[发明专利]一种基于视觉感知和激光探测的室内SLAM地图的融合方法

说明书

本发明公开了一种基于视觉感知和激光探测的室内SLAM地图的融合方法。该方法包括的步骤有激光探测，构建三维点云图，滤波和投影处理和地图融合，通过这些步骤一方面获得含有地面高度信息的二维激光探测地图，另一方面获得三维视觉感知点云地图，再对三维视觉感知点云地图进行滤波和投影后，获得包含有障碍物信息的二维视觉感知地图，最后对二维激光探测地图和二维视觉感知地图进行融合，得到二维融合地图。通过本方法可以将机器人导航过程中有影响的障碍物信息融合进二维地图信息，生成一种准确度高、信息丰富的二维地图，在室内环境进行机器人移动导航和路径规划时，具有很强的实用性。

技术领域

本发明涉及计算机图像领域，尤其涉及一种基于视觉感知和激光探测的室内SLAM地图的融合方法。

背景技术

SLAM技术，即同时自主定位和地图构建技术的简称，SLAM技术是机器人导航的关键技术之一，机器人通过SLAM技术进行即时地图构建和自主定位，来确定自身在环境中的位置，从而进行准确的避障和路径规划。

在进行机器人导航时，针对室内机器人室内环境，考虑到室内机器人系统有限的数据处理能力，我们以二维栅格地图作为机器人的导航地图格式，它的优点是机器人运动过程中里程计信息处理数据量较少，使机器人运动过程中以较少的粒子滤波完成准确的位姿估计，同时为了保证机器人的导航过程中流畅的进行避障，我们选用二维激光数据作为ROS导航框架的避障输入，相比较于数量较多3D点云信息，它需要处理的数据量较少，有利于机器人进行快速准确的进行避障。

然而，由于复杂的地面环境，对于室内的特定障碍物，例如低矮和悬空的障碍物，由于二维的地图和二维的激光数据输入不能有效检测，从而使机器人在避障和路径规划中产生一定的错误。

发明内容

本发明主要解决的技术问题是提供一种基于视觉感知和激光探测的室内SLAM地图的融合方法，解决现有技术中为机器人室内导航提供的SLAM地图存在的避障和路径规划中易于产生错误问题。

为解决上述技术问题，本发明采用的一个技术方案是提供一种基于视觉感知和激光探测的室内SLAM地图的融合方法，包括以下步骤：激光探测，利用激光传感器探测室内通道及障碍物，运行激光探测算法，保存含有地面高度信息的二维激光探测地图；构建三维点云图，利用摄像机拍摄进行视觉感知室内环境，运行视觉感知算法，并保存三维视觉感知点云地图；滤波和投影处理，对所述三维视觉感知点云地图进行滤波，然后进行投影，生成包含有障碍物信息的二维视觉感知地图；地图融合，将所述二维激光探测地图和所述二维视觉感知地图进行融合，得到二维融合地图。

在本发明基于视觉感知和激光探测的室内SLAM地图的融合方法另一实施例中，在构建三维点云图过程中，所述视觉感知算法是利用机器人操作系统进行DSO算法的实时运行，摄像机实时发布图像，DSO节点订阅处理。

在本发明基于视觉感知和激光探测的室内SLAM地图的融合方法另一实施例中，实时运行DSO算法时，还需要对运行的源文件进行修改和编译运行，并且，根据获取到的带有深度信息的图像信息和摄像机内参，进一步获得任何一个像素在以摄像机为参考原点的摄像机坐标系下的位置，与此同时，还获得的摄像机位姿，进一步计算这些像素在标准坐标系下的位置，最终，我们把每个地图点在标准坐标系下的位置求出，由此构建出了一张完整的三维点云地图。

在本发明基于视觉感知和激光探测的室内SLAM地图的融合方法另一实施例中，在构建三维点云图过程中，还包括通过随机一致性算法搜索三维点云地图中的地面方程，所述随机一致性选择算法包括：

(1)考虑一个最小抽样集模型，它的势为n，n为初始化参数模型所需要的最小样本数，一个样本集P，集合P的样本数大于n，从P中随机抽取包含n个样本的P的子集S作为初始化模型M；

(2)余集SC＝P\S中与模型M的误差小于某一设定阈值k的样本集以及S构成S*。S*认为是内点集，它们构成S的一致集；