[发明专利]一种基于稀疏位姿调整的移动机器人的Gmapping建图方法

说明书

本发明涉及机器人领域，具体提供了一种基于稀疏位姿调整的移动机器人的Gmapping建图方法，包括：S1：初始化粒子位姿与分布，S2：扫描匹配；S3：计算采样位置的目标分布；S4：计算高斯近似；S5：更新第i个粒子的权重；S6：更新粒子地图；S3，S4的同时并行S3’位姿图构建及S4’闭环约束。本发明解决了原有Gmapping算法在较少粒子时存在的边界模糊、缺失、及滑移的技术问题，构建精度高，边界清晰完整，稳定性好。

技术领域

本发明涉及机器人技术领域，尤其涉及一种基于稀疏位姿调整的移动机器人的Gmapping建图方法。

背景技术

近年来，随着“工业4.0”、“智能制造”及“中国制造2025”等概念的提出，机器人领域取得了长足的进步与蓬勃的发展。在服务机器人领域，室内移动机器人的研究成为了一个热点问题。当前，对室内移动机器人的研究主要围绕地图构建、定位、导航等方面展开，即解决移动机器人的“我是谁”、“我在哪儿”及“我要去哪儿”的问题。但以上问题并不是孤立存在的，在未知环境下精确的地图构建依赖于准确的定位信息，而精准的定位依赖于准确的建图，移动机器人的自主导航与路径规划则依赖于准确的环境地图与定位，所以移动机器人的研究的首要问题就是建图与定位问题。

由于Gmapping-SLAM算法在环境复杂、里程计收到噪声干扰且噪声不全为高斯噪声时，可能会产生滤波器的过度过滤问题。基于此，本发明针对Gmapping-SLAM进行了改进，使用图优化理论和闭环检测对Gmapping的扫描匹配过程进行了全局非线性优化，使其可以在保持原有构建地图的速度的基础上，增加了构建栅格地图的质量，从而实现对Gmapping-SLAM的优化。

发明内容

为解决原有Gmapping算法在较少粒子时存在的边界模糊、缺失、及滑移的技术问题，本发明提供一种基于稀疏位姿调整的移动机器人的Gmapping建图方法，包括：

S1：初始化粒子位姿与分布，通过上一时刻第i个粒子的机器人位姿与里程计信息估计该时刻第i个粒子的机器人估计位姿，计算提议分布p；

S2：基于地图信息、机器人估计位姿、观测量，匹配扫描第i个粒子的机器人估计位姿的周边区域；

若扫描匹配成功则进入S3，计算机器人位姿的极大似然估计值；并判断是否启动线性优化线程，若启动线性优化流程，则执行S3及S3’；否则，仅执行S3；

若扫描匹配失败，则跳过S3、S4，计算机器人位姿，更新第i个粒子的权重；

所述计算机器人位姿的计算公式为：

；

所述更新第i个粒子的权重的计算公式为：

；

S3：通过计算扫描匹配区域内各点的均值与协方差矩阵，计算采样位置的目标分布，计算归一化因子；

所述归一化因子的计算公式为：

；

S4：计算高斯近似，计算第i个粒子的更新位姿；

所述高斯近似的计算公式为：

，

；

所述第i个粒子的更新位姿的计算公式为：

；

S5：更新第i个粒子的权重，所述第i个粒子的权重的更新公式为：

；