多机器人协同雷达建图的地图起始点融合方法及存储介质技术

本发明专利技术涉及一种多机器人协同雷达建图的地图起始点融合方法及存储介质，包括以下步骤：S1：多个机器人通过雷达完成自主建图；S2：各自建立建图起始点坐标系，通过垂直点分布式寻找特征点对信息；S3：计算转换矩阵，删去不正确的匹配对；S4：通过分数评估获得最佳匹配对；S5：使用卡尔曼滤波器进行地图融合；S6：显示地图起始点融合结果。其优点在于：采用多机器人的协同的雷达建图，使用特征点的匹配完成，多个建图起始点的融合匹配，提高了建图的效率，降低了建图的时间消耗。降低了建图的时间消耗。降低了建图的时间消耗。

【技术实现步骤摘要】
多机器人协同雷达建图的地图起始点融合方法及存储介质


[0001]本专利技术涉及多机器人协同同步定位与建图
，特别是涉及一种多机器人协同雷达建图的地图起始点融合方法。

技术介绍

[0002]同步定位与建图(Simultaneous Localization and Mapping，SLAM)通过机器人自身所搭载的多传感器获取环境信息，并估计自身位姿完成地图构建，是实现机器人在未知环境下自主定位与导航的关键。目前，单机器人SLAM技术已经具有一定的鲁棒性，且广泛应用于无人驾驶、机器人、无人机、增强现实(Augmented Reality，AR)等领域。
[0003]单机器人在应对大规模环境建图时，全局定位误差累积，精度受到影响，导致与实际值产生偏差，甚至导致建图与导航失败等情况。
[0004]前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

