一种低成本移动多机器人视觉同时定位和地图创建方法技术

本发明专利技术提供一种低成本移动多机器人视觉同时定位和地图创建方法，能够充分利用云端和机器人本地资源，提高整个系统的效率。所述方法包括：采集环境地图图像，其中，相邻机器人采集到的图像有重合区域；将图像处理任务拆分成n个子任务，以多机器人子系统在自动定位和建图过程中的能耗最小化为目标，在子任务之间选择一个任务点作为最优的卸载点，使得卸载点前的任务在机器人本地执行，卸载点后的任务卸载到云端执行；在机器人本地完成相应的任务后，将处理结果上传至云端，云端根据接收到的处理结果，构建每个机器人的局部点云地图，利用基于适应性函数的分层点云融合算法将局部点云地图拼接成全局点云地图。本发明专利技术涉及机器人技术领域。

A method of vision simultaneous location and map creation for low cost mobile multi robots

【技术实现步骤摘要】
一种低成本移动多机器人视觉同时定位和地图创建方法
本专利技术涉及机器人
，特别是指一种低成本移动多机器人视觉同时定位和地图创建方法。
技术介绍
近年来，移动机器人同时定位和地图创建(SimultaneousLocalizationandMapping,SLAM)在自主机器人领域逐渐成为研究焦点。随着其技术的不断成熟，相应的自主定位导航机器人也开始在商业市场中出现，比如扫地机器人和空中飞行器。而且随着相机产业的不断发展，越来越多的先进摄像头传感器为SLAM技术提供了新的方向，如3DSLAM就是将环境深度信息运用到机器人地图构建之中，它是指使用深度摄像头作为唯一的传感器进行信号输入，在成本、系统能耗有限的情况下非常适用，所以视觉SLAM技术越来越受到人们的重视。但很多设备多使用激光雷达作为信号输入系统“感知”环境信息，然而雷达和激光设备成本高，准确度相对较差，功耗快，使得SLAM技术的广泛应用受到限制。为了克服SLAM技术所涉及的机器人成本过高的问题，可以将移动多机器人系统整合到SLAM中，从而使得一个大型的相对复杂的任务可以由一组小型的、结构较为简单的移动机器人共享，但对于结构简单的移动机器人，其体积和功率都是有限的，这阻碍了它们携带强大的计算和存储单元。因此，导致其可能无法在本地完成强大的计算任务。
技术实现思路
本专利技术要解决的技术问题是提供一种低成本移动多机器人视觉同时定位和地图创建方法，以解决现有SLAM技术所存在的机器人成本过高、本地无法高效完成大量计算任务的问题。为解决上述技术问题，本专利技术实施例提供一种低成本移动多机器人视觉同时定位和地图创建方法，包括：采集环境地图图像，其中，相邻机器人采集到的图像有重合区域；将图像处理任务拆分成n个子任务，以多机器人子系统在自动定位和建图过程中的能耗最小化为目标，在子任务之间选择一个任务点作为最优的卸载点，使得卸载点前的任务在机器人本地执行，卸载点后的任务卸载到云端执行；在机器人本地完成相应的任务后，将处理结果上传至云端，云端根据接收到的处理结果，构建每个机器人的局部点云地图，利用基于适应性函数的分层点云融合算法将局部点云地图拼接成全局点云地图。进一步地，多机器人子系统在自动定位和建图过程中的能耗表示为：其中，Elocalization表示多机器人子系统在自动定位和建图过程中的能耗，Elk表示机器人k的能量损失，m表示机器人的数目。进一步地，机器人k的能量损失表示为：其中，Plocal表示本地的功率，Ctotal表示本地和云端的计算量之和，η表示卸载点，Ulocal表示本地的计算速度，Pcloud表示云端的功率，Ucloud表示云端的计算速度，Ptr表示发送和接收信息所消耗的能量，Ttr表示信息传输过程中的时间损耗。进一步地，卸载点表示为：其中，0≤d≤n其中，Ttaski表示在机器人本地执行任务i所消耗的时间，d表示在本地执行的任务数，Ttaskj表示完成任务j所需要的时间。进一步地，所述在机器人本地完成相应的任务后，将处理结果上传至云端包括：在机器人本地完成相应的任务后，将处理结果存储到Yaml文件中，其中，每张图像的信息用一个Yaml文件表示；若是第一次执行上传任务，则随机选取多个Yaml文件作为数据集，统计数据集中每个字符的权重，根据得到的字符权重，建立霍夫曼表；利用建立的霍夫曼表对Yaml文件进行编码，将编码后的Yaml文件上传至云端。进一步地，所述利用基于适应性函数的分层点云融合算法将局部点云地图拼接成全局点云地图包括：将第一机器人下的坐标系作为全局坐标系，利用基于适应性函数的分层点云融合算法将其他机器人的局部点云地图与第一机器人的局部点云地图两两进行匹准，得到其他机器人的局部点云地图相对于全局坐标系的旋转矩阵和平移信息；其中，第一机器人为任意机器人；根据得到的旋转矩阵和平移信息构建全局点云地图。进一步地，第一机器人的局部点云地图为目标点云集；其他机器人的局部点云地图为源点云集；所述将第一机器人下的坐标系作为全局坐标系，利用基于适应性函数的分层点云融合算法将其他机器人的局部点云地图与第一机器人的局部点云地图两两进行匹准，得到其他机器人的局部点云地图相对于全局坐标系的旋转矩阵和平移信息包括：A1，对所有局部点云地图进行预处理，去除局部点云地图中的冗余点和信息错误的点，并设置粗匹配时体素滤波器滤的网格大小；A2，对源点云集和目标点云集进行粗匹配；A3，判断适应性函数值是否小于预设的第一阈值，若小于，则执行步骤A4；否则，则更新源点云集并返回步骤A2继续迭代，其中，更新源点云集为将源点云集统一到目标点云集所在的全局坐标系下；A4，设置精细匹配体素滤波器滤的网格大小；A5，对源点云集和目标点云集进行精细匹配；A6，判断适应性函数值是否减小，若减小，则减小两个点云之间的最大响应距离，更新源点云集并返回步骤A5继续迭代；若没有减小且不满足迭代停止条件，则以预设概率更新源点云集并返回步骤A5继续迭代，其中，最大响应距离是指源点云和目标点云中点之间的最大距离的阈值。进一步地，若适应性函数值连续多次都没有减小，或者适应性函数值小于预设的准确度阈值，则停止迭代。本专利技术的上述技术方案的有益效果如下：上述方案中，采集环境地图图像；将图像处理任务拆分成n个子任务，以多机器人子系统在自动定位和建图过程中的能耗最小化为目标，在子任务之间选择一个任务点作为最优的卸载点，使得卸载点前的任务在机器人本地执行，卸载点后的任务卸载到云端执行，从而充分利用云端和机器人本地资源，以提高整个系统的计算能力；在机器人本地完成相应的任务后，将处理结果上传至云端，云端根据接收到的处理结果，构建每个机器人的局部点云地图，由于相邻机器人的局部点云地图之间存在部分重合区域，利用基于适应性函数的分层点云融合算法将局部点云地图拼接成全局点云地图，这样，能够在保证匹配精准度的条件下，减少迭代次数，加快收敛速度，降低能耗，提高系统效率。附图说明图1为本专利技术实施例提供的低成本移动多机器人视觉同时定位和地图创建方法的流程示意图；图2为本专利技术实施例提供的计算卸载模型的原理示意图；图3为本专利技术实施例提供的数据压缩流程示意图；图4为本专利技术实施例提供的编解码示意图；图5为本专利技术实施例提供的点云地图融合原理示意图；图6为本专利技术实施例提供的点云地图融合流程示意图；图7为本专利技术实施例提供的经典霍夫曼算法和改进后的霍夫曼算法所消耗的时间对比示意图；图8为本专利技术实施例提供的η变化曲线示意图；图9(a)、(b)为本专利技术实施例提供的不同算法在不同场景下的收敛速度对比示意图；图10(a)-(d)为本专利技术实施例提供的4个机器人的局部点云地图示意图；图11为本专利技术实施例提供的全局点云地图示意图。...

