[发明专利]基于ROS环境下的多线程分布式SLAM系统的实现方法

说明书

本发明公开了基于ROS环境下的多线程分布式SLAM系统的实现方法，基于ROS环境下的多线程的分布式SLAM系统是利用分布式的结构将整个状态向量分为机器人位姿估计和路标估计共五维状态，本设计采用系统模型的分布化处理，将多个有效路标点建立多个线程，形成了相互平行单独构成子滤波器的模型结构，然后将子滤波器的机器人的位姿估计结果通过主线程在主滤波器中进行融合，通过子滤波器的融合结果最后得到机器人位置估算结果。最后通过真实实验使用本发明算法和离线分布式算法对比，证明了本算法的可行性和有效性，从而完成了对基于ROS环境下的多线程分布式SLAM系统的实现。

技术领域

本发明设计利用分布式的结构将整个状态向量分为机器人位姿估计和路标估计共五维状态，采用系统模型的分布化处理，将多个有效路标点建立多个线程，形成了相互平行单独构成子滤波器的模型结构，然后将子滤波器的机器人的位姿估计结果通过主线程在主滤波器中进行融合，通过子滤波器的融合结果最后得到机器人位置估算结果，从而实现机器人自主定位与建图。从而构建了载有激光，里程计，磁罗盘等传感器的多传感器的信息数据采集系统以及基于ROS环境的多线程分布式EKF-SLAM系统样机，并完善和优化了系统性能。

背景技术

SLAM(Simultaneous Localization and Mapping)即同步定位与地图构建其基本思想是：让机器人在未知环境中从未知位置开始移动，通过自身传感器收集自身运动状况及周围环境情况进行自身位置估计，同时构建增量式地图。在SLAM过程中，根据观测信息进行实时的地图估计与更新。其中，多线程实时处理是关键问题。SLAM中的数据融合是指利用计算机程序对按时序获得的机器人传感器的观测信息在某种方法下对其进行信息处理来完成估计任务的过程。机器人平台以及其上搭载的各种传感器是数据融合的硬件基础，多传感器采集到的数据是数据融合的加工对象，任务的优化以及综合实时处理是数据融合的核心。系统的输出结果由里程计，激光传感器及磁罗盘的信息进行融合滤波生成。

基于ROS环境下的多线程在线实时处理的分布式扩展卡尔曼SLAM系统是与离线分布式SLAM系统相对应的，由于离线分布式结构中，传感器数据采集和子滤波器以及主滤波器运算不是同步进行的，既没有多线程带来的运算量小的问题，又没有数据实时处理的及时性，也不需要考虑机器人移动过程中的动态调整和传感器之间的时钟匹配等问题。以上是离线分布式SLAM系统的不足。

发明内容

本发明针对现有SLAM系统的分布式处理和实时性的不足，提出了一种基于ROS环境下的多线程分布式SLAM系统。将整个状态向量分为机器人位姿估计和路标点估计共五维状态，依据多个有效路标点建立多个子滤波器，每个子滤波器同时对观测信息进行处理，然后将子滤波器的机器人的位姿估计结果在主滤波器中进行融合，得到最终的机器人位姿估计。下文将分别讲述基于多传感器的信息数据采集系统以及如何依靠多传感器数据融合来实现此分布式SLAM系统。最后通过实验证明了本发明系统的有效性。

由于分布式结构的SLAM自主导航系统采用了分布式并行计算的处理方法，所以可以极大地降低SLAM算法的计算量，提高SLAM系统的容错能力，并且更加易于实现和应用，这也是研究分布式结构SLAM系统的核心思想和本质目的。

1.环境感知激光传感器系统