CN113835422B - 一种视觉地图构建方法和移动机器人 - Google Patents

一种视觉地图构建方法和移动机器人 Download PDF

Info

Publication number
CN113835422B
CN113835422B CN202010510451.5A CN202010510451A CN113835422B CN 113835422 B CN113835422 B CN 113835422B CN 202010510451 A CN202010510451 A CN 202010510451A CN 113835422 B CN113835422 B CN 113835422B
Authority
CN
China
Prior art keywords
map
node
map node
current
pose
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010510451.5A
Other languages
English (en)
Other versions
CN113835422A (zh
Inventor
陈元吉
全晓臣
吴永海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikrobot Co Ltd
Original Assignee
Hangzhou Hikrobot Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikrobot Co Ltd filed Critical Hangzhou Hikrobot Co Ltd
Priority to CN202010510451.5A priority Critical patent/CN113835422B/zh
Priority to PCT/CN2021/098881 priority patent/WO2021249387A1/zh
Publication of CN113835422A publication Critical patent/CN113835422A/zh
Application granted granted Critical
Publication of CN113835422B publication Critical patent/CN113835422B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种视觉地图构建方法，该方法包括，按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人基于激光即时定位地图行进，基于SLAM导航定位获取每个地图节点位姿，在每个地图节点记录惯性传感器数据，对于地图节点中满足距离小于等于第一距离阈值的任意两地图节点：根据地图节点位姿获取所述两地图节点之间的第一测量值，根据惯性传感器数据获取两地图节点之间的第二测量值，基于第一测量值与第二测量值之间的误差，以两地图节点的惯性传感器数据作为约束，对至少一个地图节点进行优化；将优化后的地图节点位姿作为待建地图的地图节点位姿。本申请提高了视觉地图中的地图节点的位姿精度。

Description

一种视觉地图构建方法和移动机器人
技术领域
本发明涉及视觉导航领域，特别地，涉及一种视觉地图构建方法。
背景技术
视觉导航是通过摄像装置对周围环境进行图像采集，并基于图像进行计算，完成位置确定和路径识别，通常需要依赖视觉地图来完成。这种视觉地图中由若干节点信息组成，每个节点至少包括有节点的位姿信息；以基于地面纹理的地图为例，地图节点包括各个节点的位姿信息，每个节点还包括节点处纹理点图像的纹理信息。移动机器人移动经过某纹理点的时候，根据图像配准，解算出当前移动机器人的位姿，即可进行基于地面纹理的定位导航。
为此，对于视觉地图的建图过程中，需要获得每个地图节点的精确坐标，以保证后续视觉地图定位时可以获得足够的定位精度。以基于地面纹理的地图构建为例，其建图的过程是用摄像装置将地面的有效纹理信息记录下来，并且和当前的位置坐标对应，形成一张纹理地图。
发明内容
本申请提供了一种视觉地图构建方法，以提高视觉地图中的地图节点位姿信息的精度。
本申请提供的一种视觉地图构建方法，该方法包括，
按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人基于激光即时定位地图SLAM地图行进，基于SLAM导航定位获取每个地图节点位姿，在每个地图节点记录惯性传感器数据，
对获取的地图节点位姿进行优化，该优化包括，对于地图节点中满足距离小于等于第一距离阈值的任意两地图节点：根据地图节点位姿获取所述两地图节点之间位姿的第一测量值，根据惯性传感器数据获取所述两地图节点之间位姿的第二测量值，基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化；
将优化后的地图节点位姿作为待建地图的地图节点位姿。
较佳地，所述按照待建地图所需要构建的地图节点所设定的行进路线，包括，获取激光SLAM地图，基于激光SLAM地图设定行进路线，并按照设定的间距设置地图节点；
所述移动机器人基于激光即时定位地图SLAM地图行进，包括，控制移动机器人采集所有地图节点的位姿以及惯性传感数据，直至所有地图节点的位姿以及惯性传感数据都被采集后，执行所述对获取的地图节点位姿进行优化的步骤。
较佳地，所述按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人基于激光即时定位地图SLAM地图行进，基于SLAM导航定位获取每个地图节点位姿，在每个地图节点记录惯性传感器数据，包括，
按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人行进，在行进过程中通过激光SLAM建立地图，并根据当前SLAM地图确定当前位置信息，当到达地图节点时，采集当前惯性传感器数据，
判断当前已优化地图节点集合中是否有与当前地图节点之间距离小于等于设定的第一距离阈值的第三地图节点，
