一种移动机器人同步定位与建图方法及装置制造方法及图纸

本发明专利技术涉及Gmapping算法技术领域，尤其涉及一种移动机器人同步定位与建图方法及装置，包括：获取k时刻每个粒子的位姿，根据粒子个数平均分配各粒子的权值；根据k时刻实际观测值和每个粒子的位姿，对每个粒子的权值进行更新并归一化处理；根据粒子的权重判断最优粒子，根据生成的随机数来决定粒子进行全局搜索或局部搜索，更新粒子位姿；计算优化后的粒子重要性权值，并归一化，计算得到有效的粒子数；基于粒子的运动轨迹，更新粒子的地图信息，建立机器人实际地图。本发明专利技术加入自适应权重优化的全局/局部搜索算法，对Gmapping运行过程中的粒子集更新优化，解决在同步定位与地图构建中出现的因粒子退化而无法精确定位建图的问题。出现的因粒子退化而无法精确定位建图的问题。出现的因粒子退化而无法精确定位建图的问题。

【技术实现步骤摘要】
一种移动机器人同步定位与建图方法及装置


[0001]本专利技术涉及Gmapping算法
，尤其涉及一种移动机器人同步定位与建图方法及装置。

技术介绍

[0002]移动机器人的同步定位和地图构建(Simultaneous Localization and Mapping,SLAM)是指机器人在未知的环境中运动，通过传感器观测到的地图特征进行位姿估计，再根据自身位置构建地图，以此达到同步定位和地图构建的目的。SLAM作为自主导航的关键，一直以来都是机器人研究领域的热点；当前使用最广泛的粒子滤波算法是Gmapping算法，该算法核心思想是将定位和建图过程分离，移动机器人利用传感器(如里程计、激光、超声波等)不断的采集周围环境信息定位自身位置，再根据定位构建出环境地图。Gmapping算法将不同传感器的数据融合，构建出的地图精度较高，改善了传统粒子滤波算法粒子贫乏问题。
[0003]CN113093756A的专利，该方案就使用了Gmapping算法，但该算法在大环境、闭环较多、局部相似度较高的环境下，经过多次迭代，会出现粒子退化，多样性缺失的问题，导致建出的栅格地图质量不高，有时甚至出现SLAM失败的情况，其稳定性和可靠性还有待提高。
[0004]一种基于改进的Gmapping
‑
SLAM地图更新方法及系统：在Gmapping的基础上，通过点云波动量，自适应调整算法所使用的粒子数，优化的是Gmapping运行前所需要的参数部分。