【技术保护点】
1.一种低成本移动多机器人视觉同时定位和地图创建方法，其特征在于，包括：/n采集环境地图图像，其中，相邻机器人采集到的图像有重合区域；/n将图像处理任务拆分成n个子任务，以多机器人子系统在自动定位和建图过程中的能耗最小化为目标，在子任务之间选择一个任务点作为最优的卸载点，使得卸载点前的任务在机器人本地执行，卸载点后的任务卸载到云端执行；/n在机器人本地完成相应的任务后，将处理结果上传至云端，云端根据接收到的处理结果，构建每个机器人的局部点云地图，利用基于适应性函数的分层点云融合算法将局部点云地图拼接成全局点云地图。/n

【技术特征摘要】
1.一种低成本移动多机器人视觉同时定位和地图创建方法，其特征在于，包括：
采集环境地图图像，其中，相邻机器人采集到的图像有重合区域；
将图像处理任务拆分成n个子任务，以多机器人子系统在自动定位和建图过程中的能耗最小化为目标，在子任务之间选择一个任务点作为最优的卸载点，使得卸载点前的任务在机器人本地执行，卸载点后的任务卸载到云端执行；
在机器人本地完成相应的任务后，将处理结果上传至云端，云端根据接收到的处理结果，构建每个机器人的局部点云地图，利用基于适应性函数的分层点云融合算法将局部点云地图拼接成全局点云地图。


2.根据权利要求1所述的低成本移动多机器人视觉同时定位和地图创建方法，其特征在于，多机器人子系统在自动定位和建图过程中的能耗表示为：



其中，Elocalization表示多机器人子系统在自动定位和建图过程中的能耗，Elk表示机器人k的能量损失，m表示机器人的数目。


3.根据权利要求2所述的低成本移动多机器人视觉同时定位和地图创建方法，其特征在于，机器人k的能量损失表示为：



其中，Plocal表示本地的功率，Ctotal表示本地和云端的计算量之和，η表示卸载点，Ulocal表示本地的计算速度，Pcloud表示云端的功率，Ucloud表示云端的计算速度，Ptr表示发送和接收信息所消耗的能量，Ttr表示信息传输过程中的时间损耗。


4.根据权利要求3所述的低成本移动多机器人视觉同时定位和地图创建方法，其特征在于，卸载点表示为：

其中，0≤d≤n
其中，Ttaski表示在机器人本地执行任务i所消耗的时间，d表示在本地执行的任务数，Ttaskj表示完成任务j所需要的时间。


5.根据权利要求1所述的低成本移动多机器人视觉同时定位和地图创建方法，其特征在于，所述在机器人本地完成相应的任务后，将处理结果上传至云端包括：
在机器人本地完成相应的任务后，将处理结果存储到Yaml文件中，其中，每张图像的信息用一个Yaml文件表示；
若是第一次执行上传任务，则随机选取多个Yaml文件作为数据集，统计数据集中每个字符...

【专利技术属性】
技术研发人员：张响龙，米振强，郭宇，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11