基于数据关联及错误检测的SLAM系统和构造数据关联的方法技术方案

本发明专利技术提供了一种基于数据关联及错误检测的SLAM系统和构造数据关联的方法，其中，系统包括前端模块，关键帧数据库；前端模块构造数据关联的过程包括：S100，接收普通帧及该普通帧的预测位姿Tpredict；S200，从关键帧数据库中查找出与该普通帧相似的n个候选帧，将其分类为全局候选帧集合和局部候选帧集合；S300，计算每一候选帧到该普通帧的位姿变换关系Tpc，Tpc作为关联结果；S400，按候选帧的分类对关联结果作错误检测以滤除错误关联结果；S500，判断经过所述S400之后是否有正确的关联结果，若判断结果为是，则返回执行S100，若判断结果否，则执行S600；S600，根据临时区中的历史普通帧及其预测位姿、该普通帧及其预测位姿创建新的关键帧。

SLAM system and data association method based on data association and error detection

The present invention provides a SLAM system based on data association and error detection and a method for constructing data association, in which the system includes a front end module and a key frame database; the process of constructing data association in the front end module includes: S100, receiving the common frame and the predictive position Tpredict of the common frame; S200, from the key frame database. It finds out n candidate frames similar to that of the common frame, classifies them into global candidate frame set and local candidate frame set; S300, calculates the position and pose transformation relation of each candidate frame to the common frame Tpc, Tpc as the correlation result; S400, according to the classification of candidate frames, to filter the correlation results to filter out the error correlation results; S5 00, judge whether there is a correct association result after the S400, and if the result is the result, then the S100 is executed, and if the result is not, S600 is executed; S600, according to the historical common frame in the temporary area and its predicted position, the common frame and its predictive position, create a new key frame.

