[发明专利]基于直线匹配的移动机器人重定位方法

权利要求书

1.一种基于直线匹配的移动机器人重定位方法，其特征在于，所述方法具体包括如下步骤：

S1、加载全局地图，在全局地图中提取直线，并进行存储；

S2、在局部地图中提取直线，筛选出最佳的交叉直线对及平行直线对；

提取夹角大于角度阈值二的交叉直线对，检测该交叉直线对中短直线段的距离，将距离最长的短直线段所在的交叉直线对作为最佳交叉直线对；

将角度最小的平行直线对作为最佳平行直线对；

S3、检测局部地图中是否存在最佳交叉直线对，若检测结果为是，则执行步骤S4，若检测结果为否，则执行步骤S5；

S4、将局部地图中的最佳交叉直线对与全局地图中的直线对进行匹配，获取最优的旋转矩阵R及平移向量T，基于最优的旋转矩阵R及平移向量T对移动机器人进行定位，其中，全局地图中两两直线组合形成全局地图中的直线对；

S5、将局部地图中的最佳平行直线对与全局地图中的直线对进行匹配，获取最优的旋转矩阵R及平移向量T，基于最优的旋转矩阵R及平移向量T对移动机器人进行定位；

基于最佳交叉直线对的匹配过程具体包括如下步骤：

S41、确定最佳交叉直线对中两条直线的交点，以交点作为起点，远离交点的两直线端点为终点，生成的两条向量定义为最佳交叉矢量对；

S42、获取全局地图中的所有交叉直线对，以交点作为起点，远离交点的两直线端点为终点，生成的两条向量定义为交叉矢量对；

S42、分别计算局部地图中的最佳交叉矢量对相对于全局地图中各交叉矢量对的旋转矩阵R及平移向量T；

S43、通过似然域模型对各组旋转矩阵R及平移向量T进行打分，打分最高的旋转矩阵R及平移向量T即为最优旋转矩阵R及平移向量T；

基于最佳平行直线对的匹配过程具体包括如下步骤：

S51、定义局部地图中最佳平行直线对的方向，并赋予全局地图中各组平行直线对相同方向；

S52、获取各组平行直线对的最高似然得分及其对应的旋转矩阵R及平移向量T；

S53、获取各组平行直线对的最高似然得分的最高值及其对应的旋转矩阵R及平移向量T，该旋转矩阵R及平移向量T即为最优旋转矩阵R及平移向量T。

2.如权利要求1所述基于直线匹配的移动机器人重定位方法，其特征在于，全局地图中直线对的提取方法具体包括如下步骤：

S11、对全局地图进行边缘检测，转化为二值化图像，利用霍夫变换检测出二值化图像中的所有直线段；

S12、对全局地图提取到的所有直线段进行滤波，保留长度大于最小长度阈值且小于最大长度阈值的直线段；

S13、对滤波后的直线段进行直线拟合，拟合后的直线即为全局地图中提取到的直线。

3.如权利要求2所述基于直线匹配的移动机器人重定位方法，其特征在于，所述直线拟合方法具体如下：

将滤波后的直线段两两组成直线对，计算各直线对间的夹角及距离，将夹角小于角度阈值一，且直线距离小于距离阈值的直线对进行直线拟合；

两直线间的距离即为两直线中点间的距离。

4.如权利要求1所述基于直线匹配的移动机器人重定位方法，其特征在于，局部地图中的直线对的提取方法具体包括如下步骤：

S11、对局部地图进行边缘检测，转化为二值化图像，利用霍夫变换检测出二值化图像中的所有直线段；

S12、对局部地图提取到的所有直线段进行滤波，保留长度大于最小长度阈值且小于最大长度阈值的直线段；

S13、对滤波后的直线段进行直线拟合，拟合后的直线即为全局地图中提取到的直线。

5.如权利要求4所述基于直线匹配的移动机器人重定位方法，其特征在于，所述直线拟合方法具体如下：

将滤波后的直线段两两组成直线对，计算各直线对间的夹角及距离，将夹角小于角度阈值一，且直线距离小于距离阈值的直线对进行直线拟合；

两直线间的距离即为两直线中点间的距离。

6.如权利要求1所述基于直线匹配的移动机器人重定位方法，其特征在于，所述平行直线对的最高似然得分的获取方法具体如下：

S521、计算局部地图中的最佳平行直线对相对于全局地图中平行直线对的旋转矩阵R；

S522、提取最佳平行直线对中一条直线的起始点，提取全局地图中平行直线对中的一条直线，从该直线的起始点开始，依次遍历该直线上的每个像素点，计算出每个像素点相对于起始点的平移向量T；

S523、通过似然域对各组旋转矩阵R及平移向量T进行打分，最高打分即为对应平行直线对的最高似然得分。