CN107665503A - 一种构建多楼层三维地图的方法 - Google Patents

Abstract

本发明提供了一种基于二维地图下利用大气压构建多楼层三维地图的方法，通过一安装有车轮编码器、激光测距仪、Kinect传感器和气压传感器的移动机器人来实施，包括：获得激光测距仪的输出数据，构建各个楼层的二维地图，并记录下扩展卡尔曼滤波后的气压传感器的气压值；利用二维地图进行自主导航，同时获得该移动机器人的位姿以及位姿变换矩阵；在自主导航的同时，利用Kinect传感器获取室内环境的彩色图像和深度图像，并利用该移动机器人在不同时刻的位姿变换矩阵作为Kinect传感器在不同时间采集图像时的运动变换矩阵，构建各个楼层的三维点云地图；根据各个楼层气压值计算出各个楼层的高度差，完成多楼层地图拼接。利用本发明可以快速得到准确的三维地图。

Description

一种构建多楼层三维地图的方法

技术领域

本发明涉及室内环境地图构建领域，尤其是涉及一种基于二维地图下利用大气压构建多楼层三维地图的方法。

背景技术

随着计算机技术，卫星定位系统以及互联网技术的飞速发展，基于室内环境构图以及定位技术在现实生活中得到了大量应用。当前，室内环境的地图构建问题已经变成了一个热门领域，虽然基于激光雷达构建二维地图的方法已经相对成熟和完整，但却无法获取物体的真实三维形状，只能得到一个平面，因此使得室内环境三维重建技术也开始变得流行起来。

目前，在室内三维地图构建方法中比较流行的是利用特征点来估计相机运动（特征点法）和根据图像的像素灰度信息来计算相机运动（直接法），但是以上方法都会受到光照、亮度，以及环境中重复区域的影响，出现错误的图像匹配，耗时且准确性较差。

发明内容

本发明实施例所要解决的技术问题在于，提供一种构建多楼层三维地图的方法。可解决移动机器人在各个楼层导航过程中需要多次导入地图，且耗时的问题。

为了解决上述技术问题，本发明实施例提供了一种构建多楼层三维地图的方法，该方法以具有车轮编码器、激光测距仪、Kinect传感器和气压传感器的移动机器人为载体实施，包括以下步骤：

S1、获取所述激光测距仪的输出数据，构建各个楼层的二维地图，并记录下扩展卡尔曼滤波后的所述气压传感器的气压值；

S2、所述移动机器人利用所述二维地图进行自主导航，同时获得所述移动机器人的位姿以及位姿变换矩阵；

S3、在自主导航的同时，利用所述Kinect传感器获取室内环境的彩色图像和深度图像，并利用所述移动机器人在不同时刻的位姿变换矩阵作为所述Kinect传感器在不同时间采集图像时的运动变换矩阵，构建各个楼层的三维点云地图；

S4、根据各个楼层的气压值计算出各个楼层的高度差，完成多楼层地图拼接。

进一步地，所述步骤S2还包括：

S21、在所述移动机器人自主导航过程中，通过自适应蒙特卡洛定位方法，获取移动机器人在不同时刻的位姿；

S22、根据李群、李代数和罗德里格斯公式获取不同时刻的所述移动机器人的位姿以及位姿变换矩阵。

更进一步地，所述步骤S3还包括：

S31、利用所述Kinect传感器实时获得室内环境的彩色图像和深度图像，根据所述Kinect传感器的内参矩阵获得三维点云形式，完成单帧图像的三维点云图像；

S32、通过VoxelGrid滤波器对上述构建的各帧的点云地图进行降采样滤波；

S33、根据所述步骤S22，使用所述移动机器人的位姿以及位姿变换矩阵拼接相邻时刻的三维局部点云地图；

S34、导航结束时，完成对各帧三维点云地图的拼接，实现室内三维场景的重构。

更进一步地，所述步骤S4还包括：

S41、根据所述气压值，并根据大气压强原理，计算出各个楼层的气压值以及各个楼层间的高度差；

S42、在全局世界坐标系下，根据各个楼层的高度差以及各个楼层间的变换矩阵，完成多楼层三维点云地图拼接。

更进一步地，所述激光测距仪的扫描范围为360°，最大测量距离为6米。

实施本发明实施例，具有如下有益效果：本发明的工作只需一个机器人就可以完成，所用的实验材料成本低，环境适用性强， 本发明利用二维地图，利用自适应蒙特卡洛定位方法，提高了移动机器人运动中的定位精度，避免出现图像拼接的错误匹配，克服了在重复区域中图像匹配混乱的现象。通过Kinect获取彩色图像和深度图像，以及移动机器人的位姿变换矩阵来完成点云地图的拼接，构建出三维地图。

