基于视觉SLAM的用于移动机器人的构图方法技术

公开了一种基于视觉SLAM的用于移动机器人的构图方法，其包括：初始化，以生成初始关键帧和所述初始关键帧对应的初始位姿；通过RGB

【技术实现步骤摘要】
基于视觉SLAM的用于移动机器人的构图方法


[0001]本申请涉及视觉SLAM领域，且更为具体地，涉及基于视觉SLAM的用于移动机器人的构图方法、基于视觉SLAM的用于移动机器人的定位方法、基于视觉SLAM的用于移动机器人的构图装置、基于视觉SLAM的用于移动机器人的定位装置和机器人。

技术介绍

[0002]SLAM技术(Simultaneous LocalizationAnd Mapping)，即，同步定位和建图技术，是指：在没有先验信息的情况下，搭载特定传感器的主体在运动的过程中构建目标环境地图，且同时估计自身的位姿以实现自主定位。
[0003]依传感器分类，SLAM主要包括激光SLAM和视觉SLAM，其中，当传感器主要为激光雷达时，称为激光SLAM；当传感器主要为图像采集设备(例如，相机)时，称为视觉SLAM。激光SLAM技术比较成熟，然而激光雷达成本较高，安装要求高，寿命低，探测范围有限，缺乏语义信息；而相机的成本较低，安装方式多元化，无传感探测距离限制，可提取语义信息，视觉SLAM是未来研究的一个主流方向。
[0004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉SLAM的用于移动机器人的构图方法，其特征在于，包括：步骤1：初始化，以生成初始关键帧和所述初始关键帧对应的初始位姿；步骤2：通过RGB
‑
D摄像模组，获取目标环境的RGB图像和与所述RGB图像对应的深度图像并将所述深度图像转化为深度点云，所述深度点云的每一像素点具有多路径干扰的属性值；步骤3：基于SLAM视觉追踪，生成关键帧序列，其中，步骤3，包括：步骤31：基于当前帧的RGB图像的特征点和与所述当前帧相邻的先前帧的RGB图像的特征点以及所述当前帧和所述先前帧分别对应的由惯性传感器提供的位姿数据，获得所述当前帧对应的估计位姿；步骤32：将所述当前帧和与所述当前帧连续的S帧图像帧的估计位姿输入滑动窗口进行非线性优化，以生成所述当前帧的位姿；步骤33：基于所述当前帧的位姿和所述先前帧的位姿，生成帧间位姿变换矩阵；步骤34：基于所述帧间位姿变换矩阵和所述先前帧的深度点云，对所述当前帧的深度点云中多路径干扰的属性值高于预设阈值的像素点进行校正，以获得所述当前帧的校正后深度点云；步骤35：迭代地执行步骤31至步骤34，以获得所述关键帧序列，所述关键帧序列中每个关键帧具有校正后深度点云；以及步骤4：基于所述关键帧序列中所有关键帧的校正后深度点云和位姿，生成目标地图。2.根据权利要求1所述的基于视觉SLAM的用于移动机器人的构图方法，其中，所述惯性传感器，包括惯性测量单元和轮式编码器，所述位姿数据包括由所述惯性测量单元获得的第一位姿数据和所述轮式编码器获得的第二位姿数据；其中，步骤31：基于当前帧的RGB图像的特征点和与所述当前帧相邻的先前帧的RGB图像的特征点以及所述当前帧和所述先前帧分别对应的由惯性传感器提供的位姿数据，获得所述当前帧对应的估计位姿，包括：基于如下所述损失函数，获得所述当前帧对应的融合位姿，其中，所述损失函数为C(x_k)＝cost_imu+cost_wheel+cost_camera；其中，cost_imu表示所述当前帧与所述先前帧分别对应的所述第一位姿数据以所述估计位姿为估计量的积分损失函数；cost_wheel表示所述当前帧与所述先前帧分别对应的所述第二位姿数据以所述估计位姿为估计量的积分损失函数；cost_camera为基于所述当前帧的RGB图像的特征点生成的重投影误差。3.根据权利要求2所述的基于视觉SLAM的用于移动机器人的构图方法，其中，步骤32：将所述当前帧和与所述当前帧连续的S帧图像帧的估计位姿输入滑动窗口进行非线性优化，以生成所述当前帧的位姿，包括：将所述当前帧和与所述当前帧连续的S帧图像帧的估计位姿输入如下所述的优化函数，并计算所述优化函数的边际化矩阵和位移向量以作为所述当前帧的位姿；其中，所述优化函数为C(x_i)＝∑(cost_imu+cost_wheel+cost_camera)。4.根据权利要求3所述的基于视觉SLAM的用于移动机器人的构图方法，其中，步骤34：基于所述帧间位姿变换矩阵和所述先前帧的深度点云，对所述当前帧的深度点云中多路径干扰的属性值高于预设阈值的像素点进行校正，以获得所述当前帧的校正后深度点云，包
括：筛选出所述当前帧的深度点云中多路径干扰的属性值高于预设阈值的待替换像素点；将所述先前帧的深度点云中与所述待替换像素点对应的像素点通过所述帧间位姿变换矩阵转化为替换像素点；以及以所述替换像素点替换掉所述当前帧的深度点云中所述待替换像素点，以生成所述当前帧的校正后深度点云。5.根据权利要求4所述的基于视觉SLAM的用于移动机器人的构图方法，其中，步骤4：基于所述关键帧序列中所有关键帧的校正后深度点云和位姿，生成目标地图，包括：基于所述关键帧序列中所有关键帧的校正后深度点云和位姿，生成概率栅格地图；基于所述关键帧序列中所有关键帧的校正后深度点云，生成点云地图；融合所述点云地图和所述概率栅格地图，以生成所述目标地图。6.根据权利要求1至5任一所述的基于视觉SLAM的用于移动机器人的构图方法，其中，步骤3，进一步包括：对所述关键帧序列和/或所述关键帧进行后端优化；其中，所述后端优化，至少包括如下步骤至少之一：基于所述关键帧的RGB图像的特征点和词袋模型构建所述特征点的共视图约束；基于ICP匹配，构建连续的所述关键帧之间的位姿约束；以及当闭环产生时，以光...

【专利技术属性】
技术研发人员：王培建，张新远，王洁，郭云雷，向可，
申请(专利权)人：浙江舜宇智能光学技术有限公司，
类型：发明
国别省市：