[发明专利]一种AGV叉车自主定位移动SLAM导航系统

说明书

一种AGV叉车自主定位移动SLAM导航系统，包括即时定位与地图构建，采用三线程结构、跟踪线程、局部优化线程、全局闭环检测与优化线程同步进行，AGV叉车采用无反光板激光AGV叉车的激光+SLAM导航系统。即时定位与地图构建采用针孔相机模型的人工信标及鲁棒的信标识别算法，人工信标采用视觉SLAM算法架构。本发明对算法前端设计基于ORB特征点的双目里程计，降低了系统受光照变化的影响，位姿跟踪算法利用RansacPnP算法和局部优化算法的结合，减少了系统的定位误差。算法后端针对AGV的运动模型和实际工作场景建立全局平面优化，人工信标闭环检测对全局位姿图进行优化，增加了SLAM算法的定位精度和运行效率。

技术领域

本发明涉及一种叉车导航系统，具体地说涉及一种使用三线程结构、跟踪线程、局部优化线程、全局闭环检测与优化线程同步进行的一种AGV叉车自主定位移动SLAM导航系统。

背景技术

SLAM，英文全称是simultaneouslocalization and mapping，即时定位与地图构建，现在用在SLAM上的传感器主要分两大类：激光雷达和摄像头。据此，业内也将SLAM分为激光SLAM和视觉SLAM两大类别。SLAM最早由Smith、Self和Cheeseman于1988年提出，至今已有30年的历史。现有的叉车导航系统一般采用ORB-SLAM特征法或DSO直接法。但是ORB-SLAM特征法存在如下缺点：建的地图点云稀疏，运行速度方面，因为提特征点的时间有瓶颈最快的运行速度应该不超过30frames/s，本机(i7-6600U)测的速度基本都在20frames/s左右，因此对于高帧率的相机需要降帧率才能用。对动态物体很敏感，再有动态物体时非常容易tracking lost。总的来说ORB-SLAM还是在智能驾驶领域用的最广泛的SLAM算法，因为它在work的时候可以work的很好，急需解决的问题是对特征点提取的加速，以及处理的环境中的动态物体。DSO直接法也存在如下缺点：对场景光照要求高，要求尽量保持曝光时间的稳定。对动态物体没有orb那样敏感。代码可扩展性比较差，目前开源的只有单目版本，这个版本没有做尺度恢复因此没法在实际中直接用。因此随着AGV叉车领域发展加速，其导航技术引起行业内的高度重视，越来越多的AGV厂商纷纷转向当下最智能的SLAM导航技术研究之中。

发明内容

本发明的目的是克服现有技术的不足之处，提供一种使用三线程结构、跟踪线程、局部优化线程、全局闭环检测与优化线程同步进行的一种AGV叉车自主定位移动SLAM导航系统。

本发明解决其技术问题所采用的技术方案是：一种AGV叉车自主定位移动SLAM导航系统，包括即时定位与地图构建，即时定位与地图构建采用三线程结构、跟踪线程、局部优化线程、全局闭环检测与优化线程同步进行，AGV叉车采用无反光板激光AGV叉车，无反光板激光叉车AGV采用激光+SLAM导航系统。即时定位与地图构建采用针孔相机模型，针孔相机模型采用人工信标及鲁棒的信标识别算法，人工信标采用视觉SLAM算法架构及原理。即时定位与地图构建采用特征点检测算法，特征点检测算法采用双目相机进行建模，采取亚像素精度的双目匹配算法、多目SLAM算法，其前端基于特征点匹配进行增量式的位姿求解，后端接收前端计算的位姿和闭环检测的信息进行优化，以得到全局一致的轨迹和地图。

本发明的有益效果是，本发明研究了对算法前端设计基于ORB特征点的双目里程计，降低了系统受光照变化的影响，位姿跟踪算法利用RansacPnP算法和局部优化算法的结合，减少了系统的定位误差。算法后端针对AGV的运动模型和实际工作场景建立全局平面优化，同时融合人工信标闭环检测对全局位姿图进行优化，增加了SLAM算法的定位精度和运行效率。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的实施例一的原理图。

图2是本发明的实施例一的流程图。

具体实施方式