[发明专利]一种基于智能机器人地面特征的PTAM改进方法

说明书

技术领域

本发明属于机器人视觉领域，涉及一种基于地面特征的PTAM算法改进。

背景技术

随着机器人与人类的关系越来越紧密，智能机器人的相关技术受到了极大的重视。移动机器人的同步定位与建图(Simultaneous Localization and Mapping,SLAM)是当前智能移动机器人最主流的定位技术之一。它实际上就是一个运动估计问题，利用传感器获取的内部和外部数据，计算出移动机器人在某一时刻的位置，同时建立所依赖的地图模型。基于视觉的SLAM是属于视觉测量的研究范畴，由于视觉传感器拥有自身独特的优点：体积小，重量轻，价格便宜，安装方便，提取的外部信息非常丰富。这些优势进一步促进了当前基于视觉的SLAM的研究和应用。申请号为201310678018.2提供了一种采用SURF作为单目视觉SLAM的特征检测算子，分别从感兴趣点的检测、SURF描述子的生成及SURF点匹配等三个方面进行了创新和改进，提出了基于区域增长的SURF特征匹配方法完成机器人的同时定位与地图创建，使得在SURF描述子匹配过程中，某一描述子仅与最可能与之匹配的描述子进行比对，从而显著的减少了单目视觉SLAM问题中的比对次数，提高了匹配速度。但该方法依然存在不能建立米制地图以及无法提供三维特征信息的问题，算法鲁棒性与实时性有待进一步提高。

从运动中创建环境模型技术是一种同时求解摄像机运动轨迹和场景结构模型的方法。作为SFM的代表性方法，G.Klein等人于2007年在增强现实(AR)领域首先提出了PTAM(Parallel Tracking and Mapping)的概念，用来实时地解决环境识别问题。但未改进的PTAM算法也存在无法建立米制地图的问题，同时对相机的移动有着严格限制。

发明内容

针对以上存在的问题，本发明提出了一种基于地面特征的PTAM改进算法，在加入地面特征的基础上，PTAM对单目摄像机的当前位姿与三维空间点进行同步估计，在利用FAST角点方法更新检测特征点的同时，用最优的局部与全局光束平差法，不断地更新摄像机与三维特征点的位姿，完成了高精度定位与地图创建，该发明有效解决了无法创建米制地图的问题，同时在实时性及三维特征提取上有着极大的提高，对于解决机器人导航定位、三维重建中的相关问题有着重要意义。

本发明采用如下的技术方案：

首先，完成参数校正，这包括参数定义与相机校正；接着对关键帧中的特征进行跟踪，再实现位姿的初始化，再此基础上对平面参数进行估计；然后利用相机获取当前环境纹理信息，并构建四层高斯图像金字塔，运用FAST角点检测算法提取当前图像中的特征信息，建立角点特征间的数据关联，得到位姿估计模型；在地图的初始绘制阶段，获取两个关键帧将相机架设在移动机器人上，通过相机与地面标定后开始进行初始化过程；在初始化过程中，移动机器人开始移动，同时相机捕获当前场景中角点信息并建立关联，由位姿估计模型获取当前位姿初始估计，再运用基于地面特征的位姿估计方法获取当前位姿的准确估计；实现三维稀疏地图的初始化后，更新关键帧并利用极线搜索与块匹配方法建立特征点亚像素精度映射关系，结合位姿估计模型实现相机精确重定位。最后将匹配点投影到空间，完成当前全局环境三维地图创建。同时利用全局与局部集束调整完成算法的一致性优化。

具体包括以下步骤：

步骤1，参数校正

步骤1.1，参数定义

(1)机器人位姿

在移动机器人起始处建立世界坐标系，在机器人移动过程中，其位姿可表示为：

由上式可知移动机器人位姿可由x＝(x，y,θ)描述，其中，x，y分别表示移动机器人在x轴，y轴方向的平移量，θ为移动机器人绕z轴的旋转角度。

在世界坐标系下，相机的位姿可表示为:

其中，T_c∈SE(3)，SE(3)为特殊刚体变换群，R_c为3×3旋转矩阵，t_c为3×1平移矩阵。该位姿矩阵建立了世界坐标系与相机坐标系下点p_c，p_w的对应关系，即p_c＝T_cp_w。在附图2所示，本研究中相机固定在移动机器人上，相机与机器人间存在固定的旋转平移关系T_cr。在机器人移动过程中，若某一时间间隔机器人位姿增量为T_rs，与之对应，相机的位姿增量为T_cs，则：