如果有，则将第一地图节点和当前地图节点作为所述满足距离小于等于第一距离阈值的任意两地图节点，以进行当前地图节点的优化，并在完成优化后将当前地图节点加入已优化地图节点集合；
否则，选择与当前地图节点之间的距离小于等于第一距离阈值的未被优化的第四地图节点，将第四地图节点和当前地图节点作为所述满足距离小于等于第一距离阈值的任意两地图节点，以进行两地图节点的优化，并在完成优化后将第四地图节点和当前地图节点加入已优化地图节点集合；
判断行进路径是否结束、且所有设定的地图节点的位姿信息都被采集，如果是，则执行所述将优化后的地图节点位姿作为待建地图的地图节点位姿的步骤，否则，返回执行所述按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人行进的步骤。
较佳地，当所述任意两地图节点均为未被优化的第一地图节点和第二地图节点时，
所述根据地图节点位姿获取所述两地图节点之间的第一测量值包括，基于SLAM导航定位获取的第一地图节点位姿和第二地图节点位姿，得到第二地图节点与第一地图节点在x方向的坐标之差，y方向的坐标之差，以及姿态之差；
所述根据惯性传感器数据获取所述两地图节点之间的第二测量值包括，根据惯性传感器数据中记录的从第一地图节点到第二地图节点的第一距离以及转过的第一角度，得到第一距离以第一角度在x方向上的投影，第一距离r以第一角度在y方向上的投影，以及第一角度；
所述基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化，包括，
将基于SLAM导航定位获取的第一地图节点位姿作为第一地图节点位姿初始值，将基于SLAM导航定位获取的第二地图节点位姿作为第二地图节点位姿初始值，
以第一距离和第一角度为约束，
基于第一测量值与第二测量值之间的误差，采用最小二乘法，迭代求取优化后的第一地图节点位姿和第二地图节点位姿。
较佳地，所述基于第一测量值与第二测量值之间的误差，采用最小二乘法，迭代求取优化后的第一地图节点位姿和第二地图节点位姿，包括，
将第一地图节点位姿初始值作为第一地图节点位姿当前值，将第二地图节点位姿初始值作为第二地图节点位姿当前值，
根据第一地图节点位姿当前值和第二地图节点位姿当前值，计算当前第一测量值，
根据当前第一测量值与第二测量值，计算当前误差，
判断是否满足迭代结束条件，
如果是，则将第一地图节点位姿当前值和第二地图节点位姿当前值作为优化后的结果，
否则，计算一修正量，将修正量分别与第一地图节点位姿当前值、以及第二地图节点位姿当前值相加，将修正后的第一地图节点位姿、以及第二地图节点位姿作为各自的当前值，然后返回执行所述根据第一地图节点位姿当前值和第二地图节点位姿当前值，计算当前第一测量值的步骤；
所述迭代条件包括，达到设定的迭代次数、所述误差小于设定的误差阈值、修正量小于设定的修正阈值之一或其任意的组合。
较佳地，所述修正量是这样计算的：
对当前误差求第一地图节点位姿和第二地图节点位姿的偏导数，得到雅克比矩阵，
根据克比矩阵的转置矩阵、第二测量值的协方差矩阵的逆矩阵、雅克比矩阵、以及修正量的乘积等于雅克比矩阵的转置矩阵与当前误差乘积的负数，确定当前修正量，
其中，所述雅克比矩阵根据第一地图节点位姿和第二地图节点位姿的当前值确定。
较佳地，所述任意两地图节点为已优化的第三地图节点和待优化的当前地图节点，
所述根据地图节点位姿获取所述两地图节点之间的第一测量值包括，根据已优化的第三地图节点位姿、和基于SLAM导航定位获取的当前地图节点位姿，得到当前地图节点与第三地图节点在x方向的坐标之差，y方向的坐标之差，以及姿态之差；
所述根据惯性传感器数据获取所述两地图节点之间的第二测量值包括，根据惯性传感器记录的从第三地图节点到当前地图节点的第一距离以及转过的第一角度，得到第一距离以第一角度在x方向上的投影，第一距离以第一角度在y方向上的投影，以及第一角度；
所述基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化，包括，
将当前地图节点位姿作为当前地图节点位姿初始值，
以第一距离和第一角度为约束，
基于第一测量值与第二测量值之间的误差，采用最小二乘法，迭代求取优化后的当前地图节点位姿。
较佳地，所述基于第一测量值与第二测量值之间的误差，采用最小二乘法，迭代求取优化后的当前地图节点位姿，包括，
将当前地图节点位姿初始值作为当前地图节点位姿当前值，
根据第三地图节点位姿和当前地图节点位姿当前值，计算当前第一测量值，
根据当前第一测量值与第二测量值，计算当前误差，
判断是否满足迭代结束条件，
如果是，则将当前地图节点位姿当前值作为优化后的结果，
否则，计算一修正量，将修正量与当前地图节点位姿当前值相加，将修正后的当前地图节点位姿作为当前值，然后返回执行所述根据第一地图节点位姿和当前地图节点位姿当前值，计算当前第一测量值的步骤；
所述迭代条件包括，达到设定的迭代次数、所述误差小于设定的误差阈值、修正量小于设定的修正阈值之一或其任意的组合。
较佳地，所述修正量是这样计算的：
对当前误差求当前地图节点位姿的偏导数，得到雅克比矩阵，
根据克比矩阵的转置矩阵、第二测量值的协方差矩阵的逆矩阵、雅克比矩阵、以及修正量的乘积等于雅克比矩阵的转置矩阵与当前误差乘积的负数，确定当前修正量，
其中，所述雅克比矩阵根据当前地图节点位姿的当前值确定。
较佳地，所述待建地图为地面纹理地图，所述在每个地图节点记录惯性传感器数据，还包括，在每个地图节点采集地面纹理信息，并作为该地图节点的节点数据保存；
所述将优化后的地图节点位姿作为待建地图的地图节点位姿进一步包括，将各个地图节点优化后的位姿信息、以及纹理信息进行保存，得到基于地面纹理的纹理地图，和/或
将纹理地图与SLAM地图合成为一体。
本申请还提供一种移动机器人，包括，
控制行走模块，按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人基于激光即时定位地图SLAM地图行进；
SLAM定位模块，基于SLAM导航定位获取每个地图节点位姿，
采集模块，在每个地图节点记录惯性传感器数据
