[发明专利]一种分层降噪的图优化方法和系统

说明书

本发明属于图优化处理技术领域，涉及一种分层降噪的图优化方法和系统，包括以下步骤：S1将整个网络划分为若干个模块，计算各个模块的局部定位结果；S2获得端点分别在两个不同模块的边，将其设为关键边，对所述关键边进行平滑处理；S3根据步骤S2中经过平滑的关键边，将步骤S1中的局部定位结果同步到同一全局坐标系中，从而获得经过降噪的图像。其能够解决大规模网络下的图优化问题，同时找出测量结果嘈杂，稀疏或不均匀时现有优化算法表现不佳的关键因素，并基于此提出有效的噪声处理方法，最终将其应用到网络定位问题中。实现可靠、抗噪的图优化方法。

技术领域

本发明涉及一种分层降噪的图优化方法和系统，属于图优化处理技术领域，特别涉及图像中的噪声处理技术领域。

背景技术

目前，网络定位主要通过无卫星、GPS等基础设施对网络中的节点进行定位，该技术在诸如传感器网络、无人机网络和机器人网络等领域得到广泛应用，其主要包含两个步骤：

1.信息收集：节点间通过传感器进行相互测量，这些测量包含距离测量、角度测量等；

2.位置计算：将步骤1中收集到的测量信息转换为位置信息。

在移动机器人研究中，即时定位和建图(SLAM技术)是关键技术之一。具体研究当机器人处于未知的环境中，通过对环境的观测确定自身的运动轨迹，同时构建出环境地图。基于环境地图的SLAM包含两个步骤：

1.环境地图构建：以机器人的位姿为一个顶点，位姿之间的关系(如里程计测量、位姿转换矩阵、环路检测等)构成边。这一步常被称为前端，往往是传感器信息的堆积。

2.环境地图优化：调整机器人位姿顶点，尽量满足边的约束。即后端。

网络定位和机器人SLAM都可以分为信息累积和位置计算两个步骤，图优化方法就是其中关键的步骤。图优化本质上是一个优化问题，现有求解方法主要包括以下三种：

a)基于图刚性方法：研究目标为给定的特定测量集合，判断其是否可以得到唯一的定位结果，通常通过图的刚性属性进行判断。

b)基于优化方法：将网络定位表示为一个优化问题，目标为最小化测量值和网络坐标估计之间的平方根误差。

c)基于模块拼接方法：将整个网络划分为若干个模块，计算各个模块的局部定位结果，最后通过迭代计算旋转和转移矩阵来同步局部结果以产生全局定位结果。

由于在网络定位或SLAM问题中，通过前端信息累积，往往会形成一个庞大的优化问题。现有的图优化方法在图规模很大的时候，由于需要同时进行优化的变量多，数据处理量大，导致计算速度慢，对设备要求高；另外，现有方法缺乏高效且有效的噪声处理方法,以保障定位精度。

发明内容

针对上述问题，本发明的目的是提供一种分层降噪的图优化方法和系统，其能够解决大规模网络下的图优化问题，同时找出测量结果嘈杂，稀疏或不均匀时现有优化算法表现不佳的关键因素，并基于此提出有效的噪声处理方法，最终将其应用到网络定位问题中。实现可靠、抗噪的图优化方法。

为实现上述目的，本发明采取以下技术方案：一种分层降噪的图优化方法，包括以下步骤：S1将整个网络划分为若干个模块，计算各个模块的局部定位结果；S2获得端点分别在两个不同模块的边，将其设为关键边，对关键边进行平滑处理；S3根据步骤S2中经过平滑的关键边，将步骤S1中的局部定位结果同步到同一全局坐标系中，从而获得经过降噪的图像。

进一步，步骤S1的具体计算方法为：将整个网络中的节点进行聚类，形成若干模块，使得模块内部的点之间的连接稠密，而不同模块的点之间的连接稀疏；采用了G2O图优化算法计算各模块的局部结构是包括所有模块局部结构的向量，是第i个模块的局部结构，n_c是模块的数量。