[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

说明书

本发明提供一种基于最优图匹配的多机器人栅格地图拼接方法，包括：对待拼接栅格地图进行关键点及特征描述子提取；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；构建特征相异性矩阵并计算残差矩阵；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；引入传输代价矩阵构建最优传输目标函数，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；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。本发明的多机器人栅格地图拼接方法，有效提升了栅格地图的拼接速度、精度，其结果中正确匹配点对的数量多，待拼接栅格地图无需较大的重叠区域即可完成拼接。

技术领域

本发明涉及多机器人地图构建技术领域，更具体的，涉及一种基于最优图匹配的多机器人栅格地图拼接方法。

背景技术

对未知环境构建地图是移动机器人技术中的一项基本挑战，而地图的构建通常需要对机器人位姿的精确估计，因此目前移动机器人主要通过同步定位与建图(Simultaneous Localization and Mapping,SLAM)技术构建环境地图，目前已有多种较为成熟的单机器人SLAM算法，而在大规模未知环境中，单机器人的地图构建精度，效率和鲁棒性都存在限制，在过去的十年中，多机器人协作已经成为了目前研究的热点，多机器人的引入有助于突破上述单机器人SLAM算法存在的限制。在机器人SLAM算法中，其地图类型可分为特征地图，拓扑地图和栅格地图，其中栅格地图可直观的表达真实环境的结构，存储方便，并在精确定位与导航方面更具优势。

在多机器人SLAM中，各机器人在构建各自的局部地图之后，如何拼接局部地图并确定各机器人之间的相对位姿是多机器人建图技术的一类问题。现有的栅格地图生成操作需要人工参与地图拼接，这种拼接方法效率较低，对于多机器人地图实时构建场景而言不适用。栅格地图拼接与普通图像拼接的不同之处在于，由于累计误差和观测噪声的存在，栅格地图会出现非刚性形变。

因此，现有的一种基于图像配准的栅格地图拼接方法[1]祝继华,周颐,王晓春,邗汶锌,马亮.基于图像配准的栅格地图拼接方法[J].自动化学报,2015,41(02):285-294.，该方法采用SIFT特征和ICP配准的方法实现栅格地图拼接，但该方法一方面SIFT特征计算量较大，难以满足多机器人协同任务的实时计算要求，另一方面，ICP配准方法存在局部最优解，若初值选取不当易使图像配准过程陷入局部最优解，将造成拼接失败。基于维诺图的栅格地图拼接方法、装置及可读存储介质[2]陈文成.基于维诺图的栅格地图拼接方法、装置及可读存储介质[P].广东省：CN110910313A,2020-03-24.，该发明方法基于对栅格地图构建维诺图，并同过维诺图之间的约束关系实现栅格地图拼接，这种方法要求两图的重叠区域较大，对于重叠区域较小的地图而言，维诺图之间的约束较弱。

发明内容

本发明的目的在于克服现有的栅格地图拼接方法存在计算量大、计算成本高且拼接需要图像间存在大面积重叠的技术缺陷，提供一种基于最优图匹配的多机器人栅格地图拼接方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于最优图匹配的多机器人栅格地图拼接方法，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；