附图说明

图1构建多楼层三维地图方法的流程图；

图2是本发明一实施例的多楼层三维地图构建方法的示意图；

图3是移动机器人在建筑物内探测到的各个楼层的二维地图；

图4是移动机器人在各个楼层中所测得的气压值；

图5是基于二维地图构建的室内环境三维地图；

图6是本发明实施例构建的室内环境多楼层三维地图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

本发明实施例以实验环境为三楼至六楼的走廊，办公室和实验室。在实施中，移动机器人探测各个楼层的公开区域，但各个楼层有相似的布局。

本实施例中使用TurtleBot移动机器人，在该移动机器人上安装有车轮编码器，激光测距仪，Kinect传感器和气压传感器，在本实施例中，该激光测距仪为Rplidar激光雷达，该Rplidar激光雷达的扫描范围为360°，最大测量距离为6米。所采用的实施程序为在Ubuntu系统下，搭建ROS系统平台和Arduino 开发板，采用Opencv开源软件，结合C++来实现的。为了实现本发明的实时性和稳定性，利用游戏手柄控制移动机器人来构建各个楼层的二维地图。

可以理解的，在其他实施例中，该激光测距仪除Rplidar激光雷达，也可以为sick或声呐传感器中的一种。

该惯性测量单元，包含三个单轴加速度计、三个单轴陀螺仪、三个磁场强度计和一个气压计。

请参阅图1和图2，本发明实施例提供的一种构建多楼层三维地图的方法，包括如下步骤：

S101、获得该激光测距仪的输出数据，构建各个楼层的二维地图，并记录下扩展卡尔曼滤波后的气压传感器的气压值；

二维地图构建过程：该移动机器人在移动过程中，为了能实现实时定位与地图构建，在本实施例中采用了基于Rao-Blackwellized 粒子滤波器的FastSLAM方法，SLAM(Simultaneous Localization And Mapping，同步定位与地图创建 ) 是指移动机器人在未知环境中构建地图，并同时使用该地图进行定位与导航。本发明将SLAM问题，分解为移动机器人姿态和路标在地图的位置两个递归算法。该移动机器人采用激光测距仪获得数据并结合粒子滤波来估计该移动机器人的路径位姿；FastSLAM方法使用EKF （Extended KalmanFilter，扩展卡尔曼滤波）来进行路标评估，估计环境特征位置。

EKF使用运动模型和测量模型来获得准确的位置关系。运动模型基于上一时刻的状态和控制系统，去估计下一时刻位置状态；测量模型根据传感器测量获得数据以及运动模型得到的状态，两个数据更新获得移动机器人准确的位置。从而根据路径位姿和环境特征，构建出室内环境二维地图并实时定位。利用上述方法步骤，得到三楼至六楼的二维地图见图3所示。

请参阅图4，在本实施例中，通过惯性测量单元与Arduino开发板相连接获得各个楼层气压值，并通过EKF对气压进行校准，得到稳定的气压值；通过Arduino串口与电脑相连接将获取气压值，记录并显示出来，根据大气压原理，随着海拔高度的增加，气压逐渐减小，根据大气压强计算海拔高度的公式，可以获得各个楼层高度以及各个楼层之间的高度差。

S103、该移动机器人利用二维地图进行自主导航，同时获得该移动机器人的位姿以及位姿变换矩阵；

该移动机器人利用上述构建好的二维地图进行自主导航（从走廊的一端到另一端），并在在运动过程中当移动机器人移动到不同的位置点（位置1、位置2、位置3、….、位置N）使用自适应蒙特卡洛方法来估计并获取该移动机器人在不同时刻不同位置的位姿。根据不同时刻的位姿，得到该移动机器人的旋转和平移矩阵，根据李群、李代数和罗德里格斯公式获取不同时刻的位姿变换矩阵，用于点云地图的拼接。

S105、在自主导航的同时，利用Kinect传感器获取室内环境的彩色图像和深度图像，并利用该移动机器人在不同时刻的位姿变换矩阵作为Kinect传感器在不同时间采集图像时的运动变换矩阵，构建各个楼层的三维点云地图；

