[发明专利]基于激光slam的内存优化方法、介质、终端和装置

说明书

本发明公开了一种基于激光slam的内存优化方法、介质、终端和装置，方法包括以下步骤：将不同粒子中包含相同地图坐标的多个单元格作为单元格组合，且每个单元格均具有相同的原始共有变量和不同的私有变量；对所有粒子初始化；根据激光束扫描结果改变单元格各个变量的取值，当变量n和变量x，y的取值发生变化时，将变量n和变量x，y由共有变量标记为私有变量；当每个单元格的共有变量均变为私有变量时，释放存储所述原始共有变量的存储空间。本发明在保证运算速度和地图精度的情况下，减少了粒子滤波激光slam构建环境地图时约54.5％‑59％的内存空间，有助于构建大场景地图，具有较强的实际应用意义。

【技术领域】

本发明涉及机器人领域，尤其涉及一种基于激光slam的内存优化方法、介质、终端和装置。

【背景技术】

SLAM(Simultaneous Localization and Mapping)方法是移动机器人定位导航的核心技术，全称为同时定位与建图。SLAM问题可以描述为：机器人在未知环境中从一个未知位置开始移动,在移动过程中根据自身携带的传感器及构建的实时地图，通过slam技术进行实时位姿估计，同时在自身定位的基础上不断更新与扩展地图，逐渐构建环境的完整地图。采用激光雷达实现的称为激光slam，采用摄像头实现的称为视觉slam。激光slam构建地图过程中需要占用大量内存，尤其随着地图分辨率、粒子数量增加或场景面积的增加，需要更大的内存，因此对硬件性能提出了更高的要求，同时严重影响建图时的实时性。具体来说，粒子滤波激光slam算法在构建栅格地图时，每个单元格包含int类型的变量visits与n，以及float类型变量x，y。当单元格被激光束端点击中时，变量x，y累加激光端点障碍物坐标，同时变量visits与n各自增1；当单元格被激光束穿过时只对变量visits自增1。由于栅格地图中大多数单元格被激光束穿过，只有少量单元格被激光束端点击中，大多数单元格的变量只占用了存储空间，但没有描述环境的任何信息，因此大量的内存空间被浪费，尤其当分辨率较高或栅格地图较大时，单元格数量增加，大量的内存空间被占用。有一种改进的减少建图时内存的方法：单元格不包含float类型变量x，y，对应单元格为占用状态时，默认障碍物位置在单元格的几何中心。这是一种粗略的估计障碍物的方法，在建图与匹配时，估计的机器人位姿误差不确定性增大，降低了地图精度。因此，该方法通过降低建图精度来减少slam建图所需内存，而且地图精度受单元格分辨率影响较大。

【发明内容】

本发明提供了一种基于激光slam的内存优化方法、介质、终端和装置，解决了以上所述的技术问题。

本发明解决上述技术问题的技术方案如下：一种基于激光slam的内存优化方法，包括以下步骤：

步骤1，将不同粒子中包含相同地图坐标的多个单元格作为单元格组合，每个单元格组合包含的单元格均具有相同的原始共有变量和不同的私有变量；所述原始共有变量包括变量n和变量(x，y)，所述私有变量包括变量visits，其中变量n表示单元格被标记为障碍物的次数，变量(x、y)表示击中单元格的激光束端点所对应障碍物坐标的累加结果，变量visits表示单元格被激光束扫描到的次数；

步骤2，对所有粒子进行初始化，初始化后每个单元格的变量n、变量(x，y)、变量visits均取值为0；

步骤3，根据激光束扫描结果改变单元格变量n、变量(x，y)和变量visits的取值，当变量n和变量(x，y)的取值发生变化时，将变量n和变量(x，y)由共有变量标记为私有变量；

步骤4，当单元格组合中每个单元格的共有变量n和共有变量(x，y)均变为私有变量时，释放存储所述原始共有变量的存储空间。

在一个优选实施方式中，当单元格组合中的任意单元格被激光束穿过时，变量visits增加1，变量n和变量(x，y)保持不变；当单元格组合中的任意单元格被激光束首次击中时，变量n和变量visits均增加1，变量(x、y)变为激光束的激光端点所对应的障碍物坐标，同时将共有变量n和共有变量(x，y)标记为私有变量。