[发明专利]一种基于单目传感器的机器人室内定位方法和装置

说明书

本申请公开了一种基于单目传感器的机器人室内定位方法和装置，该方法使用轮轴里程计、视觉里程计综合全局位姿优化措施，即基于特征比较的视觉里程测量和使用轮轴里成绩的测量，并且综合使用已知地图进行全局位置优化，克服视觉里程计与轮轴里程计的积累误差，对机械人的姿态进行优化定位。本申请是一种存在动态事件下可以进行的室内定位方案，可通过已知空间的关键点来优化定位信息，并结合轮轴里程计在特定场景下得到更优化的结果，从而消除机器人姿态估计过程中积累的误差，提高机器人定位效果，提高设备的工作稳定性。

技术领域

本申请涉及机器人姿态定位技术领域，特别是涉及一种基于单目传感器的机器人室内定位方法和装置。

背景技术

机器人在许多不同的领域都有应用，一个实际的功能是让机器人能够知道其当前在这种环境中的姿态，实际上这也一直是SLAM研究中一个非常核心的内容。移动机器人的定位是指机器人在任何给定时刻都能知道自己的姿态，机器人可能会依赖于各种各样的传感器，例如基于轮轴里程计的轮轴测程法，基于激光雷达的激光测程法、基于图像传感器的图像测程法和基于GPS的定位方法等。针对VSLAM计算方法大致可分为基于卡尔曼滤波的方法、基于粒子滤波器的方法和基于图优化方法的三类，其核心是寻找特征点。这几种方法各有优缺点，比如说激光提供了距离深度信息，但没有提供视觉环境信息，相机提供了关于环境的视觉信息，但没有提供距离深度，GPS不善于在室内环境中工作，或者其信号可能在不同城市环境中受到较大影响。

而由于激光传感器过于昂贵，基于视觉的机器人凭借其传感器的廉价性受到了重视。Howard提出了一种实时的视觉定位方法成为了今天大多数基于视觉里程计测量的基础。目前，大多数基于视觉里程计的方法都试图优化这些方法，以产生更好的结果。Kitt等人使用迭代的卡尔曼滤波器来估计机器人的运动。Klein和Murray提出了一种称为PTAM的SLAM方法来创建场景地图，并同时估计相机的姿态。Pire等人采用PTAM方法，并提出了S-PTAM，克服了PTAM方法的局限性。Geiger等人提出了libviso SLAM算法来计算机器人的姿态，并利用高分辨率立体图像实时构建三维地图。Khosoussi等人提出了一种高效的图优化算法，该算法利用SLAM的可分离结构，实现了可靠、快速的收敛。针对图优化眩晕算法中闭环检测或数据处理中存在的伪约束问题，提出了动态协方差缩放(DCS)和最大混合方法来应付动态环境。但是上述介绍的视觉领域的特征点比较算法多针对静态的环境，在存在如人类移动或者其他动态事件的环境下特征点的选取很困难，而且定位效果不好。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的一个方面，提供了一种基于单目传感器的机器人室内定位方法，使用轮轴里程计、视觉里程计综合全局位姿优化措施，即基于特征比较的视觉里程测量和使用轮轴里成绩的测量，并且综合使用已知地图进行全局位置优化，克服视觉里程计与轮轴里程计的积累误差，对机械人的姿态进行优化定位。

优选地，该方法包括如下处理步骤：

通过视觉感知系统获取连续两组图像，分别为当前帧的左图像和右图像、上一帧的左图像和右图像；

在两组图像中分别提取BLOB和掩码值，取其中的极值分别作为各个图像的特征点，将前后两帧图片的左右图片特征点分别对比，当所述特征点同时存在时才接受这组特征点；

根据所得到的特征点计算匹配数和初始化百分数，并采用轮轴里程计和视觉里程计对机器人的姿态进行更新，实现机器人的姿态更新优化。

优选地，根据所得到的特征点计算匹配数和初始化百分数，并采用轮轴里程计和视觉里程计对机器人的姿态进行更新，实现机器人的姿态更新优化，包括：

采用基于RANSAC的方法估计变换矩阵T＝(r,t)，即两个后续图像之间的变换，旋转r和平移t，计算匹配数和初始化百分数，当得到的初始化百分数小于阈值时，通过轮轴里程计来更新机器人的姿态。