地图节点位姿优化模块，对于地图节点中满足距离小于等于第一距离阈值的任意两地图节点：根据地图节点位姿获取所述两地图节点之间的第一测量值，根据惯性传感器数据获取所述两地图节点之间的第二测量值，基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化；
地图生成模块，将优化后的地图节点位姿作为待建地图的地图节点位姿输出。
本申请提供的一种视觉地图构建方法，以基于激光即时定位地图的定位为辅助，通过采集的各个地图节点出的运动信息，利用基于SLAM的定位所获得的地图节点位姿的第一测量值、基于惯性传感器获取的地图节点位姿的第二测量值，构建两者之间的误差，通过图优化对地图节点的位姿进行优化，提高了地图节点的位姿精度，降低了视觉地图构建过程中工作量、实施周期，对于基于地面标识的纹理地图，提高了纹理地图的质量和纹理定位精度。
附图说明
图1为本申请实施例一的构建纹理地图的一种流程示意图。
图2为包括激光SLAM地图信息和纹理地图信息的一种地图的示意图。
图3为本申请实施例二的构建纹理地图的一种流程示意图。
图4为移动机器人的一种示意图。
具体实施方式
为了使本申请的目的、技术手段和优点更加清楚明白，以下结合附图对本申请做进一步详细说明。
本申请利用激光即时定位地图构建(SLAM)为辅助建立视觉地图，并通过基于SLAM的定位所获得的地图节点位姿的第一测量值、基于惯性传感器获取的地图节点位姿的第二测量值，构建两者之间的误差，通过图优化对地图节点的位姿进行优化。
为便于理解，以下将以纹理地图的构建为例来说明，所应理解的是，本申请不限于此，其它通过摄像装置对周围环境进行图像采集来构建视觉地图的方式都可以适用。
实施例一
参见图1所示，图1为本申请实施例一的构建纹理地图的一种流程示意图。该地图构建方法包括，
步骤101，获取待建纹理地图所覆盖范围环境内的激光SLAM地图，
当待建纹理地图所覆盖范围环境内的激光SLAM地图已存在时，则可以将该激光SLAM地图加载至一具有激光SLAM定位功能、且具有惯性传感器的移动机器人中，
如果尚无激光SLAM地图，则可采用基于SLAM导航定位的移动机器人进行SLAM建图。在SLAM建图过程中，控制移动机器人自动在待建纹理地图所覆盖范围环境内的移动，或者人工移动移动机器人，采集激光传感器的数据，建立SLAM地图。该过程可以使用既有激光SLAM算法实现。
步骤102，设定待建纹理地图所需要构建的地图节点，具体包括，
根据待建纹理地图确定移动机器人的行进路线；
结合所确定的行进路线，按照设定间隔设定一连串的离散的n个地图节点；n为大于1的自然数；
对所设定的n个地图节点进行检查，删除重复和/或间距小于设定间距的地图节点。
步骤103，移动机器人基于激光SLAM地图按照设定的行进路线通过激光SLAM导航进行移动，并根据激光SLAM地图确定当前位置，当移动到步骤102所设定的每个设定的地图节点时，在地图节点处通过摄像装置进行地面纹理图像采集，并记录地图节点处通过里程计获得当前的距离和转过的角度；
反复执行步骤103，直至行进路线结束、且所有设定的地图节点的位姿信息和纹理信息都被采集；
其中，地图节点的位姿根据激光SLAM地图所确定的定位信息获得，将所采集的地面纹理作为该地图节点的纹理信息，从而生成地图节点。
对于任一地图节点i的位姿，记为以作为优化的初始值。
由于SLAM定位误差、移动机器人的惯性传感器记录的运动信息误差的影响，步骤103所获得的纹理地图中的地图节点的位姿含有噪声，因此需要进行优化处理，以满足移动机器人高精度定位的需要。
步骤104，将惯性传感器记录的任意两个地图节点之间的运动信息作为该两地图节点位姿信息之间的约束，以该两地图节点位姿信息为初始值，对该两地图节点中的位姿进行最小二乘优化，得到该两地图节点的最终位姿信息。
在该步骤中，以任意两个满足距离小于等于设定第一距离阈值的地图节点为例。在第一地图节点A处采集地面纹理图像时，移动机器人根据激光SLAM定位获得了相应的坐标ξA＝(xA，yA，θA)；移动到第二地图节点B处，移动机器人根据激光SLAM定位获得了相应的坐标ξB＝(xB，yB，θB)；通过惯性传感器例如轮式里程计可以得到从第一地图节点A到第二地图节点B的第一距离r、和转过的第一角度Δθr。其中，距离r通过里程计记录轮胎转过的圈数和已知的轮胎半径而得到，转过的角度通过里程计记录左右轮转过的圈数和已知的轮胎半径而得到。
这样，通过激光SLAM定位，可以得到移动机器人从第一地图节点A到第二地图节点B的第一测量值，该第一测量值包括，第二地图节点B与第一地图节点的x方向的坐标之差，y方向的坐标之差，以及姿态之差，数学式表达为：
Δξ1＝(Δx，Δy，Δθ)＝(xB-xA，yB-yA，θB-θA) (式1)
同时，通过里程计可以得到移动机器人从第一地图节点A到第二地图节点B的第二测量值，该第二测量值包括，里程计记录的第一距离r以第一角度Δθr在x方向上的投影，第一距离r以第一角度Δθr在y方向上的投影，以及第一角度，数学式表达为：
Δξ′1＝(Δxr，Δyr，Δθr)＝(r·cosΔθr，r·sinΔθr，Δθr) (式2)
由此，得到惯性传感器记录的任意两个地图节点之间的运动信息与该两地图节点位姿信息之间的约束关系。
由于测量精度等限制，第一测量值和第二测量值不会完全相同。鉴于第一地图节点A与第二地图节点B之间的距离小于等于第一距离阈值，例如，第一距离阈值为0.5米，因此可以拟定短距离内轮式里程计的测量值是准确的，而激光SLAM所得的位置含有较大的噪声。因此可以调整移动机器人在A、B点所得的定位信息使其第一测量值尽量符合第二测量值。
为此，计算激光SLAM定位误差为第一测量值与第二测量值之间的差值，数学表达式为：
e＝Δξ′1-Δξ1 (式3)
显然，e是关于ξA、ξB的一个函数。为此，可以求e关于ξA＝(xA，yA，θA)和ξB＝(xB，yB，θB)的偏导数，组成雅克比矩阵：
此外，基于第二测量值可以得到第二测量值的协方差矩阵∑，如此就可以利用最小二乘法对这个问题进行求解。
由于角度信息的存在，求解第一地图节点A的位姿和第二地图节点B的位姿成为求解非线性的方程。因此采用迭代求解的方法：
步骤1041，将基于激光SLAM地图所获得的第一地图节点A的位姿信息ξA＝(xA，yA，θA)、第二地图节点B的位姿信息ξB＝(xB，yB，θB)作为初始值，记为P；
