机器人定位解决方案，克服室内动态场景的缺陷，且具有较高的定位精度。
[0006]该方法将单目相机朝向天花板以减少室内动态环境下信息多端变化所带来的误
差，并通过改变特征匹配策略提升纹理重复度高场景下的匹配精度，以获得更加准确的位姿求解；结合里程计预积分为视觉里程计提供初值，加快收敛速度，减少非线性优化迭代次数，同时也为单目相机固定了尺度信息。本专利技术所提出的室内机器人定位方法，在室内动态场景以及重复纹理场景下，能有效的保证机器人定位精度。相较ORB
‑
SLAM3，可以克服室内动态场景的缺陷，且具有较高的定位精度，其拥有较好的应用前景以及实际工程的应用价值。
[0007]本专利技术具体采用以下技术方案：一种基于单目相机与里程计的室内机器人定位方法，其特征在于：采用单目相机和轮式里程计作为传感器；所述单目相机固定朝向天花板进行视觉跟踪，作为视觉里程计；且至少包括以下步骤：步骤S1：视觉跟踪：在视觉跟踪的过程中，对参考帧的特征点做仿射投影，以限制在当前帧上特征点的邻域搜索范围；步骤S2：融合轮式里程计数据为视觉里程计提供绝对尺度，对轮式里程计信息进行预积分为视觉里程计提供初值；步骤S3：进行局部、全局优化，通过回环检测消除累积误差。
[0008]优选地，所述特征点为SURF特征点。
[0009]优选地，在步骤S1中，采用基于邻域的特征点搜索算法，依据视觉里程计变化值预估出图像的仿射变换矩阵，并对参考帧的特征点做仿射投影以限制邻域搜索范围。
[0010]优选地，在步骤S2中，融合轮式里程计，结合轮式里程计预积分信息为视觉里程计提供初值的具体过程为：在采集图像数据的时刻作为要插入轮式里程计数据的时间点，通过插值的方法获取这一时刻的轮式里程计数据，以及索引这一时间点前后的两个数据，利用前后数据插值计算得到对应时刻的轮式里程计信息，通过预积分计算相邻两帧图像时刻之间的变换信息，再作为视觉里程计的一个初值估计。
[0011]优选地，在步骤S3中，利用图优化对各参数进行捆集约束调整，以得到相机参数和空间点线的最优解。
[0012]与现有技术中的机器人定位方法相比，本专利技术及其优选方案具有以下有益效果：（1）成本低。基于两种价格低廉的传感器——单目相机与轮式里程计，使用成本低且适合在嵌入式系统上实现的单目相机作为视觉传感器。
[0013]（2）在室内动态场景中适用。本专利技术通过固定摄像头方向，使其朝向天花板，以克服室内动态场景下视觉信息变化多端不可靠的问题，再选择定位的关键点为特征显著、且不轻易因光照、仿射变换和噪音等因素而变化的SURF特征点。
[0014]（3）准确度更高。优化特征匹配算法，以在纹理重复度高或纹理稀疏的场景中有更好的匹配表现。考虑到扫地机器人移动速度较低，前后帧时刻位姿变换量较小，采用基于邻域的特征点搜索算法替代传统的全局搜索，依据里程计变化值预估出图像的仿射变换矩阵，并对参考帧的特征点做仿射投影以限制邻域搜索范围，显著降低了计算量。
附图说明
[0015]下面结合附图和具体实施方式对本专利技术进一步详细的说明：图1为本专利技术实施例方法流程示意图；
图2为本专利技术实施例采用不同特征点效果示意图1；图3为本专利技术实施例采用不同特征点效果示意图2；图4为本专利技术实施例特征点匹配平均内点数对比示意图；图5为本专利技术实施例特征点匹配平均内点率对比示意图；图6为本专利技术实施例建图结果对比示意图（ORB
‑
SLAM3 侧面）；图7为本专利技术实施例建图结果对比示意图（本文方法 侧面）；图8为本专利技术实施例建图结果对比示意图（ORB
‑
SLAM3正面）；图9为本专利技术实施例建图结果对比示意图（本文方法 正面）；图10为本专利技术实施例轨迹结果对比示意图。
具体实施方式
[0016]为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：本专利技术提供的基于单目相机与里程计的室内机器人定位方法的整体流程如图1所示，将单目相机朝向天花板以减少室内动态环境下信息多端变化所带来的误差，作为视觉里程计，并通过改变特征匹配策略提升纹理重复度高场景下的匹配精度，以获得更加准确的位姿求解；结合里程计预积分为视觉里程计提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于单目相机与里程计的室内机器人定位方法，其特征在于：采用单目相机和轮式里程计作为传感器；所述单目相机固定朝向天花板进行视觉跟踪，作为视觉里程计；且至少包括以下步骤：步骤S1：视觉跟踪：在视觉跟踪的过程中，对参考帧的特征点做仿射投影，以限制在当前帧上特征点的邻域搜索范围；步骤S2：融合轮式里程计数据为视觉里程计提供绝对尺度，对轮式里程计信息进行预积分为视觉里程计提供初值；步骤S3：进行局部、全局优化，通过回环检测消除累积误差。2.根据权利要求1所述的基于单目相机与里程计的室内机器人定位方法，其特征在于：所述特征点为SURF特征点。3.根据权利要求1所述的基于单目相机与里程计的室内机器人定位方法，其特征在于：在步骤S1中，采用基于邻域的特征点搜索算法，依据视觉里程计...

【专利技术属性】
技术研发人员：吴丽君，温倩雯，李庚，陈志聪，吴振辉，林培杰，程树英，
申请(专利权)人：福州大学，
类型：发明
国别省市：