[发明专利]一种弱特征环境下的移动机器人建图方法

说明书

本发明公开一种弱特征环境下的移动机器人建图方法，应用于移动机器人领域，针对现有技术在弱特征环境下的建图精度过低的问题，本发明基于图优化SLAM算法对扫描匹配进行改进，能有效的提高移动机器人的建图质量，具体的：在图优化SLAM中，机器人的位姿作为顶点，位姿之间的关系构成边(edge)，一旦图构成了，通过改进的扫描匹配算法调整机器人的位姿去尽量满足这些边构成约束，从而得到最终的建图；采用本发明的方法能明显改善弱特征环境建图精度。

技术领域

本发明属于移动机器人领域，特别涉及一种移动机器人建图技术。

背景技术

目前室内自主移动机器人大多数采用码盘，陀螺仪，IMU，激光雷达等传感器采集相应信息通过融合算法来估算机器人实时的姿态。码盘类似于汽车的里程计，通过计算轮毂转动的圈数来推算机器人运动的路程，但是机器人在运动过程中难免受到打滑，轮胎磨损等因素的影响导致码盘检测误差，并且会随着机器人运动逐渐累加，无法有效消除误差积累。陀螺仪和IMU(Inertial measurement unit惯性测量单元)由于电子器件的电气特性会出现零漂(零漂是输入为0的时候的输出)的现象，并且会随着时间误差逐渐累积，同样无法有效消除误差积累。

在类似监所等环境中，由于环境相似度大，即呈现弱特征环境，对机器人有效建图提出了很大的挑战，弱特征环境即环境中存在少量相似的直线特征，但是角点特征较少，特征点的相似会直接导致出现建图漂移或错误。

发明内容

为解决上述技术问题，本发明提出一种弱特征环境下的移动机器人建图方法，通过将器人位姿当做顶点，位姿关系当做边，使得顶点满足边构成的约束，得到最终的建图。

本发明采用的技术方案为：一种弱特征环境下的移动机器人建图方法，将机器人位姿作为顶点，位姿关系作为边，通过优化顶点满足边构成的约束，完成建图。

具体包括以下步骤：

S1、通过传感器采集机器人的位姿数据；

S2、机器人运动至下一位置，使用体素网格滤波器对点云数据进行采集；

S3、采用改进的扫描匹配算法对采集到的点云数据进行计算，若扫描匹配结果为已知子地图，则对已知子地图进行优化，然后执行步骤S4；否则，插入新的位姿点，更新子地图，执行步骤S4；

S4、判断建图是否完成，若完成，则结束；否则返回步骤S2。

步骤S3具体包括以下分步骤：

S31、取两帧点云数据，将两帧点云数据各自均分为k组，并计算两帧点云数据各自的质心，若质心在所划分组内，则将这一组移除；

S32、从经步骤S31处理后的两帧点云数据各取一组构成矩阵W，计算矩阵W的旋转矩阵与平移矩阵；

S33、根据旋转矩阵与平移矩阵计算两帧点云的距离，若距离小于设定的阈值，则说明两组匹配，否则不匹配；

S34、重复步骤S32-S33，直至完成所有组的匹配，判断匹配组数是否满足要求，若是则匹配成功，则对已知子地图进行优化，然后执行步骤S4；否则，插入新的位姿点，更新子地图，执行步骤S4。

步骤S32具体为：若矩阵W满秩，则由奇异值分解计算算矩阵W的旋转矩阵与平移矩阵；否则，通过使得E(R，t)最小，迭代求解算矩阵W的旋转矩阵与平移矩阵，其中，R表示矩阵W的旋转矩阵，t表示矩阵W的平移矩阵，p_i表示第p组第i个点云数据，q_i表示第q组第j个点云数据，n表示每组的点云个数。

步骤S34所述插入新的位姿点，更新子地图，具体为：当匹配失败时，则判断机器人目前所处的位置为新的位姿点，不在已知的子地图上，则插入新的位姿点，更新子地图。