步骤1042，根据当前第一地图节点A的位姿信息、第二地图节点B的位姿信息，按照式1计算当前第一测量值；按照里程计记录的第一距离和第一角度，按照式2计算第二测量值，
步骤1043，基于当前第一测量值和第二测量值，按照式3计算当前误差，
步骤1044，判断是否满足迭代结束条件，
如果是，则将第一地图节点A的当前位姿信息以及第二地图节点B的当前位姿信息作为最终结果，并保存，
否则，为了减小误差，计算基于当前P的修正量δP，以得到修正后的估计值P1，其中，P1＝P+δP，
所述修正量是这样计算的：
对当前e求关于ξA＝(xA，yA，θA)和ξB＝(xB，yB，θB)的偏导数，得到雅克比矩阵J。
根据高斯-牛顿最小二乘法，有：雅克比矩阵的转置矩阵、第二测量值的协方差矩阵的逆矩阵、雅克比矩阵、以及修正量的乘积等于雅克比矩阵的转置矩阵与当前误差乘积的负数，用数学式表达为：
JT∑-1J·δP＝-JT·e
其中，J为雅克比矩阵，根据地图节点的当前位姿计算得到，∑为第二测量值的协方差矩阵，其为3×3的矩阵，e为按照当前估计值所得到的当前测量值的误差，通过上式可求得用于迭代的修正量δP。
将修正后的估计值P1作为当前值，包括第一地图节点A的当前位姿信息ξA、第二地图节点B的当前位姿信息ξB，返回执行步骤1042。
所述迭代条件可以是，达到设定的迭代次数、误差e小于设定的误差阈值、修正量小于设定的修正阈值之一或其任意的组合。
上述迭代过程完成了两个地图节点位姿信息的图优化，从而获得两个地图节点准确的位姿。
反复执行步骤104，直至所有的地图节点被优化。
步骤105，将各个地图节点的最终位姿信息、以及纹理信息进行保存，得到基于地面纹理的纹理地图。进一步地，可以将纹理地图与SLAM地图合成为一体，以为移动机器人定位时所基于的地图提供可选择性，例如，在适于SLAM定位的第一区域选择SLAM地图，在适于纹理定位的第二区域选择纹理地图。参见图2所示，图2为包括激光SLAM地图信息和纹理地图信息的一种地图的示意图，其中，离散的点为纹理地图的地图节点，物体轮廓(连续的部分)为激光SLAM地图。
本实施例中，移动机器人按照拟定的路径行进完成、且已生成所有的地图节点之后，再从中选择符合第一距离阈值的未进行图优化的任意两地图节点来进行图优化，这样，当n为偶数时，n个地图节点的优化次数为n/2，当n为奇数时，对于最后的地图节点，可以选择符合第一距离阈值的未进行图优化的任一地图节点来组成两地图节点，这样，n个地图节点的优化次数为(n+1)/2，有利于提高优化的效率。
实施例二
参见图3所示，图3为本申请实施例二的构建纹理地图的一种流程示意图。在该实施例中，移动机器人支持激光SLAM地图建图，并惯性传感器和安装有用于采集地面纹理的下视摄像装置。该地图构建方法包括，
步骤301，根据待建纹理地图所覆盖范围环境设定行进路径和地图节点，其中，地图节点按照设定的间隔设置；
步骤302，控制移动机器人自动按照行进路径移动，或按照行进路径人工移动移动机器人，在移动过程中通过激光SLAM技术建立SLAM地图，并根据当前SLAM地图确定当前的位置；
当达到设定的地图节点时，触发该地图节点处的地图纹理的采集，并记录当前运动信息，即惯性传感器数据；
步骤303，判断当前已优化地图节点集合中是否有与当前地图节点之间距离小于等于设定的第一距离阈值的第一地图节点，
如果有，则执行步骤304，
否则，选择与当前地图节点之间的距离小于等于第一距离阈值的未被优化的第二地图节点，然后，将第二地图节点与当前地图节点之间的运动信息作为该两地图节点位姿信息之间的约束，以该两地图节点位姿信息为初始值，对该两地图节点中的任一地图节点的位姿进行最小二乘优化，得到该两地图节点的最终位姿信息。具体与步骤104相同；
步骤304，将第一地图节点和当前地图节点作为一对地图节点，将第一地图节点与当前地图节点之间的运动信息作为该两地图节点位姿信息之间的约束，以当前地图节点位姿信息为初始值，对该当前地图节点进行最小二乘优化，得到当前地图节点最终位姿信息，从而实现对当前地图节点的位姿进行优化；
在该步骤中，第一地图节点A的位姿信息已被优化，记为ξA＝(xA，yA，θA)；当前地图节点B处，移动机器人根据激光SLAM定位获得了相应的坐标ξB＝(xB，yB，θB)；通过惯性传感器例如轮式里程计可以得到从第一地图节点A到当前地图节点B的第一距离r、和转过的第一角度Δθr。
这样，通过激光SLAM定位，可以得到移动机器人从第一地图节点A到当前地图节点B的第一测量值，该第一测量值包括，当前地图节点B与第一地图节点的x方向的坐标之差，y方向的坐标之差，以及姿态之差，数学式表达为：
Δξ1＝(Δx，Δy，Δθ)＝(xB-xA，yB-yA，θB-θA)(式4)
同时，通过里程计可以得到移动机器人从第一地图节点A到当前地图节点B的第二测量值，该第二测量值包括，里程计记录的第一距离r以第一角度Δθr在x方向上的投影，第一距离r以第一角度Δθr在y方向上的投影，以及第一角度，数学式表达为：
Δξ′1＝(Δxr，Δyr，Δθr)＝(r·cosΔθr，r·sinΔθr，Δθr) (式5)
由此，得到惯性传感器记录的第一地图节点与当前地图之间的运动信息与该两地图节点位姿信息之间的约束关系。
由于测量精度等限制，第一测量值和第二测量值不会完全相同。鉴于第一地图节点A与第二地图节点B之间的距离小于等于第一距离阈值，例如，第一距离阈值为0.5米，因此可以拟定短距离内轮式里程计的测量值是准确的，而激光SLAM所得的位置含有较大的噪声。因此可以调整移动机器人在A、B点所得的定位信息使其第一测量值尽量符合第二测量值。
为此，计算激光SLAM定位误差为第一测量值与第二测量值之间的差值，数学表达式为：e＝Δξ′1-Δξ1。
显然，e是关于ξB的一个函数。为此，可以求e关于当前地图节点B的位姿ξB＝(xB，yB，θB)的偏导数，组成雅克比矩阵：
此外，基于第二测量值可以得到第二测量值的协方差矩阵∑，如此就可以利用最小二乘法对这个问题进行求解。
由于角度信息的存在，求解当前地图节点B的位姿成为求解非线性的方程。因此采用迭代求解的方法：
步骤3041，当前地图节点B的位姿信息ξB＝(xB，yB，θB)作为初始值，记为P；
步骤3042，根据第一地图节点A的位姿信息、当前地图节点B的位姿信息，按照式4计算第一测量值；按照里程计记录的第一距离和第一角度，按照式5计算第二测量值，
