[发明专利]一种基于最优图匹配的多机器人栅格地图拼接方法

权利要求书

1.一种基于最优图匹配的多机器人栅格地图拼接方法，其特征在于，包括以下步骤：

S1：对待拼接栅格地图进行ORB特征点提取，得到关键点及特征描述子；

S2：通过多探针局部敏感哈希算法对每个待匹配的关键点检索特征描述子最为相近的关键点作为粗匹配点对；

S3：组合特征描述子之间的汉明距离，构建特征相异性矩阵；对关键点分别构建中值K近邻图，计算残差矩阵；组合并归一化残差矩阵和特征相异性矩阵进而生成传输代价矩阵；

S4：引入传输代价矩阵构建最优传输目标函数，并构建增广节点移除离群值，对最优传输目标函数进行负熵正则化，通过Sinkhorn-Knopp算法求解最优匹配；

S5：通过最小二乘法求解最优匹配点之间的刚体变化参数，对栅格地图整体进行变换，得到融合地图。

2.根据权利要求1所述的一种基于最优图匹配的多机器人栅格地图拼接方法，其特征在于，所述步骤S1包括以下步骤：

S11：对待拼接栅格地图进行高斯模糊过滤栅格地图的边缘噪声并使二值图像的边缘产生连续平滑的梯度；

S12：提取多尺度FAST关键点并提取BRIEF特征描述子。

3.根据权利要求1所述的一种基于最优图匹配的多机器人栅格地图拼接方法，其特征在于，所述步骤S3具体包括以下步骤：

S31：根据两张待拼接栅格地图所提取的特征点两两之间的汉明距离构建特征相异性矩阵D，分别计算各关键点集中点与点之间欧氏距离的中值；

S32：对于每个关键点，找到与其最近的K个邻居关键点，且保证所有邻居关键点与中心关键点之间的距离小于中值；

S33：对所有满足步骤S32约束的邻居关键点与中心关键点构建无向边，从而构建中值K近邻图；

S34：求中值K近邻图的邻接矩阵之差作为残差矩阵R；

S35：对特征相异性矩阵D和残差矩阵R进行求和并通过指数归一化处理，生成传输代价矩阵。

4.根据权利要求3所述的一种基于最优图匹配的多机器人栅格地图拼接方法，其特征在于，在所述步骤S35中，所述传输代价矩阵具体为：

其中，n_p和n_q表示关键点数量；C为传输代价矩阵。

5.根据权利要求4所述的一种基于最优图匹配的多机器人栅格地图拼接方法，其特征在于，在所述步骤S4中，所述最优传输目标函数具体表示为：

其中，p与q为关键点集，P为软分配矩阵，μ和υ为关键点的传输质量，a为熵正则项系数，此处设置为1；对该最优传输目标函数采用Sinkhorn-Knopp算法求解，得到最优匹配矩阵P^*。

6.根据权利要求5所述的一种基于最优图匹配的多机器人栅格地图拼接方法，其特征在于，在所述步骤S4中，由于粗匹配结果存在无法匹配的离群值，引入两个增广节点g_a和g_b，并引入最优传输约束，具体为：

其中，α为固定的增广节点质量。

7.根据权利要求5所述的一种基于最优图匹配的多机器人栅格地图拼接方法，其特征在于，在所述步骤S5中，所述通过最小二乘法求解最优匹配点之间的刚体变化参数具体为：

在获得最优匹配关键点后，采用最小二乘法求解如下公式：

其中，p_m和q_c(m)为最优匹配关键点；N_m为最优匹配关键点的数量；R和t为旋转矩阵和平移向量；接着创建合适大小的空白图像，将待拼接栅格地图A直接复制至新图像，然后对栅格地图B整体根据求解的刚体变化参数进行图像变换，按照融合函数对地图进行拼接。

8.根据权利要求7所述的一种基于最优图匹配的多机器人栅格地图拼接方法，其特征在于，在所述步骤S5中，所述旋转矩阵R具体表示为：

其中，θ表示旋转的角度。