Kinect传感器图像的获取是基于ROS操作平台，订阅Kinect传感器发布的彩色图像和深度图像节点，获得在上述不同位置点（位置1、位置2、位置3、….、位置N）的Kinect传感器数据；利用Kinect传感器的内参矩阵，将各帧图像转换成三维点云图像；利用VoxelGrid滤波器对构建的各帧的点云地图进行降采样滤波，减少冗余的点云以及减少图像所占的空间内存；利用所得的位姿变换矩阵将相邻时刻滤波后的点云图像进行匹配，得到各位置点处生成的局部三维地图；见图5，将得到的各楼层局部三维地图经过多次匹配叠加，最终得到三楼至六楼室内环境的全局三维地图。

S107、根据各个楼层的气压值计算出各个楼层的高度差，完成多楼层地图拼接；

构建完成三楼到六楼的二维地图和三维地图，在全局世界坐标系下，根据气压传感器计算出的楼层间的高度差以及相邻各个楼层在三个坐标轴（x，y，z）前后或者左右的平移距离，得到的平移矩阵，楼层间旋转矩阵为单位矩阵，因此由这两个矩阵得到楼层间的变换矩阵，完成相邻楼层间三维地图匹配。请参阅图6，通过三个不同楼层之间的变换矩阵，构建出多楼层全局三维地图。

上述本发明的基于二维地图下利用大气压构建三维多楼层地图的方法，利用二维地图，采用自适应蒙特卡洛定位方法，提高了移动机器人运动中的定位精度，避免出现图像拼接的错误匹配，克服了在重复区域中图像匹配混乱的现象；通过Kinect获取彩色图像和深度图像，以及移动机器人的位姿变换矩阵来完成点云地图的拼接，构建出三维地图；最后利用大气压强原理，在采集到各个楼层气压后，利用各个楼层间的变换矩阵，可以准确的构建出多楼层三维地图。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (5)

1.一种构建多楼层三维地图的方法，其特征在于，该方法以具有车轮编码器、激光测距仪、Kinect传感器和气压传感器的移动机器人为载体实施，包括以下步骤：

S1、获取所述激光测距仪的输出数据，构建各个楼层的二维地图，并记录下扩展卡尔曼滤波后的所述气压传感器的气压值；

S2、所述移动机器人利用所述二维地图进行自主导航，同时获得所述移动机器人的位姿以及位姿变换矩阵；

S3、在自主导航的同时，利用所述Kinect传感器获取室内环境的彩色图像和深度图像，并利用所述移动机器人在不同时刻的位姿变换矩阵作为所述Kinect传感器在不同时间采集图像时的运动变换矩阵，构建各个楼层的三维点云地图；

S4、根据各个楼层的气压值计算出各个楼层的高度差，完成多楼层地图拼接。

2.根据权利要求1所述的构建多楼层三维地图的方法，其特征在于，所述步骤S2还包括：

S21、在所述移动机器人自主导航过程中，通过自适应蒙特卡洛定位方法，获取移动机器人在不同时刻的位姿；

S22、根据李群、李代数和罗德里格斯公式获取所述不同时刻位姿，并转换为位姿变换矩阵。

3.根据权利要求2所述的构建多楼层三维地图的方法，其特征在于，所述步骤S3还包括：

S31、利用所述Kinect传感器实时获得室内环境的彩色图像和深度图像，根据所述Kinect传感器的内参矩阵获得三维点云形式，完成单帧图像的三维点云图像；

S32、通过VoxelGrid滤波器对上述构建的各帧的点云地图进行降采样滤波；

S33、根据所述步骤S22，使用所述移动机器人的位姿以及位姿变换矩阵拼接相邻时刻的三维局部点云地图；

S34、导航结束时，完成对各帧三维点云地图的拼接，实现室内三维场景的重构。

4.根据权利要求1所述的构建多楼层三维地图的方法，其特征在于，所述步骤S4还包括：

S41、根据所述气压值，并根据大气压强原理，计算出各个楼层的气压值以及各个楼层间的高度差；

S42、在全局世界坐标系下，根据各个楼层的高度差以及各个楼层间的变换矩阵，完成多楼层三维点云地图拼接。

5.根据权利要求3或4所述的构建多楼层三维地图的方法，其特征在于，所述激光测距仪的扫描范围为360°，最大测量距离为6米。