【技术实现步骤摘要】
基于数据关联及错误检测的SLAM系统和构造数据关联的方法
本专利技术属于移动机器人领域，尤其涉及一种基于数据关联及错误检测的SLAM系统和构造数据关联的方法。
技术介绍
移动式机器人的应用越来越普遍。例如，移动式机器人可以被用于移动式巡逻站。这样的移动式巡逻站配备有适当的传感器，使得它们能够在环境中自主地行驶，同时监测环境的异常状况，例如监测是否有非法入侵或者是否有行人跌倒等等一系列作业项目。对于这样的移动式机器人，通常都有自主移动的需求，机器人的自主移动，一般都依赖于同时定位与地图构建(SLAM)技术。目前主流的SLAM技术主要使用了激光雷达或摄像机作为关联数据源。激光雷达方案的缺点是传感器价格比较贵，而且全局闭环能力相对较差，同时在机器人对环境的语义理解方面没有太多帮助，不太适合普遍地应用于消费级机器人。相应地，基于视觉的SLAM方案在移动机器人领域得到了广泛应用，而目前主流的视觉SLAM方案对算力都有较高的要求，都依赖于高帧率和高实时性运行，并且对使用场景也有一定要求，在低纹理或重复纹理区域都不能有鲁棒的结果，而且容易跟丢，视觉追踪失败后，需要有一套复杂的重定位机制，还需要机器人主动配合移动到之前走过的区域，这对于大部分没有人为干预的机器人系统来说，都是很难实现的，也是比较笨拙的行为，因此目前主流的视觉SLAM方案都难以落地于普通的嵌入式硬件平台上。
技术实现思路
为了解决
技术介绍
中提到的问题，本专利技术提供一种基于数据关联及错误检测的SLAM系统，包括：前端模块，关键帧数据库；所述前端模块用于构造数据关联，关键帧数据库为关键帧的集合。前端模块构造数据关联的过程包括：S100，接收数据，其中，数据至少包括普通帧及该普通帧的预测位姿Tpredict；S200，从关键帧数据库中查找出与该普通帧相似的n个候选帧，将n个候选帧分类为全局候选帧集合和局部候选帧集合；S300，计算每一候选帧到该普通帧的位姿变换关系Tpc，如果Tpc计算成功，则确定该普通帧关联到了该候选帧，Tpc作为关联结果；S400，按候选帧的分类对关联结果作错误检测以滤除错误关联结果；S500，判断经过所述S400之后是否有正确的关联结果，若判断结果为是，则返回执行S100，若判断结果否，则执行S600；S600，根据临时区中的历史普通帧及其预测位姿、该普通帧及其预测位姿创建新关键帧，若创建出了新关键帧，则将新关键帧存储于关键帧数据库，若未创建出新关键帧，则将该普通帧存储于临时区。进一步实施例中，所述系统还包括后端模块，所述S500中，判断结果为是时，还将该普通帧、该普通帧的预测位姿、正确的关联结果发送至后端模块；所述S600中，创建出新关键帧时，还将关键帧发送至后端模块；所述后端模块用于接收前端模块发送的数据，并将其存储于后端数据库，用于优化后端数据库中的关键帧。进一步实施例中，所述S200中，查找候选帧之前还包括：根据后端数据库更新关键帧数据库。进一步实施例中，所述S100中接收到数据之后还包括：判断接收到的数据是否满足预定需求，若不满足，则丢弃接收到的数据，重新接收新的数据，否则，执行S200。进一步实施例中，所述S100判断接收到的数据是否满足预定需求的过程包括：S110，检测接收到的数据是否合法；S120，提取该普通帧的特征点，检测特征点的个数是否满足需求；S130，利用该普通帧估计光照，检测光照是否满足需求；若S110至S130均满足，则接收到的数据满足预定需求，否则，接收到的数据不满足预定需求。进一步实施例中，所述S200中从关键帧数据库中找出与该普通帧相似的n个候选帧的过程包括：比较该普通帧与关键帧数据库中关键帧的相似度；按相似度从大到小的顺序对关键帧数据库中关键帧进行排序；提取前n个关键帧为候选帧。进一步实施例中，所述S200中将n个候选帧分类为全局候选帧集合和局部候选帧集合的过程包括：计算每一候选帧的位姿与该普通帧的预测位姿Tpredict的相对位姿；将大于第一阈值的相对位姿对应的候选帧划分至全局候选帧集合中，其余候选帧划分至局部候选帧集合中。进一步实施例中，所述S200中将n个候选帧分类为全局候选帧集合和局部候选帧集合的过程包括：计算候选帧的生成时间与该普通帧的生成时间的时间差，或候选帧上一次位姿被调整的时间与该普通帧的生成时间的时间差；将大于第二阈值的时间差对应的候选帧划分至全局候选帧集合中，其余候选帧划分至局部候选帧集合中。进一步实施例中，所述S400中对关联结果作错误检测的同时还统计关键帧的错误闭环次数、不稳定闭环次数及成功闭环次数。进一步实施例中，所述S400中对每一候选帧i对应的关联结果Tpci，执行如下操作来进行错误检测：S430，根据候选帧i的位姿Tki和关联结果Tpci计算该普通帧的绝对位姿Tc；S440，如果候选帧i属于局部候选帧集合，则根据该普通帧的绝对位姿Tc计算移动机器人的行驶速度，判断该行驶速度是否小于或等于最大行驶速度，若判断结果为否，则确定关联结果Tpci错误，反之，确定关联结果Tpci正确；S450，如果候选帧i属于全局候选帧集合，则进行如下判断：S451，确定该普通帧的预测位姿Tpredict的置信范围，判断该普通帧的绝对位姿Tc是否在该普通帧的预测位姿Tpredict的置信范围内，若判断结果为否，则确定关联结果Tpci错误，同时候选帧i的错误闭环次数加1，若判断结果为是，执行S452；S452，将候选帧i暂存在闭环候选区，判断接下来连续n个普通帧是否都关联到候选帧i，且n个普通帧中的每一帧的绝对位姿均符合其预测位姿Tpredict的置信范围，若判断结果为是，则确定关联结果Tpci正确，候选帧i的成功闭环次数加1，若判断结果为否，则确定关联结果Tpci错误，从闭环候选区剔除候选帧i，同时候选帧i的不稳定闭环次数加1。进一步实施例中，所述S430之前还包括：S410，根据候选帧i、该普通帧、关联结果Tpci及相机内参矩阵统计重投影误差的均方根，若均方根大于预定阈值，则确定关联结果Tpci错误；和/或S420，判断该普通帧的绝对位姿Tc指示的状态与其他传感器指示的状态是否冲突，如果冲突，则确定关联结果Tpci错误。进一步实施例中，所述S600中根据临时区中的历史普通帧及其预测位姿、该普通帧及其预测位姿创建新关键帧的过程包括：S610，根据临时区中历史普通帧的预测位姿及该普通帧的预测位姿从临时区中查找出满足预定位姿条件的m个历史普通帧；S620，对查找出的每一历史普通帧执行如下操作：S621，搜索该历史普通帧与该普通帧之间的匹配特征点，判断匹配特征点个数是否大于第三阈值，若判断结果为是，执行S622，否则对下一历史普通帧执行操作；S622，利用相机信息、该历史普通帧和该普通帧各自的预测位姿计算所述匹配特征点的3d坐标，判断3d坐标个数是否大于第四阈值，若判断结果为是，执行S623，否则对下一历史普通帧执行操作；S623，利用BundleAdjustment方法对匹配特征点的3d坐标和该普通帧的预测位姿进行优化以创建新关键帧。进一步实施例中，当创建出新关键帧、有正确关联结果、系统出现异常任一情况发生时，清空所述临时区；和/或设定临时区的存储容量，存储容量满时删除临时区内最早存入的普通帧；本文档来自技高网...

