[发明专利]一种基于无极FastSLAM算法和匹配优化目标定位方法及机器人

说明书

 

技术领域

申请涉及智能机器人的自主导航领域，具体涉及机器人的定位和目标识别领域，尤其涉及一种基于无极FastSLAM算法和匹配优化目标定位方法及机器人。

 

背景技术

智能机器人，例如，扫地机器人、机器人越来越广泛地应用于家庭生活中，机器人要实现灵活、高效、智能地移动，需要具有自主导航能力。地图创建（Map Building）、定位（Location）和路径规划（Path Planning）是自主导航的三个关键要素。本发明主要涉及地图创建与同时定位领域。其中，地图创建与定位是相互依存的关系，缺少环境地图则无法准确标定机器人的位置，初始位置不确定，则创建的地图缺少基准点。正因如此，未知环境下机器人的定位与地图创建将以同时定位与地图创建的方式来实现，即移动机器人随着对环境的探索，逐步扩大自身存储的地图的广度，并实时的将位置信息标定在新创建的地图中。这种技术一般称之为同时定位与地图生成（SLAM，Simultaneous localization and Mapping）。目前，较为常用的智能机器人的SLAM技术实现包括FastSLAM与vSLAM（visual SLAM）两大类。其中，FastSLAM系统一般使用激光测距仪或声纳来实现，而vSLAM则使用视觉传感器来实现。FastSLAM由于使用了激光、声纳等传感器，对一些特殊的环境信息，如线段、拐角等并不能识别其特殊意义，因此需要通过改进算法来提高定位的准确性。

目前较为常见的移动智能机器人定位技术主要是根据先验的环境信息，结合当前的机器人位置信息以及传感器输入信息，准确地确定机器人位姿的过程。主要包括相对定位与绝对定位，绝对定位主要采用导航信标、主动或被动标识、地图匹配或卫星导航技术(GPS)进行定位,定位精度较高,但对于家用机器人而言成本较高；相对定位是通过测量机器人相对于初始位置的距离和方向来确定机器人的当前位置,通常也称为航位推算法,常用的传感器包括里程计及惯导系统，例如速度陀螺、加速度计等。航位推算法的优点是机器人的位姿是自我推算出来的,不需要对外界环境的感知信息,缺点是漂移误差会随时间累积。

具有环境感知能力是移动机器人实现自主的基础，而视觉传感器是一种能够为自主移动机器人提供最为丰富的环境信息的传感器。在各种视觉传感器中，全维视觉视觉装置由于具有360°的水平视场角，能够在一幅图像中获取机器人周围环境的全景信息，经过图像处理、分析和理解可实现机器人的目标识别、建图、自定位等，因此已经在各种移动机器人中得到了越来越广泛的应用。现有的基于全维视觉系统（或全维视觉系统）的移动机器人定位与路径规划的相关专利很少，最为接近的现有技术为发明专利CN1445685A公开了一种基于通用串行总线的机器人全维视觉系统，该发明设计了一种基于通用串行总线的机器人全维视觉系统,多曲面取景器卡在透明保护罩上,摄像机安装在底座上,其镜头通过底座上的定位孔,伸入保护罩内并正对取景器的顶端,摄像机连接图像采集盒,图像采集盒通过通用串行总线接口连接后台计算机和移动机器人,多曲面取景器由球面、锥面、平面光滑连接而成。该发明的系统具有即插即用和支持热拔插的特点,提高了系统在振动环境中的可靠性和稳定性,并通过全新设计的全维取景器,减小视觉系统的盲区,减少所得图像的失真度,提高环境辨识的精度和准确度,降低系统制造的复杂度和成本。其它相关的专利都是基于单目视觉或者立体视觉的机器人定位与路径规划技术提出的，例如，发明申请CN103292804A公开了一种单目自然视觉路标辅助的移动机器人定位方法，采集到的单目图像和库中的视觉路标进行匹配，建立了基于GIST全局特征和SURF局部特征相结合的在线图像快速匹配框架,同时结合基于单目视觉的运动估计算法修正车体航向；发明申请CN102435188A公开了一种用于室内环境的单目视觉/惯性全自主导航方法，该方法是基于图像的局部不变特性获得特征点信息,利用摄像机运动产生的视差形成的对极几何,求解基础矩阵,利用标定的摄像机内参求解本质矩阵,根据本质矩阵获得摄像机位姿信息,最后将视觉导航信息与惯导信息结合获得相对精确、可靠的导航信息；发明CN102542563A公开了一种移动机器人前向单目视觉的建模方法，发明申请CN102902271A公开了基于双目视觉的机器人目标识别与抓取系统及方法等。