[发明专利]一种融合云端的视觉SLAM系统及方法

说明书

本发明公开了一种融合云端的视觉SLAM系统及方法，该SLAM系统包括：本地端和云端；本地端包括追踪模块、局部地图维护模块；云端包括局部建图模块、闭环检测模块。该方法包括：步骤1，完成云端的地图初始化，本地端获取局部地图；步骤2，进入追踪定位与地图创建模式；步骤3，本地端局部地图的更新维护；步骤4，系统重定位、更新维护云端地图并进行闭环检测，开始全局优化消除累计误差，优化位姿和云端地图；步骤5，输出优化后的位姿结果。本发明通过对SLAM系统功能模块进行分离，利用云端对资源占用较大，时间成本较高的模块处理，本地端处理要求实时性的模块并通过BRPC实现云端和本地端的数据传输，缓解了本地端运行SLAM的计算、存储和实时性的压力。

技术领域

本发明涉及视觉空间定位技术领域，尤其涉及一种融合云端的视觉SLAM系统及方法。

背景技术

同时定位与成图(SLAM)技术是指移动服务机器人在未知环境进行工作时，需要运用搭载的传感器获取周围环境的信息，对获取的信息进行处理，进行定位和增量式构图，进而指导移动机器人的工作。其中视觉SLAM采用视觉传感器获取外界信息具备诸多优点，成本低，自身重量轻，能够获取丰富的高分辨率图像信息，逐渐在机器人定位和构图领域越发受到重视。

SLAM系统计算密集，构建一致性的地图更需要处理能力强的设备，当前的SLAM的搭载设备往往是嵌入式设备，其计算能力和存储空间特别有限，难以提供实时的地图构建功能，这就给设备的体积、资源负担和成本带来压力。因此，SLAM的实际应用和大面积推广还较为缓慢。

为了缓解上述SLAM的任务需求和设备能力之间的矛盾，并且云机器人的概念被提出来后，就引起很多研究者的兴趣，并慢慢引入到SLAM领域中,云SLAM与传统的SLAM有明显不同的特点，云端具备有良好的计算能力和存储空间，可以把传统的SLAM系统搭载平台无法处理的复杂计算任务部署到云端，缓解本地处理的压力。云SLAM的模式利用云计算、高性能并行计算、大数据等技术，可以打破SLAM运行在成本、存储等方面的钳制。因此，SLAM任务的计算复杂性和云端的特性，云SLAM也给SLAM领域提供了一种解决方案。

传统的SLAM系统计算量复杂、耗时高，即使是经典的ORB-SLAM系统在闭环检测和局部构图方面仍然需要较好的CPU，在嵌入式设备或者低配置的机器人上，其计算能力和存储空间都极其有限。本发明将ORB-SLAM系统中耗时长，计算量繁重的任务部署到云端，采用brpc框架在云端和搭载端进行通信，研究云SLAM方案与单机SLAM方案的优势。降低SLAM对搭载平台的硬件要求，为SLAM系统的实地移动定位构图提供一种低成本的解决方案。

传统SLAM系统架构中比较耗时的环节有：特征提取、地图三维点的创建、闭环检测以及重定位候选帧的选取。但是，特征提取和跟踪里程计紧密相连的，至于地图三维点的创建、闭环检测等对实时性要求不高，可见可以将耗时量大、实时性不高、计算量大的任务从本地机器人中脱离出来。

相对于传统的单机SLAM系统，本发明提出的方法可以有效的解决任务需求和设备能力之间的问题。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种融合云端的视觉SLAM系统及方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种融合云端的视觉SLAM系统，该SLAM系统包括：本地端和云端；本地端包括追踪模块、局部地图维护模块；云端包括局部建图模块、闭环检测模块；本地端和云端之间通过BRPC通讯模块进行数据通讯；其中：

追踪模块，用于完成传感器测量值之间、传感器测量与地图特征之间的匹配关系，用以确定环境中真实存在的物理信息，并用于提取图像特征信息进行位姿估计，完成相机在运动过程中的位置轨迹计算与定位；