[发明专利]一种移动机器人构建地图方法

说明书

本发明公开了一种移动机器人构建地图方法，利用贝叶斯方法通过概率启发式模型提取光束投影到栅格地图单元，充分利用激光与视觉信息中的冗余信息，提取一致性特征信息，并进行特征级的信息融合；在地图更新阶段，提出一种融合激光传感器和视觉传感器的贝叶斯估计方法，对栅格地图进行更新。本发明通过多传感器信息融合可以有效提高SLAM的准确度和鲁棒性。

技术领域

本发明涉及一种移动机器人构建地图方法，特别是一种基于信息融合的移动机器人构建地图方法。

背景技术

考虑到占有计算资源的有限性，对SLAM的小型化和轻量化有着非常强烈的需求。随着移动机器人研究领域的深入，移动机器人做执行的任务变得更为复杂，移动机器人工作的外部环境会更加复杂，仅仅靠着单一的传感器是无法满足对信息数据的需求。对移动机器人自身定位和构建地图的精度要求越来越高，要求多个传感器采集外部环境信息。现有技术移动机器人的不确定复杂环境，一般采用单一传感器进行同时定位和地图创建(SLAM)存在精度较低，并且易受干扰、可靠性不足等问题。本发明采用间接法的Bayes估计来对激光雷达和RGB-D相机获取到的数据进行融合，建立了一种光线投影模型，将光束简化抽象为一条确定距离的光线来记录栅格单元，根据占据栅格的概率来逐步建立栅格地图。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种多传感器的、信息融合的、有效提高SLAM的准确度和鲁棒性的移动机器人构建地图方法。

为解决上述技术问题，本发明的一种移动机器人构建地图方法，包括以下步骤：

S1：移动机器人采用RGB-D传感器采集数据，得到深度数据图，对比当前帧与前一帧的特征点匹配度，选取匹配度高的特征点投影到二维平面，确定障碍物在环境中的位置信息，确定其离散化栅格，建立局部栅格地图；

S2：移动机器人采用激光雷达采集观测数据，在运动过程检测到障碍物的情况下，确定其归属于离散化栅格，建立局部栅格地图；

S3：根据传感器对障碍物的识别率将栅格地图分为占据、空闲和未知，每个栅格单元C_ij被占据的概率值P^o满足：

其中，和分别代表先验地图的栅格占据和未被占据单元的先验概率；代表传感器能够返回占据栅格单元数据状态的条件概率，如果每个单元C_ij被占据的概率值P^o高于预先阈值T₀，它的值将被设置为1，否则每个单元C_ij被占据的概率值仍然为P^o；

S4：通过贝叶斯估计进行局部栅格地图的融合，得到更新后的栅格地图，之后在移动机器人不断的移动过程中，重复上述步骤，判断地图生成的完整性，达到一定阈值机器人停止移动，最后形成全局栅格地图。

本发明的有益效果：通过不同的传感器构建环境地图模型，进而弥补单一传感器的局限性。通过多传感的数据处理过程提出了一种新的构建地图方法。移动机器人的在构建地图过程中，提出一种融合激光传感器和视觉传感器的贝叶斯估计方法，对栅格地图进行更新。在静态的环境中，移动机器人能够实现自我定位和地图构建。单线的激光雷达扫描区域是二维平面，对于不在二维平面上的障碍物是扫描不到的，影响移动机器人的避障。将障碍物的三维空间信息补充到激光雷达扫描的二维栅格地图中能丰富地图的信息，提高地图的精度。

使用贝叶斯估计来对单线激光雷达和相机获取到的数据进行融合，建立了一种光线投影模型，将光束简化抽象为一条确定距离的光线来记录栅格单元，根据占据栅格的概率来逐步建立栅格地图，提高构建地图的精度，保证了地图的完整性。同时，间接性地提高了移动机器人的避障和导航的精确性与实时性。