[发明专利]一种视觉与IMU融合的室内巡检机器人定位与地图构建方法

说明书

本发明公开了一种视觉与IMU融合的室内巡检机器人定位与地图构建方法。巡检机器人使用ORB‑SLAM2算法得到定位和用于导航的地图；ORB‑SLAM2算法的输入信息为图像数据和IMU数据的融合数据；其中，图像数据和IMU数据得到融合数据的方法，包括IMU数据预处理与图像数据和IMU数据融合的步骤。本发明结合室内环境的特点和ORB‑SLAM2的缺点对其进行改进，提出了室内巡检机器人VIORB‑SLAM2算法。为了提高算法的鲁棒性，使其不易在特征点稀少的地方跟踪失败，在ORB‑SLAM2系统中融合了IMU惯性传感器。进一步地，改进了ORB‑SLAM2的建图方法，使改进后的算法能够建立可用于导航的稠密地图。

技术领域

本发明涉及室内巡检机器人技术领域，特别是一种视觉与IMU(InertiaMeasurement Unit，惯性测量装置)融合的室内巡检机器人定位与地图构建方法。

背景技术

伴随着人工智能的发展，智能化设备不断增加，对设备的维护工作也迫在眉睫，一旦设备发生故障将会对人们的生命和财产造成巨大危害。因此定期对设备进行巡检、保护设备安全有效的运行具有重大的意义。在变电站、核电站、化工厂等环境存在许多设备摆放在室内进行工作，工作人员需要定时查看设备是否正常工作来进行室内设备的巡检，根据巡检范围和巡检工作量的情况，需要配置人数不等的巡检工作人员24小时进行倒班巡检。对于一些高压、高温环境情况下的巡检，还会对工作人员的身体健康造成巨大伤害。综上所述，传统的巡检方式不仅花费了大量的人力而且效率低、安全性低，因此迫切的需要能够自动巡检的机器人代替传统的人工巡检方式，使其能够自主的完成相应的巡检任务。

采用巡检机器人自动巡检面对的首要问题是导航问题，机器人自身完成自主导航首先需要面对两个问题，即“我在哪儿”、“我周围的环境是什么样的”，这两个问题就是人工智能领域研究的关键技术同时定位与地图构建(simultaneous localization andmapping)，即SLAM技术。SLAM是一种在未知环境下实时定位与地图构建的技术，精确的定位和地图构建是机器人完成导航的重要前提。近年来，SLAM技术在工程上的应用取得了长足的进步，研究人员不断研究SLAM算法使其定位和建图的精度提升并且不断采用更微型的传感器，使巡检机器人朝着更加微型化、小型化的方向不断发展，如何将SLAM技术运用到巡检机器人上使其完成导航工作的研究正如火如荼的进行着。视觉SLAM是当前SLAM领域的研究热点之一，相机价格便宜、体积小便于安装，并且能够获得丰富的环境信息，能够较为真实的反映当时的环境状况。目前视觉SLAM最佳方案为ORB-SLAM2(Oriented Brief-Simultaneous Localization and Mapping，定向简洁型同时定位和地图构建)，但由于ORB-SLAM2算法定位时容易跟踪相机失败、相机运动存在尺度不确定问题并且构建的稀疏地图无法用于导航，很难在工程上实现。

发明内容

为了克服当前ORB-SLAM2存在的缺点，本发明提出了一种视觉与IMU融合的室内巡检机器人定位与地图构建方法，该方法通过视觉信息融合IMU信息解决了纯视觉传感器稳定性较差的问题，并且通过深度相机构建了可用于导航的稠密地图。

实现本发明目的的技术方案如下：

一种视觉与IMU融合的室内巡检机器人定位与地图构建方法，所述巡检机器人使用ORB-SLAM2算法得到定位和用于导航的地图；所述ORB-SLAM2算法的输入信息为图像数据和IMU数据的融合数据；其中，图像数据和IMU数据得到融合数据的方法，包括：

步骤1：IMU数据预处理，即通过帧间累积法进行积分将IMU测量值和图像测量值的数据对齐；

步骤2：图像数据和IMU数据融合，包括相机初始化阶段融合和相机跟踪阶段融合；所述相机初始化阶段融合包括IMU的误差估计即陀螺仪偏置估计和加速度计偏置估计，之后通过计算加速度计偏置估计恢复图像尺度；所述相机跟踪阶段融合包括IMU数据和图像数据通过最小化误差方程进行状态估计得到相机定位。