[發明專利]一種適用于動態環境的即時定位與地圖構建方法

有效

• 申請號: 201910848375.6
• 申請日: 2019-09-09
• 公開（公告）號: CN110827395B
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 陳文峰;蔡述庭;李豐;徐偉峰
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T17/05;G06T7/10
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 杜鵬飛

本發明公開了一種適用于動態環境的即時定位與地圖構建方法，包括下述步驟：首先對深度相機和編碼器進行外參標定，獲得編碼器坐標到深度相機坐標的一個變換矩陣；然后對深度相機采集的每一幀圖像使用圖像金字塔分層，然后從圖像金字塔的每一層提取ORB特征點；將編碼器獲得的數據作為追蹤模塊的恒速模型，然后將前一幀關鍵幀的特征點投影到當前幀上，與當前幀的特征點進行匹配，匹配成功的關鍵點通過三角測量得到兩幀之間的位姿；本發明追蹤部分使用了編碼器數據作為相機重投影時的初始位姿，實現了在動態環境中精準定位追蹤，比傳統的語義slam追蹤模塊需要每一幀剔除動態像素，節省了大量時間。

技術領域

本發明涉及移動機器人定位導航和建圖技術領域，具體涉及一種適用于動態環境的即時定位與地圖構建方法。

背景技術

Slam(即時定位與地圖構建)被廣泛應用于移動機器人、無人機和增強現實等領域。然而在動態環境下，傳統的slam系統不具有魯棒性。在充斥著動態物體的現實場景中，經典的slam系統像ORB_SLAM中的追蹤模塊會失效，更糟糕的是，經典slam系統建立的是靜態地圖，無法將動態物體從地圖當中剔除出去，導致地圖根本無法使用。為了解決如何使slam系統在動態場景適用這個問題，很多論文文獻給出了不同的解決方案，DS_SLAM是其中一個行之有效的方案，該方案對輸入的每一幀圖像進行語義分割，利用分割后的圖像計算本質矩陣，然后使用本質矩陣判斷是否為動態物體，如果是就將他們剔除。但是該方案由于對每一幀圖像進行語義分割，系統難以在移動平臺達到實時性，而且建立的是稠密點云地圖，內存占用高。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種適用于動態環境的即時定位與地圖構建方法，該方法在特定改裝的移動機器人上可達到實時性，跟蹤部分在動態環境下具有魯棒性，能根據語義分割的結果，能建立一個三維語義八叉樹地圖。

本發明的目的通過下述技術方案實現：

一種適用于動態環境的即時定位與地圖構建方法，包括下述步驟：

步驟一，首先對深度相機和編碼器進行外參標定，獲得編碼器坐標到深度相機坐標的一個變換矩陣；然后對深度相機采集的每一幀圖像使用圖像金字塔分層，然后從圖像金字塔的每一層提取ORB特征點；將編碼器獲得的數據作為追蹤模塊的恒速模型，然后將前一幀關鍵幀的特征點投影到當前幀上，與當前幀的特征點進行匹配，匹配成功的關鍵點通過三角測量得到兩幀之間的位姿；

步驟二，追蹤模塊通過最近一次全局優化離當前幀是否已經過去20幀以上和當前幀是否能檢測到50個地圖點的原則，判定當前幀是否應選取為關鍵幀，然后將關鍵幀傳到動態物體剔除模塊，動態物體剔除模塊使用網絡對關鍵幀進行語義分割；

步驟三，追蹤模塊選取的關鍵幀在局部地圖優化模塊投影得到地圖點，然后使用lacol BA進行優化；然后在回環檢測模塊中使用DBow2詞袋模型進行回環檢測，將之前所有的地圖點和關鍵幀用BA進行全局優化，既優化機器人的位姿也優化地圖點；

步驟四，接收全局優化后的關鍵幀和語義分割后的結果，將關鍵幀投影到3d點云，根據不同的語義分割的標簽為點云著色，然后在語義八叉樹地圖模塊中建立語義八叉樹地圖。

優選地，所述追蹤模塊的工作步驟如下：

深度相機以30幀每秒的頻率采集彩色圖像和深度圖像，通過ros中iai_kinect2軟件包將彩色圖和深度圖以話題形式發布出來，然后slam系統就監聽這兩個話題來接收采集到的彩色和深度圖；移動機器人以90hz頻率發布編碼器數據，slam系統通過監聽話題獲取編碼器數據，然后系統分別對編碼器數據和圖像進行預處理。

優選地，所述對編碼器數據預處理具體為：