[发明专利]基于ORB特征的多移动机器人地图融合方法及融合平台

权利要求书

1.一种基于ORB特征的多移动机器人地图融合方法，其特征在于，包括如下步骤：

1)、建立网络通信实现多机器人网络构建；

包括2个全向机器人和1台笔记本电脑，每个全向机器人搭载树莓派2，安装Ubuntu14.04系统，Robot operating system版本即ROS版本Indigo，笔记本电脑作为终端计算机，搭载AMD FX-8800P处理器，内存8G，同样安装Ubuntu14.04系统，ROS版本Indigo；使用终端计算机发布指令，独立控制每个全向机器人：首先建立wifi网络，相互通信，终端计算机通过SSH网络协议远程登录机器人上的数据处理单元树莓派2，终端计算机和每个机器人分别启动ROS，使得终端计算机可以独立的控制2个机器人，控制的机器人数量不受限制，由于每个树莓派2有不同的IP地址，则机器人相互之间不会受到影响，同时利用现有的master_discovery软件包和master_sync软件包进行时间上的同步；

2)、机器人通过漫游扫描周围的环境，实时获取的环境点云信息进行局部栅格地图构建；

全向机器人通过漫游扫描周围的环境，搭载激光雷达RPLIDAR实时获取环境点云信息，树莓派2运行Hector SLAM算法进行二维栅格地图构建，为了保证地图构建的效率，使用ROS中的rviz实时显示地图构建情况；

3)、将机器人扫描得到的栅格地图分别提取ORB特征，并进行特征点匹配，将匹配后的特征点基于最小距离比例提纯和随机采样一致性RANSAC方法提纯；

3-1)、ORB特征提取匹配：图像处理使用开源图像处理库OpenCV，版本为2.4.9，将机器人扫描得到的栅格地图分别提取ORB特征，得到关键点oFAST集合k_i＝{k_i|1≤i≤m,m∈N⁺}和k_j＝{k_j|1≤j≤n,n∈N⁺}，将每个特征点依据描述子rBRIEF的方向向量化，用坐标表示为和针对ORB的描述子为二进制的BRIEF描述子，故选择汉明距离作为描述子的度量手段；特征点匹配选用穷举法Brute Force，由于栅格地图特征分明，重复相似的区域较多，会出现很多的误匹配，需要进一步的提纯；

3-2)、剔除误匹配：先对Brute Force匹配后的特征点，使用基于阈值的方法，将描述子距离大于30的特征点剔除，进行第一步提纯；然后找到两幅地图中距离差Δd相同的特征点对，将距离差大于5的点对剔除，进行第二步提纯；对剩余的特征点对利用RANSAC算法筛选，进行第三步提纯；

4)、利用经过提纯的二维特征点对计算偏仿射变换，得到最优仿射变换矩阵；

对经过提纯的二维特征点对计算偏仿射变换Partial affine，定义旋转矩阵R_φ、尺度变换S和平变换t：

φ代表旋转的角度，s代表缩放的比例，δ_x和δ_y代表x和y方向上的平移量；使用estimateRigidTransform函数计算特征点对的最优偏仿射变换矩阵；

偏仿射变换T表示如下：

5)、对输入最优仿射变换矩阵的特征点计算最优变换，得到单应矩阵，通过对单应矩阵求解得到最优解；根据得到的最优匹配点对将多幅地图联系起来，设定融合比例得到全局栅格地图；

待融合的栅格地图设为m₁、m₂，T有4个变量，输入2组匹配点对即可求解，所以对输入的特征点利用最小二乘计算最优变换，得到单应矩阵T₀＝(R₀,t₀)后，作为裁剪ICP算法的初值，采用迭代方式计算最优解(R,t)，建立点集之间的对应关系时，使用基于k-d树的最近邻搜索算法，基于前一次迭代获得的转换关系(R_k-1,t_k-1)，建立点集p_i和q_j之间的对应关系：

在得到最优解(R,t)之后，T(m₂)与m₁的重叠区域可以进行较好的匹配，根据得到的最优匹配点对将两幅地图联系起来，最后设定融合比例，将m₁与m₂融合得到全局栅格地图。