[发明专利]一种室内环境地图创建的闭环校正方法

说明书

本发明提供了一种室内环境地图创建的闭环校正方法，包括：步骤1获取环境信息，标记机器人的初始位姿信息；步骤2机器人行走距离超过规定范围后记录机器人的实时位姿信息，采用Gmapping算法根据初始位姿信息和实时位姿信息生成环境地图；步骤3检测环境地图是否出现闭环，若是，则继续执行以下步骤，若不是，则重复执行步骤2；步骤4采用状态估计算法重新估计机器人的实时位姿信息，并更新实时位姿信息生成校正地图。本发明提供了一种基于低成本、低精度激光传感器的地图创建中的闭环校正方法，一方面，提高地图创建的精度；另一方面，推进低成本激光传感器在日常生活及科学研究中的应用。

技术领域

本发明属于移动机器人导航领域，尤其涉及一种基于低成本、低精度激光传感器数据实现地图创建及闭环校正的方法。

背景技术

随着技术的发展进步，移动机器人逐渐走出科学研究的神坛，越来越广泛的出现在日常生活的各个方面，辅助或替代人类完成一些重复性较高、技术含量较低的任务，如产品装配、扫地等，扫地机是移动机器人的典型应用。

目前，机器人主要通过声呐、激光或视觉传感器感知并建立外部环境的模型，实现与外部世界的“交流”。由于扩散角较大，导致声呐传感器获取的环境数据存在显著误差；视觉传感器一方面对硬件有较高要求(存储图片需要较大空间，处理图片需要较高的计算能力)，另一方面，其对光线变化敏感，当同一场景的光线发生变化时，可能引入额外的误差。相对而言，激光传感器的精度高于声呐，对硬件的要求低于视觉传感器，因此在机器人导航中获得了广泛应用。但是，精度越高，测量范围越大，激光传感器的成本越高，这一缺陷严重的限制了激光传感器在日常生活及科学研究中的推广使用。因此，寻求低成本，精度可接受的替代激光传感器，并发明新的算法对低精度带来的误差加以补偿，成为一种合理并可行的道路。

图1为利用SICK LMS激光传感器建立的环境地图。图2为利用RPLidar激光传感器建立的环境地图。对比图1和图2建立的环境地图，发现图2利用RPLidar数据建立的环境地图存在闭环失败的情况，而图1利用SICK LMS激光数据建立的环境地图精度高，闭环效果良好。但高精度的激光传感器SICK LMS存在高成本的问题；而成本低的激光传感器RPLidar存在精度相对较、低闭环失败的问题。

发明内容

为此，本发明提供的室内环境地图创建的闭环校正方法，采用基于卡尔曼滤波器的状态估计算法，对Gmapping算法获取的机器人位姿进行校正，并基于校正后的机器人位姿，重新建立环境地图获得校正地图。反复的实验结果表明，本发明提供的室内环境地图创建的闭环校正方法能够显著改善基于RPLidar数据建立地图的闭环效果。从长远来说，能够推进低成本、低精度激光传感器在日常生活及科学研究中的广泛使用。

本发明的技术方案以如下方式实现：

一种室内环境地图创建的闭环校正方法，包括：

步骤1获取环境信息，标记机器人的初始位姿信息；

步骤2机器人行走距离超过规定范围后记录机器人的实时位姿信息，采用Gmapping算法根据所述初始位姿信息和所述实时位姿信息生成环境地图；

步骤3检测所述环境地图是否出现闭环，若是，则继续执行以下步骤，若不是，则重复执行步骤2；

步骤4采用状态估计算法重新估计机器人的所述实时位姿信息，并更新所述实时位姿信息生成校正地图。

本发明利用传统的Gmapping算法处理成本较低、精度较低的传感器采集的环境数据，建立环境地图，再通过利用基于卡尔曼滤波器的状态估计算法，对Gmapping算法估计所得的机器人位姿进行校正，根据校正后的机器人位姿，重新建立环境地图得到校正地图，有效改善环境地图的闭环效果。

进一步优选的，所述环境数据由里程计和激光传感器获取。

进一步优选的，所述激光传感器为RPLidar激光雷达。