[发明专利]一种基于流式计算的地图创建方法及其系统

权利要求书

1.一种基于流式计算的地图创建方法，应用于移动机器人，其特征在于：移动机器人将采集的数据传输至流式计算集群实现地图创建与更新；具体包括以下步骤：

步骤一：数据采集；所述移动机器人在移动，移动机器人端的激光雷达实时采集移动机器人的观测数据；移动机器人端的惯性传感器实时采集运动数据；所述运动数据与观测数据进行预处理后，存于移动机器人端；

步骤二：数据传输；将预处理后的数据封装为消息，通过消息网关提交到流式计算集群上；

步骤三：定位与地图创建；基于流式计算的地图创建方法，通过若干计算节点执行分布式并行的平方根卡尔曼滤波粒子滤波算法获得移动机器人位姿和地图特征信息；从队列中取出消息，将数据分发给计算节点，每个计算节点更新粒子，实现粒子的采样和重采样；最终的定位和地图特征数据发送给移动机器人；

步骤四：定位和地图更新；移动机器人根据返回的定位和地图特征数据，更新全局地图，同时推送给局部路径规划算法辅助移动机器人避障。

2.根据权利要求1所述的一种基于流式计算的地图创建方法，其特征在于：所述步骤三具体包括以下步骤：

S31:取出数据：从消息队列中取出运动数据和观测数据，分发给多个计算节点；所述运动数据包括线速度和舵角；所述观测数据为与一组特征的距离和方向角；并行步骤S32与步骤S34；

S32:并行位姿预测：多个计算节点中的特定计算节点并行进行本步骤；其中每个计算节点采用基于平方根卡尔曼滤波算法实现相应粒子的位姿预测；该步骤首先根据上一时刻当前粒子的状态和协方差矩阵初始化Sigma点，然后通过运动模型更新Sigma点，最后预测新的位姿和协方差矩阵平方根；将计算的结果传输至步骤33；

S33：数据关联：将当前粒子的信息与观测到的环境路标和地图上已标注过的环境路标进行关联；将关联的结果传输至步骤S35；

S34:先验知识调整：多个计算节点中的另一部分特定计算节点根据移动机器人适应度函数调整先验知识Q和R，其中Q和R分别代表的是运动误差协方差矩阵和观测误差的协方差矩阵；该步骤是在粒子采样过程中融入先验知识修正的过程，使其能反映真实的先验知识；该步骤将先验知识Q和R设定为动态的，并标记为Q_t和R_t；调整通过临近观测的不一致性定义关于Q和R的适应度函数，在此适应度函数基础上，通过粒子群优化(PSO)算法搜索出Q和R的一个预估值据预估值，完成Q_t和R_t的修正；将修正的结果传输至步骤S35；

S35:并行位姿更新，每个计算节点采用基于平方根卡尔曼滤波算法实现相应粒子位姿的更新；首先根据预测的Sigma点和观测方程更新观测信息；然后计算出基于预测观测值的协方差矩阵平方根，再通过QR分解和cholupdate函数更新该协方差矩阵平方根；最后计算卡尔曼增益，根据卡尔曼增益更新状态均值和协方差矩阵的平方根；

S36:并行地图更新；地图的估计被分解为M个相互独立特征的估计；通过卡尔曼滤波算法EKF来估计当前粒子的每个特征的均值和方差；最后按照目标分布和建议分布的比例计算该粒子的权值；

S37：将权值最大的粒子作为位姿和环境特征地图返回给移动机器人；

S38：计算有效粒子数N_eff，当小于指定的阀值执行粒子集重采样；

M是粒子数量，是第k个粒子归一化的权重；如果N_eff小于指定的阀值粒子集会被重采样。重采样过后，所有粒子权重被重置；

步骤S37与步骤S38能够并发执行；

步骤S39：将所有粒子信息存储到分布式数据库中；所述步骤S39与步骤S38能够并发执行。