[发明专利]一种基于ORBSLAM2的八叉树建图方法

说明书

本发明公开了一种基于ORBSLAM2的八叉树建图方法，包括以下步骤：1)根据ORB‑SLAM2的RGBD相机数据视觉里程计，得到相机位姿信息和关键帧图像信息；2)构建点云地图；2.1)将关键帧图像信息转换为点云信息；2.2)根据相机位姿信息和点云信息进行位姿转换完成点云拼接，获得点云地图；2.3)对点云地图进行滤波，去除Kinect传感器量程之外的无效测量点以及距离均值过大的离群点云点，然后利用降采样对点云地图进行轻量化处理；3)将点云地图转换为八叉树地图。本发明方法对原始ORBSLAM2进行了扩充性研究，得到的八叉树地图相比于一般的稀疏地图应用性更强，存储代价低，更重要的是此方法对于ORBSLAM2在后续应用层上的研究具有重要的实际意义。

技术领域

本发明涉及机器人视觉与图像处理领域，尤其涉及一种基于ORBSLAM2的八叉树建图方法。

背景技术

SLAM技术的发展推动了定位(Localization)、跟踪(Tracking)以及路径规划(Path Planning)技术的发展，进而对无人机、无人驾驶、机器人等热门研究领域产生重大影响。其中，ORB-SLAM是一种基于ORB特征的三维定位与地图构建算法(SLAM)。该算法由Raul Mur-Artal，J.M.M.Montiel和Juan D.Tardos于2015年发表在IEEE Transactions onRobotics。后来扩展到Stereo和RGB-D sensor上，即被称为ORBSLAM2，ORB-SLAM基于PTAM架构，增加了地图初始化和闭环检测的功能，优化了关键帧选取的方法，在处理速度、追踪效果和地图精度上效果都不错，属于视觉SLAM业界的优秀开源算法框架。

然而，虽然ORB-SLAM2可以基于特征点得到稀疏点云用来研究定位，但是该框架并没有提供构建地图部分的模块，而恰恰在具体应用中，地图的用途不仅仅用于辅助定位，还有一些应用层的需求。如：机器人导航、避障、交互，局部三维重建等，机器人需要知道地图中哪些地方不可通过，哪些地方可以通过，而这就需要建立一种稠密的地图。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于ORBSLAM2的八叉树建图方法。

本发明解决其技术问题所采用的技术方案是：一种基于ORBSLAM2的八叉树建图方法，包括以下步骤：

1)数据采集

根据ORB-SLAM2的RGBD相机数据视觉里程计，得到相机位姿信息和关键帧图像信息；

2)构建点云地图

2.1)将关键帧图像信息转换为点云信息；

2.2)根据相机位姿信息和点云信息进行位姿转换完成点云拼接，获得点云地图；

2.3)对点云地图进行滤波，去除Kinect传感器量程之外的无效测量点以及距离均值过大的离群点云点，然后利用降采样对点云地图进行轻量化处理；

3)将点云地图转换为八叉树地图。

按上述方案，所述步骤1)中，根据ORB-SLAM2的RGBD相机数据视觉里程计，得到相机位姿信息和关键帧图像信息，具体如下：

启动机器人移动平台，并开启控制PC，调试好主机PC，此时订阅Kinect在ROS下的话题，可以实时看到所处环境的图像信息，利用控制PC对机器人进行移动，注意Kinect传感器的特性，在完成一次移动中，旋转角度应控制在5°以内，平移距离控制在5至10cm；

然后在ROS下将对应时刻和位置的彩色深度图像对一一保存，并按时间次序命名；

按照ORB-SLAM2所需的数据格式，将上步采集的图相对进行相应处理，然后在主机PC上启动ORB-SLAM2，输入采集并处理后的数据运行；