技术实现思路

[0005]解决的技术问题：在Gmapping中加入了自适应权重优化的全局/局部搜索算法，对Gmapping运行过程中的粒子集更新优化，解决在同步定位与地图构建中出现的因粒子退化而无法精确定位建图的问题。
[0006]本专利技术所采用的技术方案是：一种移动机器人同步定位与建图方法，包括以下步骤：
[0007]S1、采集机器人周边的环境信息，即机器人与周围障碍物之间的距离和角度信息，进行粒子采样，获取k时刻每个粒子的位姿，并根据粒子个数平均分配各粒子的权值；
[0008]进一步的，判断k时刻是否为零时刻，如果是，则生成零时刻的粒子位姿；否则，根据时间k
‑
1处的粒子姿态和里程计数据，预测时间k处的粒子姿态，并给予初始值添加高斯采样的噪声点；基于地图信息、机器人估计位姿、观测量，对每个粒子进行扫描匹配，寻求每个粒子在k时刻的最佳位置坐标；
[0009]S2、根据k时刻的实际观测值和每个粒子的位姿，对每个粒子的权值进行更新并归一化处理；
[0010]进一步的，对每个粒子的权值进行更新，采用公式：其中，表示在k
‑
1时刻第i个粒子的权值；p表示k时刻的概率密度函数；表示k时刻第i
个粒子的实际观测值；表示k
‑
1时刻第i个粒子的地图信息；表示k时刻第i个粒子的位姿；
[0011]S3、根据粒子的权重判断最优粒子，根据生成的随机数来决定粒子进行全局搜索，或是局部搜索，更新粒子位姿，当达到最大迭代次数时，停止迭代；
[0012]进一步的，通过迭代更新粒子位姿，包括：
[0013]根据更新所得权重最大的粒子作为最优粒子，生成随机数与切换频率r比较，用于确定搜索方法是执行全局搜索还是局部搜索，公式如下：
[0014]全局搜索：
[0015]局部搜索：
[0016]其中，表示k+1时刻第i个粒子的位姿；表示k时刻第i、j、h个粒子的位姿，随机选择；g
*
表示权值最大的粒子；F
i
表示第i个粒子的适应度值；
[0017]进一步的，引入惯性权重，用以平衡算法的全局和局部搜索能力，防止算法进入局部最优的问题，惯性权重公式：
[0018][0019]其中，ω
max
为最大惯性系数，ω
min
为最小惯性系数，T为最大迭代次数，t为当前迭代次数；
[0020]改进后的全局搜索公式为：
[0021][0022]S4、计算优化后的粒子重要性权值，并归一化，计算得到有效的粒子数N
eff
，并将有效的粒子数与阈值进行比较，根据比较结果对粒子和粒子权值进行操作；
[0023]进一步的，当有效粒子数小于预设的阈值时，对粒子进行重采样操作，删除粒子集中权值较低的粒子，复制新的高权值粒子，建立新的粒子集，使新粒子集粒子数和重采样之前的粒子数相等，计算并更新重采样粒子的权值；当有效粒子大于设定的阈值时，保持原采样的粒子及每个粒子的权值；
[0024]进一步的，有效粒子数N
eff
为：其中，表示k时刻第i个粒子权重值；
[0025]S5、基于粒子的运动轨迹，更新粒子的地图信息，建立机器人实际地图。
[0026]一种移动机器人同步定位与建图装置，包括：里程计运动模块、激光雷达观测模块和同步定位与建图模块，里程计运动模块与激光雷达观测模块均与同步定位与建图模块连接；
[0027]里程计运动模块，用于获取移动机器人运动的速度数据，初始化、更新粒子的位姿；
[0028]激光雷达观测模块，用于获取移动机器人周边的环境信息，作为k时刻的实际观测值，进行扫描匹配；
[0029]同步定位与建图模块，用于初始化粒子的权值，并根据每个粒子的位姿和k时刻的
实际观测值，对粒子进行权值更新并归一化处理；获取权值最大的粒子作为最优粒子，生成随机数，通过迭代，判断对粒子集中的粒子进行全局/局部更新搜索，更新粒子的位姿；计算优化后的粒子重要性权值，并归一化，计算得到有效的粒子数；自适应重采样，判断有效粒子数小于设定的阈值时，对粒子进行重采样，反之，不执行；根据粒子的权重判断最优粒子，获取其运动轨迹，从而更新地图信息。
[0030]本专利技术的有益效果是：
[0031]改善了粒子采样过程，通过自适应权重优化的全局搜索与局部搜索方法，对下一时刻的粒子集进行更新优化，使其向真实状态逼近，缓解粒子的退化现象，使算法以较少的粒子数构建出更准确的栅格地图，保证运行速度，提高建图的精度。
附图说明
[0032]图1为本专利技术移动机器人同步定位与建图方法的流程示意图；
[0033]图2为本专利技术中全局/局部搜索方法的流程示意图；
[0034]图3为本专利技术移动机器人同步定位与建图装置的结构示意图；
[0035]图4为本专利技术的ACES Building数据集实验对比结果图；
[0036]图5为本专利技术的Intel Research Lab数据集实验对比结果图。
具体实施方式
[0037]下面结合附图和实施例对本专利技术作进一步说明，此图为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。
[0038]如图1所示，一种移动机器人同步定位与建图方法包括以下步骤：
[0039]S1、采集机器人周边的环境信息，进行粒子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动机器人同步定位与建图方法，其特征在于，包括以下步骤：S1、采集机器人周边的环境信息，包括机器人与周围障碍物之间的距离和角度信息，进行粒子采样，获取k时刻每个粒子的位姿，并根据粒子个数平均分配各粒子的权值；S2、根据k时刻的实际观测值和每个粒子的位姿，对每个粒子的权值进行更新并归一化处理；S3、根据粒子的权重判断最优粒子，根据生成的随机数来决定粒子进行全局搜索，或是局部搜索，更新粒子位姿，当达到最大迭代次数时，停止迭代；S4、计算优化后的粒子重要性权值，并归一化，计算得到有效的粒子数，并将有效的粒子数与阈值进行比较，根据比较结果对粒子和粒子权值进行操作；S5、基于粒子的运动轨迹，更新粒子的地图信息，建立机器人实际地图。2.根据权利要求1所述的移动机器人同步定位与建图方法，其特征在于，判断所述k时刻是否为零时刻，如果是，则生成零时刻的粒子位姿；否则，根据时间k
‑
1处的粒子姿态和里程计数据，预测时间k处的粒子姿态，并给予初始值添加高斯采样的噪声点；基于地图信息、机器人估计位姿、观测量，对每个粒子进行扫描匹配，寻求每个粒子在k时刻的最佳位置坐标。3.根据权利要求1所述的移动机器人同步定位与建图方法，其特征在于，所述粒子的权值通过公式：进行更新，其中，表示在k
‑
1时刻第i个粒子的权值、p表示k时刻的概率密度函数、表示k时刻第i个粒子的实际观测值、表示k
‑
1时刻第i个粒子的地图信息、表示k时刻第i个粒子的位姿。4.根据权利要求1所述的移动机器人同步定位与建图方法，其特征在于，所述更新粒子位姿是根据更新所得权重最大的粒子作为最优粒子，生成随机数与切换频率r比较，用于确定搜索方法是执行全局搜索还是局部搜索，公式如下：全局搜索：局部搜索：其中，表示k+1时刻第i个粒子的位姿；表示k时刻第i、j、h个粒子的位姿，随机选择；g
*
表示权值最大的粒子；F...

【专利技术属性】
技术研发人员：毛国勇，张宇轩，陈从平，姚文卿，
申请(专利权)人：常州大学，
类型：发明
国别省市：