[发明专利]基于视觉SLAM的用于移动机器人的构图方法

说明书

公开了一种基于视觉SLAM的用于移动机器人的构图方法，其包括：初始化，以生成初始关键帧和所述初始关键帧对应的初始位姿；通过RGB‑D摄像模组，获取目标环境的RGB图像和与所述RGB图像对应的深度图像并将所述深度图像转化为深度点云，所述深度点云的每一像素点具有多路径干扰的属性值；基于SLAM视觉追踪，生成关键帧序列；以及，基于所述关键帧序列中所有关键帧的校正后深度点云和位姿，生成目标地图。所述构图方法通过融合位姿和基于帧间位姿变换校正深度点云，提高地图构建和定位的精度。

技术领域

本申请涉及视觉SLAM领域，且更为具体地，涉及基于视觉SLAM的用于移动机器人的构图方法、基于视觉SLAM的用于移动机器人的定位方法、基于视觉SLAM的用于移动机器人的构图装置、基于视觉SLAM的用于移动机器人的定位装置和机器人。

背景技术

SLAM技术(Simultaneous LocalizationAnd Mapping)，即，同步定位和建图技术，是指：在没有先验信息的情况下，搭载特定传感器的主体在运动的过程中构建目标环境地图，且同时估计自身的位姿以实现自主定位。

依传感器分类，SLAM主要包括激光SLAM和视觉SLAM，其中，当传感器主要为激光雷达时，称为激光SLAM；当传感器主要为图像采集设备(例如，相机)时，称为视觉SLAM。激光SLAM技术比较成熟，然而激光雷达成本较高，安装要求高，寿命低，探测范围有限，缺乏语义信息；而相机的成本较低，安装方式多元化，无传感探测距离限制，可提取语义信息，视觉SLAM是未来研究的一个主流方向。

近年来，视觉SLAM技术被广泛应用于机器人、自动驾驶汽车、无人机等移动终端设备中，以实现地图构建、导航定位、路径规划等功能。其中，深度相机是应用视觉SLAM技术的移动终端设备中常用的视觉传感器，可用于测定深度相机的镜头到被拍摄物体的距离，即深度数据。

深度相机可分为被动式深度相机(例如，被动式双目深度相机)和主动式深度相机(例如，结构光深度相机，TOF深度相机)。相比于利用被动式双目视觉测定深度数据，利用TOF测定深度数据相对容易实现，特别是以间接的TOF(indirect-ToF：i-TOF)原理实现深度数据测定的i-TOF深度相机(即，基于相位差原理的TOF相机)，因其在图像像素、应用成本等方面的优势而被广泛应用。

利用i-TOF深度相机可采集目标环境的RGB图像和深度点云，进而利用RGB图像和深度点云进行同步地图构建和定位，以实现机器人(例如，扫地机器人)的导航和避障。但是基于i-TOF深度相机的视觉SLAM方案在实际应用中，却存在一些技术问题。

首先，普通的i-TOF深度相机视场角较小，帧间的重叠区较小，不利于位姿估计。并且，如果以i-TOF深度相机为单一的位姿传感器，其难以适应于多种不同的场景，其原因在于：自单一传感器获取的数据不足以实现位姿的精确估计，使得地图构建和定位的精度较低。

其次，i-TOF深度相机在工作时容易受多路径干扰(MPI)的影响，使得所获得的深度点云误差较大，导致地图构建和定位的精度降低。

具体地，由于目标环境中存在着复杂的漫反射和镜面反射，在i-TOF深度相机的将检测激光投向目标环境中的目标对象后，目标对象上与i-TOF深度相机的镜头之间距离不同的点可能在同一时刻将光线反射至i-TOF深度相机，导致深度测定值与实际值之间存在偏差，即，深度点云中各像素点的深度值存在误差。并且，在有转角的场景中，回到i-TOF深度相机的光线可能经过了一次反射，也可能经过了多次反射，换句话说，目标对象上同时将光线反射至i-TOF深度相机的点，对应的深度值可能不一致。

相应地，期待一种优化的基于视觉SLAM的构图和定位的方案。

发明内容