[发明专利]一种基于云端与边端融合计算的移动机器人SLAM方法

权利要求书

1.一种基于云端与边端融合计算的移动机器人SLAM方法，其特征在于：包括以下步骤：

步骤一：数据采集；移动机器人上安装激光雷达、惯性导航传感器；并将采集的激光雷达数据和惯性导航数据进行预处理后，同时发送给云端和边端进行SLAM计算；

步骤二：边端SLAM处理；边端SLAM计算模块将接收到的预处理后的数据基于平方根无迹卡尔曼滤波算法SR-UKF估计机器人的位姿和局部地图信息；

步骤三：云端SLAM处理；云端将接收到的预处理后的数据，并行执行回环检测、基于粒子滤波SR-UPF的分布式并行SLAM计算和先验知识的纠正；最终将后验概率最高的粒子的位姿作为机器人的位姿和局部地图返回给边端；

步骤四：边云数据融合；计算边端的SLAM结果的后验概率，计算云端SLAM结果的后验概率，根据后验概率密度实现融合边端和云端的结果；并将融合后的机器人的位姿和局部地图信息存储到边端局部地图存储模块，供移动机器人控制使用；

步骤五：云端粒子重采样和全局地图保存；云端的分布式计算模块计算粒子滤波SLAM计算中的有效粒子数，判断是否需要进行粒子重采样；如果需要重采样则进行重采样，并将全局地图、传感器信息和所有粒子信息存储到云端全局地图分布式数据库中；判断是否粒子重采样的方法为：若有效样本量小于预设的阈值T，采用赌轮选择和快速MH变异的遗传重采样进行粒子重采样；若有效样本量大于等于预设的阈值T，则不进行粒子重采样；如果不需要重采样，将全局地图、传感器信息和所有粒子信息存储到云端全局地图分布式数据库中。

2.根据权利要求1所述的一种基于云端与边端融合计算的移动机器人SLAM方法，其特征在于：所述惯性导航数据u_t包括移动机器人后轴中心处运动速度v_t与加速度α_t，则t时刻的移动机器人的运动模型为g(x_t-1,u_t)，其中x_t-1表示t-1时刻的位姿；所述激光雷达传感器采集观测环境中的路标信息并用路标信息实现校正系统状态的估计，所述路标信息包括路标的距离l_t(m_j)和方向角β_t(m_j)，其中；则t时刻移动机器人观测模型如下：

(1-1)式中δ为观测误差；方向角β_t的取值范围为[0,π]rad，预设处于移动机器人正前方路标的方向角为rad；其中地图由一组环境路标m组成，第j个路标由其在全局坐标系中的位置表示为