步骤3043，基于当前第一测量值和当前第二测量值，按照式3计算当前误差，
步骤3044，判断是否满足迭代结束条件，
如果是，则将第一地图节点A的当前位姿信息以及当前地图节点B的当前位姿信息作为最终结果，并保存，
否则，为了减小误差，计算基于当前P的修正量δP，以得到修正后的估计值P1，其中，P1＝P+δP，
所述修正量是这样计算的：
对当前e求关于ξB＝(xB，yB，θB)的偏导数，得到雅克比矩阵J。
根据高斯-牛顿最小二乘法，有：雅克比矩阵的转置矩阵、第二测量值的协方差矩阵的逆矩阵、雅克比矩阵、以及修正量的乘积等于雅克比矩阵的转置矩阵与当前误差乘积的负数，用数学式表达为：
JT∑-1J·δP＝-JT·e
其中，J为雅克比矩阵，根据当前地图节点B的当前位姿计算得到，∑为第二测量值的协方差矩阵，其为3×3的矩阵，e为按照当前估计值所得到的当前测量值的误差，通过上式可求得用于迭代的修正量δP。
将修正后的估计值P1作为当前值，返回执行步骤3042。
所述迭代条件可以是，达到设定的迭代次数、误差e小于设定的误差阈值、修正量小于设定的修正阈值之一或其任意的组合。
上述迭代过程完成了当前地图节点位姿信息的图优化，从而获得当前地图节点准确的位姿，该迭代过程只需求解三个未知数，从而有利于迭代的收敛，提高计算的速度。
步骤305，判断行进路径是否结束、且所有设定的地图节点的位姿信息和纹理信息都被采集，如果是，则执行步骤306，否则，返回执行步骤302；
步骤306，与步骤105相同，将各个地图节点的最终位姿信息、以及纹理信息进行保存，得到基于地面纹理的纹理地图。进一步地，可以将纹理地图与SLAM地图合成为一体。
在本实施例中，图优化过程可以与步骤302的行走采集步骤并行执行，即，在移动机器人按照拟定的路径行进的同时，对于当前已生成的地图节点进行图优化，有利于提高构建地图的效率；并且，在图优化过程中，在无可用的已优化地图节点时，可同时对两个地图节点进行优化，当有可用的已优化地图节点时，可仅对当前地图节点进行优化，以提高优化的收敛速度，从而提高了优化的整体性能。
参见图4所示，图4为移动机器人的一种示意图。该移动机器人包括，
控制行走模块，按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人基于激光即时定位地图SLAM地图行进；
SLAM定位模块，基于SLAM导航定位获取每个地图节点位姿，
采集模块，在每个地图节点记录惯性传感器数据
地图节点位姿优化模块，对于地图节点中满足距离小于等于第一距离阈值的任意两地图节点：根据地图节点位姿获取所述两地图节点之间的第一测量值，根据惯性传感器数据获取所述两地图节点之间的第二测量值，基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化；
地图生成模块，将优化后的地图节点位姿作为待建地图的地图节点位姿输出。
所述移动机器人包括有存储器和处理器，其中，存储器存储有计算机程序，处理器可用于执行计算机程序以实现本申请所述视觉地图构建的步骤。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述地图构建步骤。
对于装置/网络侧设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种视觉地图构建方法，其特征在于，该方法包括，
按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人基于激光即时定位地图SLAM地图行进，基于SLAM导航定位获取每个地图节点位姿，在每个地图节点记录惯性传感器数据，对获取的地图节点位姿进行优化，该优化包括，对于地图节点中满足距离小于等于第一距离阈值的任意两地图节点：根据地图节点位姿获取所述两地图节点之间位姿的第一测量值，根据惯性传感器数据获取所述两地图节点之间位姿的第二测量值，基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化；
将优化后的地图节点位姿作为待建地图的地图节点位姿；
其中，
所述在每个地图节点记录惯性传感器数据，包括：
当到达地图节点时，采集当前惯性传感器数据，
判断当前已优化地图节点集合中是否有与当前地图节点之间距离小于等于设定的第一距离阈值的第三地图节点，
如果有，则将第三地图节点和当前地图节点作为所述满足距离小于等于第一距离阈值的任意两地图节点，以进行当前地图节点的优化，并在完成优化后将当前地图节点加入已优化地图节点集合；
否则，选择与当前地图节点之间的距离小于等于第一距离阈值的未被优化的第四地图节点，将第四地图节点和当前地图节点作为所述满足距离小于等于第一距离阈值的任意两地图节点，以进行两地图节点的优化，并在完成优化后将第四地图节点和当前地图节点加入已优化地图节点集合。
2.如权利要求1所述的方法，其特征在于，所述按照待建地图所需要构建的地图节点所设定的行进路线，包括，获取激光SLAM地图，基于激光SLAM地图设定行进路线，并按照设定的间距设置地图节点；
所述移动机器人基于激光即时定位地图SLAM地图行进，包括，控制移动机器人采集所有地图节点的位姿以及惯性传感数据，直至所有地图节点的位姿以及惯性传感数据都被采集后，执行所述对获取的地图节点位姿进行优化的步骤。
3.如权利要求1所述的方法，其特征在于，所述按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人基于激光即时定位地图SLAM地图行进，基于SLAM导航定位获取每个地图节点位姿，包括，
按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人行进，在行进过程中通过激光SLAM建立地图，并根据当前SLAM地图确定当前位置信息，
判断行进路径是否结束、且所有设定的地图节点的位姿信息都被采集，
如果是，则执行所述将优化后的地图节点位姿作为待建地图的地图节点位姿的步骤，
否则，返回执行所述控制移动机器人按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人行进的步骤。