技术实现思路

[0005]本专利技术的目的在于提供一种多机器人协同雷达建图的地图起始点融合方法及存储介质，该方法提高了建图的效率，降低了建图的时间消耗。
[0006]本专利技术提供一种多机器人协同雷达建图的地图起始点融合方法，包括以下步骤：
[0007]S1：多个机器人通过雷达完成自主建图；
[0008]S2：各自建立建图起始点坐标系，通过垂直点分布式寻找特征点对信息；
[0009]S3：计算转换矩阵，删去不正确的匹配对；
[0010]S4：通过分数评估获得最佳匹配对；
[0011]S5：使用卡尔曼滤波器进行地图融合；
[0012]S6：显示地图起始点融合结果。
[0013]进一步地，所述步骤S2包括垂直点提取，所述垂直点提取包括栅格地图通过Hough变换检测直线，并计算每条直线的斜率和截距，通过斜率求两条互相垂直的直线；所述垂直点信息包括垂直点坐标、构成所述垂直点的两条垂直直线的斜率和截距。
[0014]进一步地，所述步骤S2还包括使用聚类算法对表示相同垂直点的垂直点进行分组，并找到最佳值来表示这组垂直点；使用欧几里得距离为目标来计算最优坐标，并将其定义为无约束优化问题；采用邻域状态差分法对离群点进行过滤，取一个垂直点作为四个方向扩散的起点，当在四个方向上没有与此不同的网格状态，即删除该垂直点。
[0015]进一步地，所述步骤S3包括粗匹配与过滤；所述粗匹配与过滤包括：
[0016]当只考虑旋转和平移时，直接找到两张局部地图之间四对对应的直角点，变换矩阵T通过相应的直角点计算；为每个粗略的匹配对计算转换矩阵，过滤过程删除不正确的匹配对；其计算公式为：
[0017][0018]进一步地，所述步骤S4包括：选择得分最高的假设框对作为最优匹配结果，得分主要由对应的直角点距离和假设框面积来判断；其计算公式为：
[0019][0020]其中R1和R2是匹配的特征信息对，面积(R1)和面积(R2)是相应的特征信息对面积，d
R1R21
，d
R1R22
，d
R1R23
和d
R1R24
是四个相应的直角点的欧几里得距离差。
[0021]进一步地，所述步骤S5包括：在网格图合并过程中，参考卡尔曼滤波器，把网格齐次坐标作为状态变量；预测变量是map2的坐标系的网格齐次坐标由map1的坐标系下对应的网格齐次坐标变换而来，观测变量在map2中表示为同一位置；给定map1中的任何网格坐标(x，y)，通过变换矩阵T计算预测变量其计算公式为：
[0022][0023]进一步地，所述步骤S5还包括：
[0024]首先使用这四个变换矩阵找到对应的四组齐次坐标值，然后依次计算x和y方向的平均值；其计算公式为：
[0025][0026]接着，根据上述四组齐次坐标值和平均值计算预测协方差矩阵，并计算卡尔曼增益；其计算公式为：
[0027]K
n
＝R
n
/(R
n
+T
a
P
n
T
aT
)；
[0028]卡尔曼对网格坐标的计算公式为：
[0029][0030]本专利技术还提供一种存储介质，包括计算机程序，所述计算机程序被执行时，执行上述的多机器人协同雷达建图的地图起始点融合方法。
[0031]本专利技术的多机器人协同雷达建图的地图起始点融合方法，采用多机器人的协同的雷达建图，使用特征点的匹配完成，多个建图起始点的融合匹配，提高了建图的效率，降低了建图的时间消耗。
附图说明
[0032]图1为本专利技术实施例提供的多机器人协同雷达建图的地图起始点融合方法的流程示意图。
[0033]图2为本专利技术实施例提供的直线P1、P2的直角坐标系。
具体实施方式
[0034]下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0035]本专利技术的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0036]实施例1
[0037]图1为本专利技术实施例提供的多机器人协同雷达建图的地图起始点融合方法的流程示意图。请参照图1，本专利技术实施例提供的多机器人协同雷达建图的地图起始点融合方法，包括以下步骤：
[0038]S1：多个机器人通过雷达完成自主建图；
[0039]S2：各自建立建图起始点坐标系，通过垂直点分布式寻找特征点对信息；
[0040]S3：计算转换矩阵，删去不正确的匹配对；
[0041]S4：通过分数评估获得最佳匹配对；
[0042]S5：使用卡尔曼滤波器进行地图融合；
[0043]S6：显示地图起始点融合结果。
[0044]需要说明的是，多机器人系统是多机器人协同SLAM的基础，多机器人系统需要根据环境约束和任务规模等因素来选择不同的架构，从而更好的实现任务分配和协同作业；本专利技术的多机器人协同雷达建图的地图起始点融合方法，采用多机器人协同SLAM技术，根据场景设定，多个智能体自主建图，采用多机器人系统框架，确定建图和地图起始点的融合；提高了建图的效率，降低了建图的时间消耗。
[0045]图2为本专利技术实施例提供的直线P1、P2的直角坐标系。请参照图2，本专利技术的步骤S2包括垂直点提取，所述垂直点提取包括栅格地图通过Hough变换检测直线，并计算每条直线的斜率和截距，通过斜率求两条互相垂直的直线；所述垂直点信息包括垂直点坐标、构成所述垂直点的两条垂直直线的斜率和截距。
[0046]具体地，垂直点提取，一个垂直点既是物体的真实连接点，也是物体的延伸点。栅格地图通过Hough变换检测直线，并计算每条直线的斜率和截距(y＝ax+b)，通过斜率求两条互相垂直的直线，即斜率相乘为
‑
1，如图2所示；垂直点信息由垂直点坐标、构成该垂直点的两条本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多机器人协同雷达建图的地图起始点融合方法，其特征在于，包括以下步骤：S1：多个机器人通过雷达完成自主建图；S2：各自建立建图起始点坐标系，通过垂直点分布式寻找特征点对信息；S3：计算转换矩阵，删去不正确的匹配对；S4：通过分数评估获得最佳匹配对；S5：使用卡尔曼滤波器进行地图融合；S6：显示地图起始点融合结果。2.根据权利要求1所述的多机器人协同雷达建图的地图起始点融合方法，其特征在于，所述步骤S2包括垂直点提取，所述垂直点提取包括栅格地图通过Hough变换检测直线，并计算每条直线的斜率和截距，通过斜率求两条互相垂直的直线；所述垂直点信息包括垂直点坐标、构成所述垂直点的两条垂直直线的斜率和截距。3.根据权利要求2所述的多机器人协同雷达建图的地图起始点融合方法，其特征在于，所述步骤S2还包括使用聚类算法对表示相同垂直点的垂直点进行分组，并找到最佳值来表示这组垂直点；使用欧几里得距离为目标来计算最优坐标，并将其定义为无约束优化问题；采用邻域状态差分法对离群点进行过滤，取一个垂直点作为四个方向扩散的起点，当在四个方向上没有与此不同的网格状态，即删除该垂直点。4.根据权利要求1所述的多机器人协同雷达建图的地图起始点融合方法，其特征在于，所述步骤S3包括粗匹配与过滤；所述粗匹配与过滤包括：当只考虑旋转和平移时，直接找到两张局部地图之间四对对应的直角点，变换矩阵T通过相应的直角点计算；为每个粗略的匹配对计算转换矩阵，过滤过程删除不正确的匹配对；其计算公式为：5.根据权利要求1所述的多机器人协同雷达建图的地图起始点融合方法，其特征在于，所述步骤S4包括：选择得分最高的假设框对作为最优匹配...

【专利技术属性】
技术研发人员：周洋，许召辉，刘子俊，范光宇，程松林，
申请(专利权)人：中航华东光电上海有限公司，
类型：发明
国别省市：