[發明專利]移動機器人離線地圖保存與實時重定位方法

有效

• 申請號: 201811308853.6
• 申請日: 2018-11-05
• 公開（公告）號: CN109460267B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 楊觀賜;陳占杰;蘇志東;李楊;袁慶霓
• 申請（專利權）人: 貴州大學
• 主分類號: G06F9/445
• 分類號: G06F9/445;G06K9/00;G06T7/292;G06F16/29
• 代理公司: 貴陽東圣專利商標事務有限公司 52002
• 代理人: 袁慶云

1.一種移動機器人離線地圖保存與實時重定位方法，包括離線地圖構建與保存，離線地圖加載與重定位，其特征在于：當啟動系統ORB-SLAM2時，首先檢測離線地圖并執行加載，當離線地圖成功加載后，系統進入跟蹤丟失狀態，從而觸發重定位模型尋找相機位置，并能夠隨著相機運動繼續進行全局跟蹤定位；

所述離線地圖構建與保存方法的具體步驟如下：

(1)分別從地圖Map與關鍵幀數據庫KeyFrameDatabase的類對象讀取地圖與關鍵幀數據庫內容；

(2)使用Boost::Serialization序列化庫，在地圖的各個元素與關鍵幀數據庫類中定義序列化模板函數；

(3)創建二進制寫入型文件，將讀取的地圖與關鍵幀數據庫內容序列化保存至文件。

2.如權利要求1所述的移動機器人離線地圖保存與實時重定位方法，其特征在于：所述重定位模型的重定位方法具體步驟如下：

(1)由公式計算獲得當前幀的Bow向量；

所述公式計算為：對應對于一幅圖像A中的單詞w_i，其權重η_i可由以下公式計算獲得：

其中是在圖像A中單詞w_i出現的次數，n_w是圖像A中所有單詞出現的總次數，nfeatures代表字典中所有特征的數量，代表字典中單詞w_i中的特征數量；

計算出每個單詞權重之后，圖像A的BoW向量v_A可以表示為：

(2)從關鍵幀數據庫中篩選候選幀：候選關鍵幀是重定位模型的初始化數據，是影響重定位性能的重要因素，候選關鍵幀的篩選在ORB-SLAM2中的具體流程如下：

a)選取所有與當前幀具有共同單詞的關鍵幀；

b)統計與當前幀共有單詞數最多的單詞數量nMaxCoWords；

c)以0.8*nMaxCoWords為閾值，剔除共有單詞數量少于此閾值的候選關鍵幀；

d)尋找每一個候選關鍵幀相連的共視關系最好的10個關鍵幀并以此為一組，計算每一組的相似度累計得分并返回其組內得分最高的關鍵幀；

e)剔除得分低于0.75倍最高得分的關鍵幀；

(3)特征匹配：在當前幀與候選關鍵幀的同一個單詞節點下，進行特征匹配，剔除匹配點數小于15的候選幀；

(4)估計當前幀位姿：利用匹配的特征點，構建3D-2D的PnP問題，然后利用RANSAC迭代求解，當有足夠的內點時，判斷重定位成功。

3.如權利要求1或2所述的移動機器人離線地圖保存與實時重定位方法，其特征在于：所述包括離線地圖構建與保存，離線地圖加載與重定位外，還包括離線地圖以及軌跡可視化模塊，以方便用戶查看建圖效果和機器人運行軌跡，具體步驟如下：

(1)利用所述離線地圖構建與保存方法加載地圖；

(2)地圖點和關鍵幀是最能夠直觀反映地圖效果和建圖軌跡的數據，因此調用Pangolin庫創建可視化窗口，顯示地圖點和關鍵幀；

(3)使用Pangolin庫單獨可視化機器人軌跡，輸入數據可以是ORB-SLAM2運行結束后保存的相機位姿文件或者關鍵幀文件。