4.如权利要求1至3任一所述的方法，其特征在于，当所述任意两地图节点均为未被优化的第一地图节点和第二地图节点时，
所述根据地图节点位姿获取所述两地图节点之间的第一测量值包括，基于SLAM导航定位获取的第一地图节点位姿和第二地图节点位姿，得到第二地图节点与第一地图节点在x方向的坐标之差，y方向的坐标之差，以及姿态之差；
所述根据惯性传感器数据获取所述两地图节点之间的第二测量值包括，根据惯性传感器数据中记录的从第一地图节点到第二地图节点的第一距离以及转过的第一角度，得到第一距离以第一角度在x方向上的投影，第一距离以第一角度在y方向上的投影，以及第一角度；
所述基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化，包括，
将基于SLAM导航定位获取的第一地图节点位姿作为第一地图节点位姿初始值，将基于SLAM导航定位获取的第二地图节点位姿作为第二地图节点位姿初始值，
以第一距离和第一角度为约束，
基于第一测量值与第二测量值之间的误差，采用最小二乘法，迭代求取优化后的第一地图节点位姿和第二地图节点位姿。
5.如权利要求4所述的方法，其特征在于，所述基于第一测量值与第二测量值之间的误差，采用最小二乘法，迭代求取优化后的第一地图节点位姿和第二地图节点位姿，包括，
将第一地图节点位姿初始值作为第一地图节点位姿当前值，将第二地图节点位姿初始值作为第二地图节点位姿当前值，
根据第一地图节点位姿当前值和第二地图节点位姿当前值，计算当前第一测量值，
根据当前第一测量值与第二测量值，计算当前误差，
判断是否满足迭代结束条件，
如果是，则将第一地图节点位姿当前值和第二地图节点位姿当前值作为优化后的结果，
否则，计算一修正量，将修正量分别与第一地图节点位姿当前值、以及第二地图节点位姿当前值相加，将修正后的第一地图节点位姿、以及第二地图节点位姿作为各自的当前值，然后返回执行所述根据第一地图节点位姿当前值和第二地图节点位姿当前值，计算当前第一测量值的步骤；
所述迭代条件包括，达到设定的迭代次数、所述误差小于设定的误差阈值、修正量小于设定的修正阈值之一或其任意的组合。
6.如权利要求5所述的方法，其特征在于，所述修正量通过以下方式计算：
对当前误差求第一地图节点位姿和第二地图节点位姿的偏导数，得到雅克比矩阵，
根据雅克比矩阵的转置矩阵、第二测量值的协方差矩阵的逆矩阵、雅克比矩阵、以及修正量的乘积等于雅克比矩阵的转置矩阵与当前误差乘积的负数，确定当前修正量，
其中，所述雅克比矩阵根据第一地图节点位姿和第二地图节点位姿的当前值确定。
7.如权利要求3所述的方法，其特征在于，当所述任意两地图节点为已优化的第三地图节点和待优化的当前地图节点时，
所述根据地图节点位姿获取所述两地图节点之间的第一测量值包括，根据已优化的第三地图节点位姿、和基于SLAM导航定位获取的当前地图节点位姿，得到当前地图节点与第三地图节点在x方向的坐标之差，y方向的坐标之差，以及姿态之差；
所述根据惯性传感器数据获取所述两地图节点之间的第二测量值包括，根据惯性传感器记录的从第三地图节点到当前地图节点的第一距离以及转过的第一角度，得到第一距离以第一角度在x方向上的投影，第一距离以第一角度在y方向上的投影，以及第一角度；
所述基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化，包括，
将当前地图节点位姿作为当前地图节点位姿初始值，
以第一距离和第一角度为约束，
基于第一测量值与第二测量值之间的误差，采用最小二乘法，迭代求取优化后的当前地图节点位姿。
8.如权利要求7所述的方法，其特征在于，所述基于第一测量值与第二测量值之间的误差，采用最小二乘法，迭代求取优化后的当前地图节点位姿，包括，
将当前地图节点位姿初始值作为当前地图节点位姿当前值，
根据第三地图节点位姿和当前地图节点位姿当前值，计算当前第一测量值，
根据当前第一测量值与第二测量值，计算当前误差，
判断是否满足迭代结束条件，
如果是，则将当前地图节点位姿当前值作为优化后的结果，
否则，计算一修正量，将修正量与当前地图节点位姿当前值相加，将修正后的当前地图节点位姿作为当前值，然后返回执行所述根据第三地图节点位姿和当前地图节点位姿当前值，计算当前第一测量值的步骤；
所述迭代条件包括，达到设定的迭代次数、所述误差小于设定的误差阈值、修正量小于设定的修正阈值之一或其任意的组合。
9.如权利要求8所述的方法，其特征在于，所述修正量通过以下方式计算：
对当前误差求当前地图节点位姿的偏导数，得到雅克比矩阵，
根据雅克比矩阵的转置矩阵、第二测量值的协方差矩阵的逆矩阵、雅克比矩阵、以及修正量的乘积等于雅克比矩阵的转置矩阵与当前误差乘积的负数，确定当前修正量，
其中，所述雅克比矩阵根据当前地图节点位姿的当前值确定。
10.如权利要求1所述的方法，其特征在于，所述待建地图为地面纹理地图，所述在每个地图节点记录惯性传感器数据，还包括，在每个地图节点采集地面纹理信息，并作为该地图节点的节点数据保存；
所述将优化后的地图节点位姿作为待建地图的地图节点位姿进一步包括，将各个地图节点优化后的位姿信息、以及纹理信息进行保存，得到基于地面纹理的纹理地图，和/或
将纹理地图与SLAM地图合成为一体。
11.一种移动机器人，其特征在于，包括，
控制行走模块，用于按照待建地图所需要构建的地图节点所设定的行进路线，控制移动机器人基于激光即时定位地图SLAM地图行进；
SLAM定位模块，用于基于SLAM导航定位获取每个地图节点位姿，
采集模块，在每个地图节点记录惯性传感器数据，
地图节点位姿优化模块，用于对于地图节点中满足距离小于等于第一距离阈值的任意两地图节点：根据地图节点位姿获取所述两地图节点之间位姿的第一测量值，根据惯性传感器数据获取所述两地图节点之间位姿的第二测量值，基于第一测量值与第二测量值之间的误差，以所述两地图节点的惯性传感器数据作为所述两地图节点位姿信息的约束，至少对所述两地图节点位姿中的一个地图节点进行优化；
地图生成模块，用于将优化后的地图节点位姿作为待建地图的地图节点位姿输出；
其中，
所述采集模块被配置为：
当到达地图节点时，采集当前惯性传感器数据，
判断当前已优化地图节点集合中是否有与当前地图节点之间距离小于等于设定的第一距离阈值的第三地图节点，
