一种基于视觉与激光slam的机器人室内建图方法及系统
专利汇可以提供一种基于视觉与激光slam的机器人室内建图方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于视觉与激光slam的 机器人 室内建图方法，包括以下步骤：视觉 传感器 获取左视图和右视图，生成特征点点 云 ；计算基于视觉的机器人的 位姿 变换估计；获得激光数据，计算基于激光的机器人位姿变换估计、更新地图栅格的 置信度 ；采用瓦片式的建图方法，利用连续的激光点云数据生成子图；将获得的特征点与每张子图进行匹配；通过图优化更新各个子图中的机器人位姿，即可构成最终的建图结果。本发明采用视觉和激光相结合的建图方法，一方面改善了视觉 算法 受光照影响大的缺点，另一方面利用特征点的描述子属性检测闭环，解决了激光闭环检测成功率过低的问题，提高了闭环检测效率。，下面是一种基于视觉与激光slam的机器人室内建图方法及系统专利的具体信息内容。
1.一种基于视觉与激光slam的机器人室内建图方法，其特征在于，包括以下步骤：
视觉传感器获取左视图和右视图，生成特征点点云，具体包括：
提取左视图和右视图的特征点，
对获得的特征点进行匹配，
计算相匹配的特征点的空间坐标；
计算基于视觉的机器人的位姿变换估计，即将本时刻左视图和右视图相匹配的特征点与本时刻的上一时刻的左视图和右视图相匹配的特征点进行二次匹配，根据二次匹配的特征点的坐标变化和特征点的主方向变化获得机器人的位姿变换关系，将特征点的描述子投影到对应的地图栅格上，定义栅格的特征点描述子属性；
获得激光数据，计算基于激光的机器人位姿变换估计、更新地图栅格的置信度；
采用瓦片式的建图方法，利用连续的激光点云数据生成子图；
闭环检测，即将获得的特征点的描述子与每张子图的每个栅格对应的栅格的特征点描述子属性进行匹配；
图优化，具体包括：通过图的节点表示机器人的位姿，通过连接节点的边表示机器人位姿间的变换关系，计算各机器人位姿与经变换矩阵变换后的估计位姿之间的误差，计算带有若干条边的图的误差目标函数，通过多次迭代求得使目标函数收敛的机器人位姿，用于更新各个子图中的机器人位姿，即可构成最终的建图结果。
2.根据权利要求1所述的基于视觉与激光slam的机器人室内建图方法，其特征在于，所述提取左视图和右视图的特征点包括：
利用ORB算法对左右视图进行FAST角点检测，提取特征点P；
建立以特征点P为原点的坐标系，在领域S内计算质心位置C，以特征点P为起点，质心C为终点构造向量 领域S的矩可表示为：
其中Y(x,y)为图像的灰度值，x,y∈[-r,r]，r为邻域S的半径，p、q取0或1，则该邻域的质心位置为：
特征点P的主方向θ为：
θ＝arc tan2(m01，m10)；
生成特征点描述子：
在特征点P的邻域S内，产生随机n对点集，用2×n的矩阵来表示： 特
征点的主方向θ和对应的旋转矩阵Rθ，计算旋转后的2×n的矩阵：
其中，
则特征点P的邻域S内二进制测试准则可定义为：
其中，iθ＝i1θ,…,inθ，jθ＝j1θ,…,jnθ，τ表示一种二进制测试准则， 表示点iθ的灰度值， 表示点jθ的灰度值；
此时可得到特征点P旋转的描述子：
k′为128、256或512，对应描述符的大小分别为16字节、32字节或64字节，根据方法的实时性、存储空间以及识别效率进行选择。
3.根据权利要求2所述的基于视觉与激光slam的机器人室内建图方法，其特征在于，所述对获得的特征点进行匹配具体为：
计算左右视图特征点的描述子的汉明距离D进行匹配：
其中，fL,fR分别为左视图和右视图的某个特征点的描述子；当两帧图像中存在汉明距离小于阈值的两个特征点时，则两个特征点匹配成功。
4.根据权利要求3所述的基于视觉与激光slam的机器人室内建图方法，其特征在于，所述计算相匹配的特征点的空间坐标具体为：
其中，(x,y,z)为特征点P在空间中的坐标，(uL,vL)为特征点P在左侧相机中的图像点坐标,(uR,vR)为右侧相机中的图像点坐标,f焦距为双目相机的焦距，d为两个相机之间的距离。
