[发明专利]一种基于拓扑地图多模型的建图系统

说明书

本发明公开了一种基于拓扑地图多模型的建图系统，涉及机器人定位与导航领域，包括数据结构和匹配算法；所述数据结构包括拓扑点容器和和地图模型容器，用以将所述拓扑地图中点和边的详细信息分开存储，所述拓扑点容器中存储所有拓扑点的详细数据，所述地图模型容器中存储了各个可能的地图模型假设，用以保存拓扑点之间连接的边的信息；所述匹配算法基于所述数据结构用以实现新的地图模型假设的建立。本发明所述的建图系统提供了一种新的匹配算法与对应的数据结构，减少了拓扑地图建图过程中的计算量与存储空间，提高建图的效率。

技术领域

本发明涉及机器人定位与导航领域，尤其涉及一种基于拓扑地图多模型的建图系统。

背景技术

同时定位与建图(SLAM)是机器人领域最关键的技术之一，在地图类型上，主流分为精细地图和拓扑地图两种类型。

精细地图中包含环境的详细尺寸信息，位置精确，但是占用较多的资源，同时由于机器人本身里程计等定位手段存在不可避免的误差，导致构造出的实时地图往往存在比较大的变形；此外，当机器人从不同路径到达同一地点时会产生“闭环问题”，在闭环的同时需要对地图的变形进行修正，其中无论是检测闭环的发生还是修正全局地图的尺寸数据都非常困难而且计算量极大，在此过程中发生的错误闭环，对建图是毁灭性的。

拓扑地图则是将场景抽象为拓扑结构，即点和线：点是场景中具有特殊含义的地点或者地标，比如路口或者门；而线则表示了场景中这些点的连接情况。相比精细地图，拓扑结构储存数据少，寻路计算速度更快，但是由于信息的简化，面对“闭环问题”时容易发生混淆，无法区分两个类似拓扑点，可能会将没到达的地方误认为是曾经到达过的地方或者将到达过的地方误认为是没来过的地方。

可以通过记录所有可能的地图模型假设的来解决这个问题，但是在机器人获取信息有限，环境容易混淆的情况下，可能的地图模型假设增长是指数级的。传统的做法是每次到一个新的拓扑点，需要分别在每个地图模型假设中寻找可能的回环并且增加将当前拓扑点理解为一种新拓扑点的地图模型假设。这种做法会将时间消耗在重复检测中，比如假设当前有100种地图可能性，而所有地图的第一个点也就是起点，都是相同的。那么在原有方法中，新的拓扑点需要与起点拓扑点匹配100次，这带来了计算时间上的浪费，同时原有做法中地图的数据也存在着不必要的冗余与重复。

因此，本领域的技术人员致力于开发一种基于拓扑地图多模型的建图系统，用以减少拓扑地图建图过程中的计算量与存储空间，提高建图的效率。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是减少拓扑地图建图过程中的计算量与存储空间，提高建图的效率。

为实现上述目的，本发明提供了一种基于拓扑多模型的建图系统，包括数据结构和匹配算法；所述数据结构包括拓扑点容器和和地图模型容器，用以将所述拓扑地图中点和边的详细信息分开存储，所述拓扑点容器中存储所有拓扑点的详细数据，所述地图模型容器中存储了各个可能的地图模型假设，用以保存拓扑点之间连接的边的信息；所述匹配算法基于所述数据结构用以实现新的地图模型假设的建立。

进一步地，每个所述拓扑点存储一个记录了具体使用所述拓扑点的地图模型假设的列表，所述列表中记录了所述拓扑点在所述地图模型假设的具体位置。

进一步地，每个所述拓扑点存储的特征信息包括该所述拓扑点的具体特征，每个路口的朝向，每个路口的相对位置。

进一步地，在保存所述拓扑点时，预先进行一定程度的分类，包括按照路口数量进行分类，按照基本种类进行分类。

进一步地，所述地图模型假设中包含对所述拓扑点的引用，并且包含所述拓扑点之间的实际连接关系，所述拓扑点之间连线的详细信息包括连线上检测到的特征，连线的里程计信息。

进一步地，所述地图模型假设中会保存当前机器人所在的具体位置。

进一步地，所述匹配算法包括以下步骤：