[发明专利]一种非结构化环境四足机器人立体视觉定位建图方法

说明书

一种非结构化环境四足机器人立体视觉定位建图方法，包括对相机和IMU内方位参数进行互标定；使用双目相机两帧间的IMU信息预测上一帧的像素点在当前帧的位置，利用最小化光度误差得到两帧之间的像素跟踪信息，提取成功跟踪的特征组合；计算关键帧队列中当前关键帧左、右图像的ORB局部图像特征描述算子；等待当前关键帧的特征提取完成后，进行双目立体像对匹配，融合通过最小化光度误差得到的像素与通过特征提取得到的像素位置，筛选当前关键帧的冗余地图特征点，根据双目匹配的结果创建新的地图特征点；利用位姿图优化减小该周期内机器人运动漂移，进行回环检测。自主进行非结构化环境下的视觉位姿状态估计，便于机器人完成室外非结构化环境下的导航定位。

技术领域

本发明涉及无人系统导航领域，尤其涉及一种非结构化环境四足机器人 立体视觉定位建图方法。

背景技术

双目相机一般和惯性元件一起标定，特征检测与提取一般使用目前为止 最鲁棒的特征提取算法：Affine-SIFT，即ASIFT特征提取算法，在SIFT特 征的基础上引入了相机拍摄经度角和纬度角的模拟,以一定的采样率生成仿 射模拟图像，再进行SIFT匹配，可以使得特征对图像仿射关系的适应性更 好。通过仿射图像和原始图像的匹配实验,验证ASIFT算法对仿射的适应能 力,其实现方法为:对标准图像在经度和纬度两个方向分别进行仿射变换,将仿 射变换图像与原图像进行特征匹配实验。实验表明,对于仅有一个维度变化的 仿射图像,纬度角小于80°或者经度角小于90°情况下，ASIFT算法均能够 成功匹配。

实际的导航定位系统都采用组合导航的手段融合多种导航方法，来获得 高精度且鲁棒的定位效果。由于航天器的设计追求质量小、功耗低、可靠性 高的特点，因此，具备微小型化的惯性测量单元(Inertial Measurement Unit, IMU)和相机受到专家和学者的普遍青睐。IMU可以在任何光照情况下计算六 自由度的位姿信息，且更新频率快；摄像机可以校正IMU的漂移，又能进行 场景重建。二者互为补充，构成了视觉/惯性组合导航系统(Visual-Inertial Navigation System,VINS)。目前，各国均采用视觉/惯性组合导航技术作为无 人系统室外的主要导航定位方法。但是，在目前已有的室外机器人上的视觉/ 惯性组合导航方法只是将二者做简单的分时分段替换，并没有使用滤波融合 方法将它们的优势进行互补，因此，对融合算法的进一步探索是未来工作的 重点。

依靠单一传感器进行机器人位姿估计都存在一定的缺陷。对于移动机器 人来说综合应用机器人所提供的各种传感器进行位姿估计即可以提高定位精 度，也能够最大化利用移动机器人的硬件性能。由于惯性测量单元动态性能 好且不易受外界环境的影响，通过分析惯性测量单元运动学模型和误差模型， 以此来构建卡尔曼滤波状态转移方程，通过分析轮式里程计、视觉里程计、 和加速度计重力观测模型构建观测方程对滤波器进行更新。通过融合多传感 器信息，有助于提高机器人定位精度。然而，目前的双目视觉室外同时定位 与建图检测方法无法适应目标环境单一，多尺度变化，从而导致特征点检测 错误率较高，定位精度和鲁棒性有待提高。

发明内容

针对上述现有技术中的存在的问题和不足，本发明的目的是提供一种非 结构化环境四足机器人立体视觉定位建图方法，能够自主识别非结构化的环 境，提高特征点检测配准精度，完成四足机器人室外非结构化环境中的导航 定位。