[发明专利]一种基于最大公共子图的栅格地图融合方法

说明书

本发明公开了一种基于最大公共子图的栅格地图融合方法，包括以下步骤：S1、创建环境的栅格地图；S2、提取待融合的栅格地图的Harris角点；S3、从每个待融合的栅格地图中提取出三个角点；S4、判断输入的三对角点是否可以构成三角形同构方案，如果不可以，则返回S3；如果可以，则执行S5；S5、迭代构造多边形同构方案；S6、判断待融合的栅格地图中是否还有角点未被带入三角形同构方案，如果有，则返回S3；如果没有，则执行S7；S7、选择最优的多边形同构方案，以及对应的最优变换矩阵；S8、根据最优的变换矩阵以及融合规则，实现栅格地图融合。本发明能可靠的实现栅格地图的融合，并且具有融合精度高的优点。

技术领域

本发明属于移动机器人建图领域，特别是单机器人的graph-SLAM以及多机器人SLAM，具体涉及一种基于最大公共子图的栅格地图融合方法。

背景技术

同时定位与地图创建对于移动机器人来说是一项关键技术，移动机器人具备该项技术可以通过自身携带的传感器探索未知环境并且完成更加复杂的工作。学术界对此项技术的研究已经有三十多年了，也提出了很多有效的单机器人SLAM的方法。单机器人SLAM方法大体上可以分为两种：一是基于滤波的方法，二是基于优化的方法。近些年，随着一些高效的求解方法的提出，graph-SLAM成为了单机器人SLAM研究的重点。

Graph-SLAM可以分为前端和后端两个部分。其中前端主要实现图的构建，这里面包括扫描匹配和闭环检测；后端主要用来对图进行优化。Graph-SLAM的一个难点在于如何进行子图的融合，特别是闭环检测。

随着单机器人在理论与实践上取得的突破，近些年来，多机器人SLAM成为了移动机器人领域的研究重点。与单机器人相比，多机器人SLAM可以并行工作，这就节省了建图的时间，提高建图的效率；多机器人SLAM有很好的抗干扰性，当一个或几个机器人出现故障，其他机器人可以继续协作完成地图的创建，这在实践中显得尤为重要；另外，多机器人可以获得更多的环境信息，提高了所创建地图的精确度。

由此可见，无论是单机器人graph-SLAM还是多机器人SLAM，都必须解决地图的融合问题。因此，需要研究出一种精度高、速度快的地图融合方法，这可以扩大移动机器人的应用范围，对社会智能化发展有着重要的意义。

发明内容

为了解决上述技术问题，本发明提供了一种基于最大公共子图的栅格地图融合方法。

为了达到上述目的，本发明的技术方案如下：

本发明提供一种基于最大公共子图的栅格地图融合方法，包括以下步骤：

S1、两个机器人创建环境的栅格地图或者一个机器人在不同的时间创建环境的栅格地图，并且两个栅格地图之间存在重叠；

S2、提取待融合的栅格地图的Harris角点；

S3、从每个待融合的栅格地图中提取出三个角点；

S4、判断输入的三对角点是否可以构成三角形同构方案，如果不可以，则返回S3；如果可以，则执行S5；

S5、迭代构造多边形同构方案；

S6、判断待融合的栅格地图中是否还有角点未被带入三角形同构方案，如果有，则返回S3；如果没有，则执行S7；

S7、选择最优的多边形同构方案，即为最大公共子图，以及对应的最优变换矩阵；

S8、根据最优的变换矩阵以及融合规则，实现栅格地图融合。

优选的，步骤S2中的角点提取方法使用的是Harris角点提取算法。

优选的，步骤S4中的三角形同构方案包括以下步骤：