基于直线特征地图的EKF‑SLAM算法制造技术

本发明专利技术公开了一种基于直线特征地图的EKF‑SLAM算法，利用激光雷达提取环境中的直线特征，并根据直线特征来建立特征地图，开创性地设计了以直线为特征地图的EKF‑SLAM算法，在直线特征明显的实验环境中，非常容易提取环境的直线特征，算法的复杂程度低，降低了处理器运算开销，提高了系统实时性，并丰富了SLAM算法处理环境的手段。

【技术实现步骤摘要】

本专利技术属于移动机器人
，具体涉及一种基于直线特征地图的EKF-SLAM算法的设计。
技术介绍
随着机器人技术的日益发展，机器人的应用越来越广泛，几乎渗透到所有领域。移动机器人是机器人学中的一个重要分支，按结构分，一般可分为轮式、腿足式、履带式、吸盘式以及复合式机器人。其中，轮式移动机器人由于其控制简单，运动稳定和能源利用率高等特点应用较为广泛。如今，移动机器人的地图建立与导航问题的该领域的一个热门研究课题，SLAM(SimultaneousLocalizationAndMapping)就是指移动机器人的同时定位与地图创建问题，也被称为CLM(ConcurrentMappingandLocalization)。SLAM问题可以描述为：在一个二维平面内，已知运动模型的移动机器人从一个未知的初始点出发，在一个有若干环境特征的环境中移动，机器人通过传感器的数据确定环境特征的二维坐标，同时确定自身的三维坐标。目前解决SLAM问题比较常用的一种方法是EKF-SLAM(ExtendedKalmanFilter-SimultaneousLocalizationAndMapping，基于扩展卡尔曼滤波器的移动机器人同时定位与地图创建)算法。现有的EKF-SLAM算法均是基于环境的空间点特征进行计算的，然而由于空间中点较多，会造成运算量较大，进而使得EKF-SLAM算法的实时性较差，无法满足应用需求。
技术实现思路
本专利技术的目的是为了解决现有技术中EKF-SLAM算法基于环境的空间点特征进行计算，运算量较大，实时性较差的问题，提出了一种基于直线特征地图的EKF-SLAM算法。本专利技术的技术方案为：基于直线特征地图的EKF-SLAM算法，包括以下步骤：S1、直线特征提取：系统对激光雷达测量的数据进行区域分割与直线拟合，得到直线特征的参数方程；S2、机器人控制量输入：输入移动机器人的控制量，并计算得到系统的状态预测量和协方差预测量；S3、直线特征匹配：系统实时将激光雷达最新一帧测量数据中每条直线的特征参数与之前一帧每条直线的特征参数进行逐一对比，判断是否出现新的直线，若是则进入步骤S4，否则进入步骤S5；S4、添加新的直线特征；S5、对原有的直线特征进行观测与修正。本专利技术的有益效果是：(1)本专利技术在直线特征明显的实验环境中，非常容易提取环境的直线特征，算法的复杂程度低，降低了处理器运算开销，提高了系统实时性。(2)本专利技术开创性地设计了以直线为特征地图的EKF-SLAM算法，丰富了SLAM算法处理环境的手段。(3)本专利技术直线特征明显，特征提取精度高，因此定位精度高于基于环境的空间点特征的EKF-SLAM算法。附图说明图1为本专利技术提供的基于直线特征地图的EKF-SLAM算法流程图。图2为本专利技术实施例的机器人运动姿态示意图。图3为本专利技术实施例的直线特征观测示意图。具体实施方式下面结合附图对本专利技术的实施例作进一步的说明。本专利技术提供了一种基于直线特征地图的EKF-SLAM算法，如图1所示，包括以下步骤：S1、直线特征提取：系统对激光雷达测量的数据进行区域分割与直线拟合，得到直线特征的参数方程。在本专利技术中，环境特征主要是由许多分割的线段所构成，因此区域的分割、特征的提取是我们在这样的结构化环境中的主要任务。本专利技术中的系统指移动机器人平台系统。首先我们分析下从激光雷达扫描的数据中直接得到的信息，在激光雷达的数据中有这样的一些点会干扰我们的直线特征的提取，这样点主要有三类：(1)表示地图中可以容易被移动的物体的点，例如人的腿、桌子和椅子的腿等；(2)在两个物体之间的间隙点；(3)超出量程的点，对于量程为4m的激光雷达，可能会返回超出4m的测量值，但是在超过4m后激光雷达测得的数据误差较大，因此不应该被使用。在对激光雷达测量的数据进行简单的处理后，下一阶段就是区域分割问题。本专利技术实施例中，采取的是改进的基于激光雷达两点间距离的区域分割方法。基本原理是，计算连续两数据点之间的距离，当距离值小于距离阈值时或计算连续三个点之间构成的两条直线的夹角，如果夹角小于角度阈值时，则认为这些点在同一直线内。这种算法的关键之处在于对阈值的选取，阈值的选择直接影响着结果的好坏。区域分割的具体步骤如下：T1、对于所有的点i，i＝1,2,…,n-2，n为激光雷达扫描点数，计算连续两点间的欧式距离Di，和连续三点构成直线的夹角θi：式中xi、yi分别为点i的横纵坐标；T2、确定合适距离阈值MAX_DIST和角度阈值MAX_TH，当Di小于MAX_DIST或者θi小于MAX_TH时，则认为i点在直线集Aj之内，反之则不在，最后得到k个互不连通的区域{A1,A2,....,Ak本文档来自技高网...

【技术保护点】
基于直线特征地图的EKF‑SLAM算法，其特征在于，包括以下步骤：S1、直线特征提取：系统对激光雷达测量的数据进行区域分割与直线拟合，得到直线特征的参数方程；S2、机器人控制量输入：输入移动机器人的控制量，并计算得到系统的状态预测量和协方差预测量；S3、直线特征匹配：系统实时将激光雷达最新一帧测量数据中每条直线的特征参数与之前一帧每条直线的特征参数进行逐一对比，判断是否出现新的直线，若是则进入步骤S4，否则进入步骤S5；S4、添加新的直线特征；S5、对原有的直线特征进行观测与修正。

【技术特征摘要】
1.基于直线特征地图的EKF-SLAM算法，其特征在于，包括以下步骤：S1、直线特征提取：系统对激光雷达测量的数据进行区域分割与直线拟合，得到直线特征的参数方程；S2、机器人控制量输入：输入移动机器人的控制量，并计算得到系统的状态预测量和协方差预测量；S3、直线特征匹配：系统实时将激光雷达最新一帧测量数据中每条直线的特征参数与之前一帧每条直线的特征参数进行逐一对比，判断是否出现新的直线，若是则进入步骤S4，否则进入步骤S5；S4、添加新的直线特征；S5、对原有的直线特征进行观测与修正。2.根据权利要求1所述的基于直线特征地图的EKF-SLAM算法，其特征在于，所述步骤S...

【专利技术属性】
技术研发人员：张鹏飞，何俐萍，吴家敏，肖立超，孙家弼，
申请(专利权)人：成都普诺思博科技有限公司，
类型：发明
国别省市：四川;51