[发明专利]一种基于特征点法的清洁机器人视觉SLAM系统

说明书

本发明涉及计算机视觉技术领域，具体涉及一种基于特征点法的清洁机器人视觉SLAM系统，包括视觉特征提取模块、特征匹配模块、相机位姿估计模块、回环检测模块和动态避障模块；视觉特征提取模块采用SOJK算法结合高斯滤波函数用于提取相机拍摄图像的图像特征点；利用卷积神经网络结构进行视觉特征的提取和匹配，以EPnP算法和Gauss‑NewtonBA求解方法进行位姿估计与局部优化，采用位姿图方法进行全局BA优化，利用DBoW3执行基于字典模型的回环检测，保证视觉里程计追踪轨迹及局部建图的精准性，解决现有累计误差大的问题，DWA算法结合A*算法通过测算全向移动机器人的速度，曲率变换连续，高效实现动态避障。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于特征点法的清洁机器人视觉SLAM系统。

背景技术

近年来，SLAM(Simultaneous LocalizationAnd Mapping)即同步定位与建图技术，在清洁机器人上发挥了至关重要的作用，视觉SLAM系统根据提取信息方式的不同可以将其分为基于特征点法和直接法的视觉SLAM系统，现有的基于特征点法的视觉SLAM系统追踪的特征点较少，导致会有较大的累计误差，局部建图的精准性、SLAM系统的精度和鲁棒性不够优秀，不能广泛运用。

发明内容

本发明的目的在于提供一种基于特征点法的清洁机器人视觉SLAM系统，旨在解决现有的视觉SLAM系统累计误差大、定位精准性不足的问题。

为实现上述目的，本发明提供了一种基于特征点法的清洁机器人视觉SLAM系统，包括视觉特征提取模块、特征匹配模块、相机位姿估计模块、回环检测模块和动态避障模块；

所述视觉特征提取模块、所述特征匹配模块、所述相机位姿估计模块、所述回环检测模块和所述动态避障模块依次连接；

所述视觉特征提取模块用于提取相机拍摄图像的图像特征点；

所述特征匹配模块用于对所述图像特征点进行特征匹配，得到两张图像上的匹配结果；

所述相机位姿估计模块用于根据所述匹配点估计相机位姿；

所述回环检测模块用于进行回环检测，根据回环信息对相机位姿进行纠正，得到全局一致的姿态估计；

所述动态避障模块用于规划移动路径。

其中，所述动态避障模块包括全局规划单元和局部规划单元；所述全局规划单元和所述局部规划单元连接；

所述全局规划单元用于规划全局移动路径；

所述局部规划单元用于基于所述全局移动路径，规划局部移动路径。

其中，所述视觉特征提取模块采用卷积神经网络结构提取图像特征点。

其中，所述特征匹配模块采用ORB算法提取相机拍摄图像的图像特征点。

其中，所述相机位姿估计模块采用PnP算法求解相机位姿。

本发明的一种基于特征点法的清洁机器人视觉SLAM系统，利用卷积神经网络结构进行视觉特征的提取和匹配，以EPnP算法和Gauss-NewtonBA求解方法进行位姿估计与局部优化；采用位姿图方法进行全局BA优化；利用DBoW3执行基于字典模型的回环检测，根据图像间向量的差异来描述图像间的相似性，保证视觉里程计追踪轨迹的精准性，SLAM系统根据视觉里程计数据生成融合位姿，提高导航与定位数据的可靠性。DWA算法通过不断更新局部地图和代价，保证局部避障的精准性，与A*算法相结合，实现全局最优路径的评价与规划，模拟其下一步移动可能趋于的方向，从而使全向移动机器人在运动过程中顺利避开障碍物，增强其稳定性和安全性，使得整个系统更加稳定可靠。

附图说明