[发明专利]基于闭环检测校正的移动机器人地图构建方法、存储介质及设备

说明书

本发明公开了基于闭环检测校正的移动机器人地图构建方法、存储介质及设备，该方法包括步骤S1，根据视觉系统采集环境信息构建表征空间位置的记忆感知模板，并生成对应的视觉感知记忆库；步骤S2：根据陀螺仪和加速度计采集自感知运动信息更新位置感知信息；步骤S3，将当前的记忆感知模板和视觉感知记忆库相关联，当到达经历过的环境位置时，通过计算记忆感知模板的活性强度激活相应视觉感知记忆库；步骤S4，根据得到的位置感知信息与视觉感知记忆库、记忆感知模板相互联系后对自感知空间地图进行绘制和校正。本发明实现了位置信息的实时更新，并且消除累计误差，考虑到相邻记忆感知模板之间的兴奋性水平差异，提高了闭环检测的准确性。

技术领域

本发明属于同步定位与地图创建(Simultaneous Location And Mapping，SLAM)技术领域，涉及基于闭环检测校正的移动机器人地图构建方法、存储介质及设备。

背景技术

同步定位与地图创建(Simultaneous Location And Mapping，SLAM)的核心问题是，要求机器人在一个陌生的环境中，首先要探索环境从而了解环境(构建地图)，同步运用地图追踪机器人在该环境中的位置(定位)。对SLAM问题的传统解决方法主要是基于数学概率方法，其中，卡尔曼滤波器、粒子滤波器和极大期望算法等是机器人SLAM问题的基本解决方法。虽然这些传统的SLAM算法中仍使用激光测距和声呐测距采集信息，但是这些传感器采集信息，往往得到的数据不精确且使用有一定的局限性，更多情况下激光测距传感器已被视觉传感器所替代。

现有技术中，通常采用视觉SLAM算法来构建上述二维拓扑图，在构建二维拓扑图的过程中，通过图像处理方法来进行图像模板的更新，该方法仅能判断两幅图像信息是否一致，但图像信息与感知的位置信息缺乏关联，不存在位置坐标的实时更新和修正，在回到经历过的环境位置时，不能保证位置完全相同，而且由于图像信息在获取和传输过程中会产生各类噪音，即使相同位置获得的图像信息也具有一定的差异，因此现有技术缺乏自我修正能力，会导致图像匹配准确率和定位精度低，进而导致所构建的二维拓扑图失真。

发明内容

本发明的目的在于提供基于闭环检测校正的移动机器人地图构建方法、存储介质及设备，以解决现有技术由于因位置坐标不能实时更新和修正，图像匹配准确率较差和定位精度较差，二维位置估计图失真较为严重等问题的技术问题。

所述的基于闭环检测校正的移动机器人地图构建方法、存储介质及设备,包括：

步骤S1，根据视觉系统采集环境信息构建表征空间位置的记忆感知模板，并生成对应的视觉感知记忆库；

步骤S2：根据陀螺仪和加速度计采集自感知运动信息更新位置感知信息：

先对自感知运动信息进行方向和位移编码，经过路径整合后，再通过自感知反映射网络学习得到当前时刻的位置细胞活性强度，将当前位置的记忆感知模板与位置细胞进行关联，得到关联之后的位置细胞活性强度，最后通过关联后的位置细胞活性之间的相互竞争获取位置感知信息；

步骤S3，将当前的记忆感知模板和视觉感知记忆库相关联，当到达经历过的环境位置时，通过计算记忆感知模板的活性强度激活相应视觉感知记忆库；

步骤S4，根据得到的位置感知信息对自感知空间地图进行绘制，当视觉感知记忆库被激活时，将对应的视觉感知记忆库与位置细胞相关联，得到关联之后的位置细胞活性强度，以此对位置感知信息进行修正，并进一步对自感知空间地图进行校正。

优选的，所述步骤S2中，在构建所述环境位置感知过程中获取当前时刻环境中第i个位置细胞活性强度f_i(t)，关联之后的位置细胞活性强度为：