[發明專利]一種基于嚙齒類動物模型和RTAB?Map閉環檢測算法的SLAM方法

有效

• 申請號: 201710045551.3
• 申請日: 2017-01-20
• 公開（公告）號: CN106814737B
• 公開（公告）日: 2018-02-06
• 發明（設計）人: 陳孟元;許瞳;凌有鑄
• 申請（專利權）人: 安徽工程大學
• 主分類號: G05D1/02
• 分類號: G05D1/02;G06T7/73;G06N3/08
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙)32231
• 代理人: 陳書華

技術領域

本發明涉及仿生學和機器視覺領域，尤其涉及一種基于嚙齒類動物模型和RTAB-Map閉環檢測算法的SLAM方法。

背景技術

傳統的概率算法能夠處理傳感器與環境的模糊性，有很好的同步定位與地圖構建性能并建立高準確度、高精度的笛卡爾地圖，但這些方法很少能夠完全解決整個地圖構建和導航問題。如何通過現有其他技術解決動態復雜環境下整個地圖構建和導航成為移動機器人同步定位和地圖構建的關鍵問題之一。

視覺里程計僅用相鄰幀圖像估計運動，存在累積誤差，閉環檢測通過場景的重定位消除累積誤差，保證了軌跡與地圖的全局一致性。一些閉環檢測算法，如FAB-MAP和IAB-Map等在每一時刻將當前場景與所有歷史場景實時匹配，效率較低，不能滿足閉環檢測的實時性要求。

發明內容

許多生物雖然不具備高精度傳感器和高分辨率的地圖，但仍具有強大的導航能力，并且能夠解決整個SLAM問題。RTAB-Map閉環檢測算法基于關鍵點的檢測策略在滿足系統穩定的前提下具有良好的實時性能。

本發明針對現有技術的不足，提供一種基于嚙齒類動物模型和RTAB-Map閉環檢測算法的SLAM方法，以解決現有技術導致的上述多項缺陷。

本發明提出的一種基于嚙齒類動物模型和RTAB-Map閉環檢測算法的SLAM方法，包括以下步驟：

步驟1)通過吸引子競爭網絡的動力學模型控制位姿網內部的活動，構建位姿細胞內部動態過程；

步驟2)局部場景細胞進行視覺場景學習形成局部場景；

步驟3)通過位姿感知細胞和局部場景細胞在特定時間獲得的瞬時圖像進行經歷地圖的構建；

所述步驟1)中，通過吸引子競爭網絡的動力學模型控制位姿網內部的活動，其動態過程經歷三個階段：興奮度更新，對所有細胞的全局抑制和對位姿感知細胞活動的歸一化。

所述步驟2)中，局部場景細胞進行視覺場景學習形成局部場景，視覺細胞激活程度aⁱ，位姿細胞網絡最大活性位置Pⁱ和產生視覺模板Vⁱ之間關系為：

Vⁱ＝{aⁱ,Pⁱ}

注入位姿細胞網絡的局部場景細胞活性可由下式表示：

其中，δ為視覺校準加強常數。

所述步驟3)中，經驗e_i編碼經歷能級Eⁱ，位姿細胞位置Pⁱ，視覺模板Vⁱ和視覺細胞位置pⁱ

e_i＝{Eⁱ,Pⁱ,Vⁱ,pⁱ}

第i個經歷的總能級可表示為：

其中，x'_pc,y'_pc,θ'_pc為最大活性姿態細胞坐標；x_i',y_i',θ_i'為與該經歷相關的位姿感知細胞坐標；r_a為(x',y')平面的區域常數；θ_a為θ'維上區域常數；V^curr為當前視景；Vⁱ為與經歷i相關場景。

經歷位姿改變

其中，α為認知速度常數，N_f為經歷i到其他經歷的連接數；N_t為從其他經歷到經歷i的連接數。實驗表明認知速度α＝0.5可以在地圖上迅速收斂到一穩定狀態。

所述步驟3)中，經歷地圖可通過RTAB-MAP閉環檢測算法進行實時調整。

所述步驟3)中，RTAB-MAP閉環檢測算法包括創建定位點、權重更新、貝葉斯過濾器更新、選擇閉環假設和該算法所用的存儲器間的相互轉化。

所述經驗為步驟(3)中特定時間特定位置采集到瞬時圖像的經歷地圖構建的信息集合。

與現有技術相比，本發明的優點在于：