【技术实现步骤摘要】
一种基于可靠性分析的多机器人协同定位与建图方法
本专利技术公开了一种基于可靠性分析的多机器人协同定位与建图方法，属于同步定位与建图领域。
技术介绍
随着人工智能技术的发展，自动化设备越来越多地代替了人类完成复杂、危险的探索任务，起到了保护人类生命、提高探索效率和准确率的作用。在机器人探索未知环境时，通常采用同步定位与建图(SimultaneousLocalizationandMapping,SLAM)技术进行自身位置确定并建立环境地图，特别是基于特征的激光雷达SLAM技术因不受环境光照影响相对于视觉SLAM技术更为鲁棒，在保证较低计算量的同时直接生成特征点地图，更有利于直观展示探索区域实时情况。在类似灾害区域抢险救援、危险区域探索等任务中，大尺度场景的探索任务对基于特征的激光雷达SLAM技术的效率和准确率都提出了新的要求。然而大场景往往伴随着稀疏的可用特征，使得基于特征的单机器人激光雷达SLAM技术不仅效率低下，且常因可用特征点少、所选特征点不可靠而失效。因此如何提高特征稀疏的大场景下，基于特征的激光雷达SLAM技术的效率和...
【技术保护点】
1.一种基于可靠性分析的多机器人协同定位与建图方法，其特征在于，包括如下步骤：/n步骤S1、通过搭载于机器人上的三维激光雷达对周围环境及机器人集群中其它成员机器人进行距离信息感知；/n步骤S2、机器人各自使用自身连续帧激光点云信息，进行考虑距离加权的高频帧间匹配，快速获取自身连续位姿；/n步骤S3、根据步骤S2获取的自身连续位姿，更新机器人各自的局部地图，进行考虑距离加权和动态加权的低频帧图匹配，获取高精度位姿；/n步骤S4、当机器人间距低于阈值时，机器人使用视点特征直方图与贝叶斯神经网络结合的低频相对位姿辨识模型，计算机器人间相对位姿及其可靠性，并对可靠性进行判定，选取满...
【技术特征摘要】
1.一种基于可靠性分析的多机器人协同定位与建图方法，其特征在于，包括如下步骤：
步骤S1、通过搭载于机器人上的三维激光雷达对周围环境及机器人集群中其它成员机器人进行距离信息感知；
步骤S2、机器人各自使用自身连续帧激光点云信息，进行考虑距离加权的高频帧间匹配，快速获取自身连续位姿；
步骤S3、根据步骤S2获取的自身连续位姿，更新机器人各自的局部地图，进行考虑距离加权和动态加权的低频帧图匹配，获取高精度位姿；
步骤S4、当机器人间距低于阈值时，机器人使用视点特征直方图与贝叶斯神经网络结合的低频相对位姿辨识模型，计算机器人间相对位姿及其可靠性，并对可靠性进行判定，选取满足要求的相对位姿计算结果，并使用FractionalICP进一步优化，从而对步骤S3中的局部地图进行合并；进行局部地图合并的机器人将各自的局部地图更新为合并后的地图，并进行下采样，减小所需存储空间；
步骤S5、不断重复执行步骤S1、S2、S3和S4，得到不断更新的多机器人位姿和存储的局部地图。
2.根据权利要求1所述的基于可靠性分析的多机器人协同定位与建图方法，其特征在于：所述步骤S1中的机器人集群内部各机器人，需具有相同的外观以及相同的激光雷达传感器安装位置，且不可搭载因大幅度运动而显著影响外观的装置；机器人上搭载的三维激光雷达线束应不少于16线。
3.根据权利要求1所述的基于可靠性分析的多机器人协同定位与建图方法，其特征在于：所述步骤S2的具体步骤为：
帧间匹配过程采用Levenberg-Marquardt算法迭代求解帧间相对位姿，Levenberg-Marquardt算法中，对于本帧每一个激光点设置的残差需要乘以距离权重
距离权重是基于距离分析对特征点可靠性的量化手段；其中，dk为当前待加入残差的激光点与激光雷达坐标系原点之间的距离；dmax为本帧激光点云中激光点与激光雷达坐标系原点之间的距离最大值；dmin为本帧激光点云中激光点与激光雷达坐标系原点之间的距离最小值；Wmax为设定的最大权重值；θ为当前待加入残差的激光点所在激光束与激光点所对应的拟合平面或拟合直线的延展面的法线间的夹角。
4.根据权利要求1所述的基于可靠性分析的多机器人协同定位与建图方法，其特征在于：所述步骤S3的具体步骤为：
考虑距离加权和动态加权的低频帧图匹配，首先需要根据步骤S2计算出的本帧激光点的距离权重以及当前机器人相对前帧的相对位姿，然后利用机器人相对前帧的相对位姿以及前帧时机器人在自身局部地图坐标系中的位姿，将本帧激光点转换至机器人自身的局部地图坐标系，进而寻找本帧各激光点在机器人自身的局部地图坐标系中所对应的拟合平面或拟合直线，存储各对应关系；接下来提取拟合平面或拟合直线中各个组成点的动态权重...
【专利技术属性】
技术研发人员：熊光明，马君驿，许景懿，宋佳睿，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。