如果有，则将第三地图节点和当前地图节点作为所述满足距离小于等于第一距离阈值的任意两地图节点，以进行当前地图节点的优化，并在完成优化后将当前地图节点加入已优化地图节点集合；
否则，选择与当前地图节点之间的距离小于等于第一距离阈值的未被优化的第四地图节点，将第四地图节点和当前地图节点作为所述满足距离小于等于第一距离阈值的任意两地图节点，以进行两地图节点的优化，并在完成优化后将第四地图节点和当前地图节点加入已优化地图节点集合。
12.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至10任一所述视觉地图构建方法的步骤。
CN202010510451.5A 2020-06-08 2020-06-08 一种视觉地图构建方法和移动机器人 Active CN113835422B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010510451.5A CN113835422B (zh) 2020-06-08 2020-06-08 一种视觉地图构建方法和移动机器人
PCT/CN2021/098881 WO2021249387A1 (zh) 2020-06-08 2021-06-08 一种视觉地图构建方法和移动机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010510451.5A CN113835422B (zh) 2020-06-08 2020-06-08 一种视觉地图构建方法和移动机器人

Publications (2)

Publication Number Publication Date
CN113835422A CN113835422A (zh) 2021-12-24
CN113835422B true CN113835422B (zh) 2023-09-29

Family

ID=78845351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010510451.5A Active CN113835422B (zh) 2020-06-08 2020-06-08 一种视觉地图构建方法和移动机器人

Country Status (2)

Country Link
CN (1) CN113835422B (zh)
WO (1) WO2021249387A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114543797B (zh) * 2022-02-18 2024-06-07 北京市商汤科技开发有限公司 位姿预测方法和装置、设备、介质
CN114608554B (zh) * 2022-02-22 2024-05-03 北京理工大学 一种手持slam设备以及机器人即时定位与建图方法
CN114463429B (zh) * 2022-04-12 2022-08-16 深圳市普渡科技有限公司 机器人、地图创建方法、定位方法及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319976A (zh) * 2018-01-25 2018-07-24 北京三快在线科技有限公司 建图方法及装置
CN109084732A (zh) * 2018-06-29 2018-12-25 北京旷视科技有限公司 定位与导航方法、装置及处理设备
CN109556596A (zh) * 2018-10-19 2019-04-02 北京极智嘉科技有限公司 基于地面纹理图像的导航方法、装置、设备及存储介质
CN109933056A (zh) * 2017-12-18 2019-06-25 九阳股份有限公司 一种基于slam的机器人导航方法以及机器人
JP2019124808A (ja) * 2018-01-16 2019-07-25 株式会社豊田中央研究所 地図作成装置
CN110375738A (zh) * 2019-06-21 2019-10-25 西安电子科技大学 一种融合惯性测量单元的单目同步定位与建图位姿解算方法
CN110553652A (zh) * 2019-10-12 2019-12-10 上海高仙自动化科技发展有限公司 机器人多传感器融合定位方法及其应用
CN110706248A (zh) * 2019-08-20 2020-01-17 广东工业大学 一种基于slam的视觉感知建图算法及移动机器人
CN111076733A (zh) * 2019-12-10 2020-04-28 亿嘉和科技股份有限公司 一种基于视觉与激光slam的机器人室内建图方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130068249A (ko) * 2011-12-15 2013-06-26 한국전자통신연구원 이동체의 위치 추정 장치 및 방법
CN105631017A (zh) * 2015-12-29 2016-06-01 福州华鹰重工机械有限公司 离线坐标校准和地图创建的方法及装置
CN105783913A (zh) * 2016-03-08 2016-07-20 中山大学 一种融合车载多传感器的slam装置及其控制方法
CN108253958B (zh) * 2018-01-18 2020-08-11 亿嘉和科技股份有限公司 一种稀疏环境下的机器人实时定位方法
CN109682373B (zh) * 2018-12-28 2021-03-09 中国兵器工业计算机应用技术研究所 一种无人平台的感知系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933056A (zh) * 2017-12-18 2019-06-25 九阳股份有限公司 一种基于slam的机器人导航方法以及机器人
JP2019124808A (ja) * 2018-01-16 2019-07-25 株式会社豊田中央研究所 地図作成装置
CN108319976A (zh) * 2018-01-25 2018-07-24 北京三快在线科技有限公司 建图方法及装置
