[发明专利]一种基于二阶矩保持传播算法的拓扑地图融合方法及系统

说明书

技术领域

本发明涉及拓扑地图融合领域，更具体地，涉及一种基于二阶矩保持传播算法的拓扑地图融合方法及系统。

背景技术

目前，SLAM(simultaneous localization and mapping，即时定位与地图构建，或并发建图与定位)是探索未知环境并融合传感器数据，并生成一个全局地图的过程，可以检测机器人的位姿并建立环境地图。

移动机器人能够在环境中进行自主探索和自身定位，针对单机器人的SLAM来说已经有大量的文献，但是多机器人对未知环境的探索却没有受到同样的关注，它相对单机器人有以下几项显著优点：探索和地图构建都可以进行得更迅速；构建的分布式系统的鲁棒性更强；由于数据的冗余，结果往往更准确。

多机器人SLAM在带来诸多好处的同时，也在实现当中带来了新的挑战，其中有两个主要的问题需要克服：首先是在不知道全局地图基础坐标时的地图融合，其次是在地图融合过程中产生的不确定性。

对于高水平的推演和信息共享来说，首先需要将地图抽象成几何结构是基础。当使用多个机器人对未知环境进行探索并合作建立地图时，需要提供一个基础的逻辑结构，让机器人得以储存它们各自的局部空间结构，并能在该结构下使用共享信息。如果地图中的显著性信息得以提取并在机器人之间共享的话，计算速度和共有地图的准确度都会增加，而且在沟通过程中也不会有大量未处理数据占据空间。

拓扑地图是一种使用连通路径和交叉节点的抽象表示方法。人类和昆虫经常使用拓扑地图来进行导航，计算路径和位置，以及避免障碍。例如，鸽子已经被证实在飞行长距离时，使用高速公路和它们的交叉点来作为拓扑地图。

合作性SLAM可以根据是共享原始传感器数据还是共享处理后的地图分为两种。共享原始传感器数据可以获得更大的灵活性，但是需要机器人之间的通信更可靠，并且需要更宽的带宽和更高的处理能力。共享地图有助于减少带宽并且减少对原始数据的处理，但是，性能主要依赖于地图质量。

此外，多机器人的SLAM也可以根据测量数据的方法来进行分类。在基于特征的SLAM中，一般是使用照相机来进行数据采集，并从测量之中提取独特性物体作为特征或地标，以用于定位。特征的空间分布可以作为全局环境的一个表现方式。另一种方法叫做基于视图的SLAM[，这种方法主要采用的是激光扫描的方法获取数据。

Thrun提出了一种概率的多机器人SLAM算法。这种方法是鲁棒的，但是在进行具体的任务之前，我们需要得知机器人的近似初始位置。

基于视图的多机器人SLAM是由Howard提出的，它假定，多个机器人需要在环境中相遇来确定相对位姿，这种算法的计算速度一般，但是需要比较高的计算能力，因为它是基于粒子滤波。

对于多机器人SLAM来说，有一类有效且快速的方法是基于地图融合的概念提出的。Howard提出了一种基于占用地图融合的算法。这种算法使用地图中的距离作为相似参数，并通过一种随机游走算法来找到两幅地图中的相似模式。这种方法的缺点是，当两幅地图中的相似模式比较少时容易失败。而且由于这种方法比较耗时，所以对于室内环境中的大范围地图很有可能会效率低下。之后还提出了一个相似的方法，它使用模拟退火的方法进行地图融合，但是当两幅图像的重叠较少时，该方法也会变得效率很低。

总结来看，虽然针对多机器人SLAM提出过多样的拓扑方法，但是这些方法有的效率低下，有的准确度较低，并且并没有之前的算法针对非线性转换过程中存在的不确定度提出切实有效的方法进行解决。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于二阶矩保持传播算法的拓扑地图融合方法及系统。

根据本发明的一个方面，提供一种基于二阶矩保持传播算法的拓扑地图融合方法，包括：

S1，基于概率性广义Voronoi图方法对不同地图进行融合；

S2，通过二阶矩保持传播方法消除地图融合的非线性不确定度。

S1进一步包括：

S1.1，利用Radon变换方法获取两幅地图之间的相对旋转角度；

S1.2，利用概率性广义Voronoi图方法提取两幅地图的拓扑骨架，获取两幅地图之间的平移矩阵；

S1.3，根据所述相对旋转角度和所述平移矩阵对两幅地图进行融合处理。

S2进一步包括：

S2.1，根据融合之后的地图的显著点进行撒点采样，获取采样点集；

S2.2，通过非线性变换传递所述采样点的不确定度，获得新采样点集；