[发明专利]基于显著场景点检测的移动机器人级联地图创建方法

权利要求书

1.基于显著场景点检测的移动机器人级联地图创建方法，其特征在于，所述方法包括：

根据移动机器人的传感器采集的图像数据，进行在线显著场景点检测，生成全局拓扑节点；

更新移动机器人位姿和局部栅格子地图：根据激光传感器数据、航位推算传感器、上一周期对移动机器人的位姿估计和前期构建得到的局部栅格子地图，估计当前周期移动机器人的局部位姿，并更新栅格子地图局部坐标框架；

以显著场景点作为拓扑节点创建全局拓扑地图结构，在机器人轨迹闭合检测的基础上，引入加权扫描匹配法和松弛法对拓扑结构进行优化，修正全局拓扑地图的一致性。

2.根据权利要求1所述的基于显著场景点检测的移动机器人级联地图创建方法，其特征在于：显著场景点检测方法包括场景图像特征提取与场景显著性计算，步骤如下：

1)通过视觉注意机制引导SURF特征采样聚集到显著区域，剔除大量无利于表征地点特征的信息；

2)通过K-mean聚类算法对图像的SURF特征向量集合进行聚类，并采用融合空间关系的空间词袋模型构造场景表观特征描述，将场景图像描述为一种融合空间关系的视觉单词直方图；

3)利用视觉单词直方图建立基于该特征描述的地点Multivariate Polya模型，并通过计算期望Bayesian Surprise阈值，判断当前机器人所处的地点是否为显著场景点。

3.根据权利要求1所述的基于显著场景点检测的移动机器人级联地图创建方法，其特征在于：所述的局部栅格子地图中包含障碍物占有栅格、场景地点特征等混合特征的精确描述；局部栅格子地图采用以当前周期移动机器人位置为原点、以当前周期移动机器人正方向为X轴的坐标系；

所述的局部栅格子地图的同时机器人定位与地图创建采用Rao-Blackwellized粒子滤波算法，完成初始定位后创建首个全局拓扑节点，并将当前创建的栅格地图保存为所述首个全局拓扑节点对应的子地图。

4.根据权利要求1所述的基于显著场景点检测的移动机器人级联地图创建方法，所述的全局拓扑地图是采用以显著场景点为全局拓扑节点、以连接边连接了相邻的拓扑节点构成的图结构；每个节点与一个局部占有栅格子地图相关联，每条边对应了相邻子地图坐标框架的变换关系。

5.根据权利要求1所述的基于显著场景点检测的移动机器人级联地图创建方法，其特征在于：所述全局拓扑地图创建步骤为：

1)机器人采集视觉传感器数据，并进行场景显著性检测，当检测到新的显著场景点时在全局拓扑地图中创建新的拓扑节点，以机器人在上一个节点中的结束位姿作为新子地图的坐标原点，即新节点的基坐标，另外将当前场景点的特征加入历史数据；

2)迭代使用coupling summation公式对机器人全局位置方差进行在线估计和更新，将相邻节点之间的基座标变换关系附加在节点间的连接边上，实现节点间相对位置传递计算；

3)每次创建新的拓扑节点，均与拓扑节点的历史数据进行匹配，从而判断移动机器人是否重新到达了已访问过的地点；其中采用场景图像SURF特征模型的相似距离匹配法计算当前场景地点和历史场景地点的相似度概率；

4)当检测出机器人访问地点轨迹闭合后，对已创建的拓扑节点按各节点的连接顺序，采用加权扫描匹配法计算相邻节点对应子地图基坐标之间的相对位移变换量。

6.根据权利要求1所述的基于显著场景点检测的移动机器人级联地图创建方法，其特征在于：所述的全局一致性修正方法是，将由机器人传感器观测量获取的节点间相互关系视作节点之间一种位置约束，采用松弛法求解满足约束而最优的拓扑组织结构，步骤如下：

1)针对某节点i，利用所述节点的每个邻节点j位置计算所述节点的估算位置和方差；

2)再根据所有邻节点所得到的关于节点i的估算量，加权平均得到关于i的新坐标；

3)重复以上步骤，直到整个地图中所有节点的位置在先后两次迭代中误差的和小于某个给定阈值，或者迭代超过一定总次数时，结束该松弛算法过程。

7.根据权利要求1所述的基于显著场景点检测的移动机器人级联地图创建方法，其特征在于：所述的传感器包括单目摄像头和激光测距仪。

8.根据权利要求7所述的基于显著场景点检测的移动机器人级联地图创建方法，其特征在于：所述的激光测距仪获得的数据是激光在测距高度35cm平面上扫描得到的环境中障碍物上各个点相对于移动机器人的距离和角度，在0^o-180^o范围内每1^o分辨率获得一个激光束数据，共计181个激光束。