【技术保护点】
1.一种基于数据关联及错误检测的SLAM系统，其特征在于，包括前端模块，关键帧数据库；所述前端模块用于构造数据关联，关键帧数据库为关键帧的集合；前端模块构造数据关联的过程包括：S100，接收数据，其中，数据至少包括一普通帧及该普通帧的预测位姿Tpredict；S200，从关键帧数据库中查找出与该普通帧相似的n个候选帧，将n个候选帧分类为全局候选帧集合和局部候选帧集合；S300，计算每一候选帧到该普通帧的位姿变换关系Tpc，如果Tpc计算成功，则确定该普通帧关联到了该候选帧，Tpc作为关联结果；S400，按候选帧的分类对关联结果作错误检测以滤除错误关联结果；S500，判断经过所述S400之后是否有正确的关联结果，若判断结果为是，则返回执行S100，若判断结果否，则执行S600；S600，根据临时区中的历史普通帧及其预测位姿、该普通帧及其预测位姿创建新关键帧，若创建出了新关键帧，则将新关键帧存储于关键帧数据库，若未创建出新关键帧，则将该普通帧存储于临时区。

【技术特征摘要】
1.一种基于数据关联及错误检测的SLAM系统，其特征在于，包括前端模块，关键帧数据库；所述前端模块用于构造数据关联，关键帧数据库为关键帧的集合；前端模块构造数据关联的过程包括：S100，接收数据，其中，数据至少包括一普通帧及该普通帧的预测位姿Tpredict；S200，从关键帧数据库中查找出与该普通帧相似的n个候选帧，将n个候选帧分类为全局候选帧集合和局部候选帧集合；S300，计算每一候选帧到该普通帧的位姿变换关系Tpc，如果Tpc计算成功，则确定该普通帧关联到了该候选帧，Tpc作为关联结果；S400，按候选帧的分类对关联结果作错误检测以滤除错误关联结果；S500，判断经过所述S400之后是否有正确的关联结果，若判断结果为是，则返回执行S100，若判断结果否，则执行S600；S600，根据临时区中的历史普通帧及其预测位姿、该普通帧及其预测位姿创建新关键帧，若创建出了新关键帧，则将新关键帧存储于关键帧数据库，若未创建出新关键帧，则将该普通帧存储于临时区。2.如权利要求1所述的系统，其特征在于，所述系统还包括后端模块，所述S500中，判断结果为是时，还将该普通帧、该普通帧的预测位姿Tpredict、正确的关联结果发送至后端模块；所述S600中，创建出新关键帧时，还将关键帧发送至后端模块；所述后端模块用于接收前端模块发送的数据，并将其存储于后端数据库，用于优化后端数据库中的关键帧。3.如权利要求2所述的系统，其特征在于，所述S200中，查找候选帧之前还包括：根据后端数据库更新关键帧数据库。4.如权利要求1至3任一项所述的系统，其特征在于，所述S100中接收到数据之后还包括：判断接收到的数据是否满足预定需求，若不满足，则丢弃接收到的数据，重新接收新的数据，否则，执行S200。5.如权利要求4所述的系统，其特征在于，所述S100判断接收到的数据是否满足预定需求的过程包括：S110，检测接收到的数据是否合法；S120，提取该普通帧的特征点，检测特征点的个数是否满足需求；S130，利用该普通帧估计光照，检测光照是否满足需求；若S110至S130均满足，则接收到的数据满足预定需求，否则，接收到的数据不满足预定需求。6.如权利要求4所述的系统，其特征在于，所述S200中将n个候选帧分类为全局候选帧集合和局部候选帧集合的过程包括：计算每一候选帧的位姿与该普通帧的预测位姿Tpredict的相对位姿；将大于第一阈值的相对位姿对应的候选帧划分至全局候选帧集合中，其余候选帧划分至局部候选帧集合中。7.如权利要求4所述的系统，其特征在于，所述S200中将n个候选帧分类为全局候选帧集...

【专利技术属性】
技术研发人员：李锋，张一茗，陈震，
申请(专利权)人：速感科技北京有限公司，
类型：发明
国别省市：北京,11