5.根据权利要求4所述的基于视觉与激光slam的机器人室内建图方法，其特征在于，所述采用瓦片式的建图方法，利用连续的激光点云数据生成子图具体为：
利用连续的激光点云数据生成子图，每连续Ts内数据生成一张子图，第二张子图包含上一张子图的后t(t
机器人的位姿被表示成图中的节点，观测信息经过处理后转变为机器人之间位姿间的约束关系，并通过连接节点间的边来表示；图的每个节点取决于机器人位姿的描述，所有节点的状态方程为 其中 分别为全局坐标系下的机器人
的位姿，
边则描述了机器人位姿之间的变换关系；节点Pi和节点Pj之间观测方程可以表示为：
zj＝xiTi,j
其中，xi为节点Pi相应的机器人在全局坐标系下的位姿，xj为节点Pj相应的机器人在全局坐标系下的位姿，zj为节点Pj的观测值，即xi经变换矩阵变换后的估计位姿，Ti,j为节点Pi与节点Pj之间的变换关系；
机器人位姿xi与经变换矩阵变换后的估计位姿zj之间存在误差e(zj,xj)，计算公式为：
e(zj,xj)＝xiTi,j-xj
带有若干条边的图的误差目标函数E(x)为：
其中，信息矩阵Ωk是协方差矩阵的逆，是一个对称矩阵；它的每个元素Ωi,j用作误差的系数，对e(zi,xi)、e(zj,xj)的误差相关性进行预计；
假设xk增加一个增量Δx，通过多次迭代最终求得满足目标方程E(x)的收敛值，用求得的Δx更新状态变量X，X中的各个节点的位姿即可构成最终的建图结果。
7.一种基于视觉与激光slam的机器人室内建图系统，其特征在于，所述系统分为前端和后端，系统的前端利用双目视觉传感器获取环境的左视图和右视图，通过ORB算法提取左右视图，并对左右视图的特征点进行匹配，进而求取各个特征点在空间内的坐标；对相邻时刻获得的特征点进行匹配，进而求得时刻机器人的位姿变换关系，将特征点投影到地图栅格上，定义有特征点投影的栅格地图具有描述子属性；系统的前端通过激光传感器获得环境的激光点云数据，并对激光点云数据进行去噪处理，通过求取机器人位姿初值、定义扫描窗口、求取置信度获得机器人的位姿变换估计，将激光点云投射到栅格地图上，更新各个地图栅格的置信度；系统后端对得到的地图进行闭环检测和图优化。
一种基于视觉与激光slam的机器人室内建图方法及系统
技术领域
背景技术
发明内容
具体实施方式
＝xiTi,j，即机器人经过运动Ti,j由Pi运动到Pj，其中，xi为节点Pi相应的机器人在全局坐标系下的位姿，，xj为节点Pj相应的机器人在全局坐标系下的位姿，zj为节点Pj的观测值，即xi经变换矩阵变换后的估计位姿，Ti,j为节点Pi与节点Pj之间的变换关系。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于双目视觉的桥梁监测方法及系统 | 2020-05-08 | 86 |
| 一种基于虚拟现实与手势识别的远程呈现交互方法和系统 | 2020-05-14 | 254 |
| 一种基于双目视觉对涡轮叶片应变测量的成像装置 | 2020-05-13 | 356 |
| 一种视觉导航无人机的摄像机标定方法及装置 | 2020-05-11 | 504 |
| 一种基于AR技术的物资堆叠方式的预估方法及装置 | 2020-05-11 | 882 |
| 一种基于深度学习的机器人避障控制方法及装置 | 2020-05-12 | 815 |
| 一种用于刚体坐标系空间变换标定的汇聚式双目系统 | 2020-05-11 | 592 |
| 一种基于多对双目相机的视差图像拼接方法 | 2020-05-12 | 688 |
| 基于双目视觉的高低分辨率融合立体匹配方法 | 2020-05-08 | 747 |
| 基于双目视觉和激光雷达融合的深度估计方法 | 2020-05-11 | 848 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