CN109084732A (zh) * 2018-06-29 2018-12-25 北京旷视科技有限公司 定位与导航方法、装置及处理设备
CN109556596A (zh) * 2018-10-19 2019-04-02 北京极智嘉科技有限公司 基于地面纹理图像的导航方法、装置、设备及存储介质
CN110375738A (zh) * 2019-06-21 2019-10-25 西安电子科技大学 一种融合惯性测量单元的单目同步定位与建图位姿解算方法
CN110706248A (zh) * 2019-08-20 2020-01-17 广东工业大学 一种基于slam的视觉感知建图算法及移动机器人
CN110553652A (zh) * 2019-10-12 2019-12-10 上海高仙自动化科技发展有限公司 机器人多传感器融合定位方法及其应用
CN111076733A (zh) * 2019-12-10 2020-04-28 亿嘉和科技股份有限公司 一种基于视觉与激光slam的机器人室内建图方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
An Active Vision Based Localization and Mapping Method for MAV Inspection in Visual-degraded Restricted Environment;Mingxuan Zhou 等;2019 6th International Conference on Systems and Informatics (ICSAI);论文第133-138页 *
基于ROS的AGV定位导航系统制作;邹诗楠;陈泽义;王晓瀛;庞溢林;杨桂燕;刘育成;吴彰伟;;电子元器件与信息技术(01);论文63-65页 *
基于单目视觉的同时定位与建图算法研究综述;朱凯;刘华峰;夏青元;;计算机应用研究(01);论文第1-6页 *
基于激光视觉信息的AGV即时定位与地图构建方法研究;丁仁杰;中国优秀硕士论文全文数据库信息科技辑(第2期);论文第17-62页 *
融合激光与视觉信息的自主移动机器人的SLAM研究;刘雅彬;陈万米;;工业控制计算机(09);论文74-76页 *

Also Published As

Publication number Publication date
WO2021249387A1 (zh) 2021-12-16
CN113835422A (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
CN113835422B (zh) 一种视觉地图构建方法和移动机器人
JP6445995B2 (ja) センサデータの空間的集約を用いる適応マッピング
JP6442193B2 (ja) 点群位置データ処理装置、点群位置データ処理システム、点群位置データ処理方法およびプログラム
JP7406853B2 (ja) コンピュータにより実行される法線ベクトルに基づく点群平滑化フィルタリング方法
JP5987823B2 (ja) 画像センサおよび運動または位置センサから生じたデータを融合するための方法およびシステム
Wang et al. A simple and parallel algorithm for real-time robot localization by fusing monocular vision and odometry/AHRS sensors
JP2021508814A (ja) ＬｉＤＡＲを用いた車両測位システム
KR20190041315A (ko) 관성 기반 항법 장치 및 상대사전적분에 따른 관성 기반 항법 방법
CN103412565A (zh) 一种具有全局位置快速估计能力的机器人及其定位方法
CN110887493B (zh) 基于局部地图匹配的轨迹推算方法、介质、终端和装置
JP4171459B2 (ja) 移動体の回転移動量利用方法とその装置、及びコンピュータプログラムを保存するコンピュータ読取り可能な記録媒体
CN104715469A (zh) 一种数据处理方法及电子设备
CN112444246B (zh) 高精度的数字孪生场景中的激光融合定位方法
Zhang et al. Vision-aided localization for ground robots
JP7173471B2 (ja) ３次元位置推定装置及びプログラム
CN114440928A (zh) 激光雷达与里程计的联合标定方法、机器人、设备和介质
Lehtola et al. Localization of a mobile laser scanner via dimensional reduction
Hu et al. Calibration and on-line data selection of multiple optical flow sensors for odometry applications
CN113701739B (zh) 一种地图更新方法以及装置
CN107544498A (zh) 可移动终端的移动路径规划方法及装置
CN110989619A (zh) 用于定位对象的方法、装置、设备和存储介质
Barrau et al. Invariant filtering for pose ekf-slam aided by an imu
WO2018085766A1 (en) Mobile network localization
CN117015719A (zh) 用于确定刚体的运动状态的方法
CN113483762A (zh) 一种位姿优化方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou Hikvision Robot Co.,Ltd.

Address before: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU HIKROBOT TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant