【技术实现步骤摘要】
本专利技术涉及一种基于图稀疏性维护的机器人长周期slam方法和系统，属于机器人定位与建图。
技术介绍
1、slam(simultaneous localization and mapping)是一种用于同时建立地图并定位自身的技术，常用于无人车、机器人和增强现实等领域，图优化算法在slam中扮演着重要的角色。图优化算法通过传感器数据和约束条件来解决slam问题中的地图构建和定位任务，以提高精度和鲁棒性。在slam中，图优化算法通常使用图模型来表示地图和机器人的状态，并通过最小化误差函数来优化状态估计。误差函数中包含了来自传感器观测、运动模型和环境约束的误差项。图优化算法通过迭代优化过程，调整状态变量的值，以使误差函数最小化，从而得到更准确的地图和定位结果。
2、近年来的各种方法已经证明，基于图优化的算法在建图方面的效果是卓越的，但是由于其需要对每次的观测做积累，这就导致了其地图在更新时不像滤波算法那样简便，并且考虑在进行一个长周期的任务时(lifelong)，已经完成建图的部分被多次重新访问，基于图优化算法会将每次观测都添加到图模型中，为了保持一致性和全局优化，算法需要保留历史观测和约束，而不仅仅是当前时刻的状态。这导致机器内存中需要存储过去观测和约束的历史数据，而随着任务进行，这些数据会持续累积，从而导致内存占用的线性增长。
3、因此，在slam中使用图优化算法并维护其长期使用时的图稀疏性极其重要。传统方法通常采用对历史数据进行压缩和精简的方法来维护稀疏性，对于较早的观测和约束数据，压缩或精简存储以减少
技术实现思路
1、本专利技术解决的技术问题是：针对现有slam采用的图优化算法保留过多历史数据导致的内存占用问题，提供一种基于图稀疏性维护的机器人长周期slam方法和系统，将新的环境变化更新到地图中，以保证导航定位的准确性，同时维持图的稀疏性。
2、本专利技术采用如下技术方案实现：
3、本专利技术公开了一种基于图稀疏性维护的机器人长周期slam方法，具体包括如下步骤：
4、s1、进行slam建图，根据机器人移动时不断测量得到的环境信息生成子地图，所有子地图拼接起来构成初始的元地图；
5、s2、将元地图当中包含的所有子地图栅格化，基于子地图栅格被占用的概率获得子地图栅格值，将子地图栅格值替代子地图质心的质量，生成元地图中每一个子地图具有的栅格值质心；
6、s3、在地图更新阶段，检测每次更新的子地图的栅格值质心位置，并获得更新子地图与元地图所包含的所有子地图之间的栅格值质心距离，对栅格值质心距离小于阈值的更新子地图进行合并或删除，从而进行元地图的更新；
7、s4、在机器人移动测量过程中重复步骤s3至导航任务结束。
8、在本专利技术的基于图稀疏性维护的机器人长周期slam方法中，所述步骤s1中，使用cartographer作为slam算法，将机器人采集的环境信息输入到slam算法中，设机器人在第一个时刻通过激光雷达传感器所得到的在初始节点机器人位姿ξs0为：
9、
10、其中，和分别为第一个时刻机器人在地图坐标系内的二维平移坐标和旋转角度；
11、对机器人采集的环境信息不断进行扫描匹配对齐，将后来的每次移动设定距离后采集的环境信息与ξs0匹配，cartographer前端滤波算法处理每一时刻采集的环境信息数据后，通过ceres优化扫描，匹配得到对应环境信息采集时刻n的机器人位姿为：和分别为采集时刻n机器人在地图坐标系内的二维平移坐标和旋转角度；
12、积累n个节点后，每个节点所携带的激光雷达点云信息转化成的栅格值叠加得到的栅格地图即为子地图，初始节点机器人位姿ξs0即为子地图的坐标系原点在地图坐标系下的位姿；
13、每一个子地图按照自身的ξs0和其他子地图连接构成初始的元地图，后由cartographer中的后端输出优化后的子地图坐标系位姿ξs。
14、在本专利技术的基于图稀疏性维护的机器人长周期slam方法中，所述步骤s2中所述子地图栅格值的获取步骤如下：
15、将子地图拼接构成的元地图建模为标准占据栅格地图，每一个被包含的子地图是其中一个占据栅格地图，根据以下公式表示子地图上的其中一个栅格被占据的概率：
16、
17、其中，cij代表子地图mi上的第j个栅格，p(cij)表示栅格cij被占据的概率，表示栅格cij空闲的概率；
18、p(cij)和初始值设置为0.5，取p(cij)和的比值记为odds(cij)，对odds(cij)取对数记做l(cij)，用来表示栅格cij的栅格值，有
19、l(cij)＝log(odds(cij))，
20、设在t-1时刻，栅格cij的栅格值为lt-1(cij)，在t时刻，机器人新的测量数据为zt，栅格cij的栅格值被更新为：
21、
22、
23、其中，的值为根据激光雷达传感器参数设定的固定值，loccupied为栅格被占据的更新加值，lfree为栅格空闲的更新加值，loccupied和lfree的取值范围为0～1，但不包括端点0和1；
24、当激光雷达传感器的光线经过栅格地图时，对每一个栅格被占据的概率进行概率更新：若激光雷达传感器的光线击中栅格，则该栅格值增加loccupied，若激光雷达传感器的光线经过栅格但未击中栅格，则该栅格值减少lfree；
25、完成所有子地图的栅格值更新，子地图储存所有栅格值的最后状态，根据所有栅格的位置和栅格值，利用质心公式将栅格值代替质量，得到整个子地图的栅格值质心。
26、进一步的，基于更新后子地图中每个栅格的位置和栅格值，利用质心公式将栅格值代替质量，计算每个子地图在地图坐标系下的栅格值质心，所述子地图的质心计算公式为：
27、bi(x,y)＝(xb,yb)、
28、
29、
30、qij＝l(cij)，
31、其中，bi为子地图的质心，(xb,yb)为子地图的质心bi在地图坐标系中的位置坐标，qij为离散质点系统中每个质点具有的质量，(xij，yij)为每个质点的位置；
32、通过步骤s1中得到的子地图对应的子地图坐标系位姿ξs，将质心bi变换到地图坐标系下，得到子地图在地图坐标系下的栅格值质心：
33、
34、其中，为根据子地图的子地图坐标系位姿转换的旋转矩阵，ceni为地图坐标系下的子地图栅格值质心位置。
35、在本专利技术的基于图稀疏性维护的机器人长本文档来自技高网...
【技术保护点】
1.一种基于图稀疏性维护的机器人长周期SLAM方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于图稀疏性维护的机器人长周期SLAM方法，其特征在于，所述步骤S1中，使用Cartographer作为SLAM算法，将机器人采集的环境信息输入到SLAM算法中，设机器人在第一个时刻通过激光雷达传感器所得到的在初始节点机器人位姿ξS0为：
3.根据权利要求1所述的基于图稀疏性维护的机器人长周期SLAM方法，其特征在于，所述步骤S2中所述子地图栅格值的获取步骤如下：
4.根据权利要求3所述的基于图稀疏性维护的机器人长周期SLAM方法，其特征在于，基于更新后子地图中每个栅格的位置和栅格值，利用质心公式将栅格值代替质量，计算每个子地图在地图坐标系下的栅格值质心，所述子地图的质心计算公式为：
5.根据权利要求1所述的基于图稀疏性维护的机器人长周期SLAM方法，其特征在于，所述步骤S3中，在元地图的基础上进行导航和对地图进行更新，地图更新阶段，通过步骤S1构建新的子地图并通过步骤S2计算新构建的子地图质心，通过下式计算新构建子地图与元地图的
6.根据权利要求5所述的基于图稀疏性维护的机器人长周期SLAM方法，其特征在于，若新构建子地图与元地图的子地图之间的质心距离小于阈值d，将该新构建子地图和元地图中对应子地图进行覆盖检测，具体步骤如下：
7.根据权利要求6所述的基于图稀疏性维护的机器人长周期SLAM方法，其特征在于，查找栅格值使用哈希表实现。
8.根据权利要求6所述的基于图稀疏性维护的机器人长周期SLAM方法，其特征在于，子地图之间的约束为被删除子地图与相邻子地图之间的坐标变换。
9.一种基于图稀疏性维护的机器人长周期SLAM系统，其特征在于：包括存储器和处理器，所述存储器上存储可在处理器上运行的长周期SLAM程序，所述长周期SLAM程序被所述处理器执行时实现权利要求1-8中任一项所述的基于图稀疏性维护的机器人长周期SLAM方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有长周期SLAM程序，所述长周期SLAM程序被处理器执行时实现如权利要求1-8中任一项所述的基于图稀疏性维护的机器人长周期SLAM方法的步骤。
...【技术特征摘要】
1.一种基于图稀疏性维护的机器人长周期slam方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于图稀疏性维护的机器人长周期slam方法，其特征在于，所述步骤s1中，使用cartographer作为slam算法，将机器人采集的环境信息输入到slam算法中，设机器人在第一个时刻通过激光雷达传感器所得到的在初始节点机器人位姿ξs0为：
3.根据权利要求1所述的基于图稀疏性维护的机器人长周期slam方法，其特征在于，所述步骤s2中所述子地图栅格值的获取步骤如下：
4.根据权利要求3所述的基于图稀疏性维护的机器人长周期slam方法，其特征在于，基于更新后子地图中每个栅格的位置和栅格值，利用质心公式将栅格值代替质量，计算每个子地图在地图坐标系下的栅格值质心，所述子地图的质心计算公式为：
5.根据权利要求1所述的基于图稀疏性维护的机器人长周期slam方法，其特征在于，所述步骤s3中，在元地图的基础上进行导航和对地图进行更新，地图更新阶段，通过步骤s1构建新的子地图并通过步骤s2计算新构建的子地图质心，通过下式计算新构建子地图与元地图...
【专利技术属性】
技术研发人员：张辉，张捷清心，周熙栋，钟杭，谢核，袁小芳，王耀南，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
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。