[发明专利]城市复杂环境下多无人机视觉SLAM的地图融合方法

说明书

技术领域

本发明属于视觉导航系统领域，具体讲是一种城市复杂环境下多无人机视觉SLAM的地图融合方法。

背景技术

由于无人机具有小型化，易于操纵，控制等优点，广泛应用于城市救灾、地理勘测等场景。基于城市环境的复杂性，GPS信号易于丢失，而惯性测量元件的累积误差使得无人机无法获得精准的自身位姿信息，因此无人机无法实现自主导航。SLAM技术是解决未知环境下导航的关键技术，SLAM技术已经广泛应用于地面机器人、室内机器人。基于SLAM技术的传感器有激光扫描仪，单目相机，立体相机，RGB-D相机。近些年，利用较轻便，价格便宜，信息丰富的RGB-D相机实现视觉SLAM越来越引起行业内的关注。除此之外，丰富的视觉信息还可以用于无人机的目标跟踪，目标检测。

在单无人机视觉SLAM中，考虑到大规模环境下，时间紧迫，无人机的续航能力有限，并且长时间内，无人机获得的图像信息越来越多，视觉SLAM需要处理的图像越多，视觉里程计中计算无人机位姿变换矩阵所需的计算量大，加重无人机处理器的计算负担。单无人机绘制大规模环境地图可能造成占用大量无人机的内存。同时，大规模的环境下，单无人机SLAM视觉里程计的累积误差随着时间增加。然而，多无人机协同SLAM很好地解决了这些问题。多无人机协同技术可将目标区域划分为多个子区域，减轻各无人机自身处理器的计算量，避免了单个无人机执行导航任务的电池续航能力弱的缺点，快速地实现了区域的定位与地图构建，同时获得更精确的定位与地图。

在无人机的应用领域中，要求一个概率表示、对空白区域(可自由移动区域)，占有区域(障碍物)和未知区域建模，在时间和存储空间具有较高的效率的地图。其中：概率表示：无人机通过RGB-D相机感知环境，测量值受不确定性因素影响，例如：动态物体。当要求从嘈杂的环境中创建环境的精确模型时，必须概率地考虑潜在的不确定。多个不确定性的测量结果可以融合成鲁棒性地估计正确的结果。除此之外，此种概率的表示还可以融合来自于其他传感器的数据。对未知区域建模：在自主导航任务中，无人机可以由相机确定占有区域和空闲区域，规划无碰撞路径。未知区域认为是占有区域，需要避免出现在规划的路线上，因此需要对未知区域进行建模。高效率性：无人机可以路径规划和执行任务的关键是地图，同时，地图需要在时间和内存两方面具有高效率。在3D建图领域，内存消耗是一个大问题。因此，在大规模的环境中此地图必须有效地、节省内存地存储。

octomap(概率占有栅格地图)满足上述三种要求，octomap形式紧凑，占内存较小，可以用于导航，方便压缩，更新且分辨率可调。因此采用octomap地图用于无人机的自主导航是很好地选择。

综上分析：多无人机的视觉SLAM是一项军事、救灾领域的重大课题。目前，国内的多无人机视觉SLAM技术还处于初级阶段。因此，如何实现在线、实时的多无人机视觉SLAM用于导航是无人机的前沿技术，同时，面对城市复杂环境下，能够有效的缩小地图内存，减少无人机计算量，提高任务执行的效率的自主导航也是本领域技术人员厄待发展的技术。

发明内容

针对现有技术中存在的问题，本发明公开了一种城市复杂环境下多无人机视觉SLAM的地图融合方法，本发明利用多个无人机搭建的视觉SLAM系统，利用无线发送设备将构建的各octomap发送给地面PC，用迭代最近点算法进行融合,将融合后的全局octomap传送给无人机，用于无人机的自主导航。

本发明是这样实现的，一种城市复杂环境下多无人机视觉SLAM的地图融合方法，该方法的具体步骤如下：

步骤一，通过安装在各个无人机上的RGB-D相机采集图像，再利用无人机对图像进行预处理，再进行图像配准；

步骤二，构建视觉里程计(visual odometry)，实现回环检测；

步骤三，优化无人机的位姿，SLAM的处理方法主要包含滤波和图优化。常见的滤波方法有扩展卡尔曼滤波(EKF)，粒子滤波等。滤波方法的SLAM是递增、实时的处理数据并矫正无人机的位姿。在RGB-D SLAM中，使用滤波方法，随着时间的推移，地图扩大，内存消耗与计算量大，利用图优化方法可以保证地图的高精度与快效率，所以，选择图优化工具；利用通用的图优化工具优化无人机的位姿，尽可能满足各位姿之间的约束条件，实现优化无人机位姿的目的；