[发明专利]一种多传感器的高精度即时定位与建图方法

说明书

本发明提供了一种多传感器的高精度即时定位与建图方法，即使用彩色相机与激光雷达对周围环境进行高精度的实时三维构建，并实时测算出相机的位置与姿态。在快速的视觉SLAM的基础上，引入激光雷达的信息，并有选择的使用激光雷达信息，及时进行结果修正，再依靠修正后的结果构建三维地图，使定位与建图具有正确的尺度和较高的精度，同时使算法具有较低的复杂度。

技术领域

本发明属机器视觉技术领域，具体涉及一种多传感器的高精度即时定位与建图方法。

背景技术

现阶段机器人的移动大多依靠人工路径规划，机器人的自主导航能力依赖于即时定位与建图技术(Simultaneous Localization and Mapping，以下简称为SLAM)。其核心任务是当机器人进入未知工作环境时，利用传感器信息，对周围环境进行高效率且准确地构建(Mapping)，同时得到设备在空间中的位置与姿态(Localization)。除了可以应用在机器人领域外，虚拟现实与增强现实设备的空间追踪以及自动驾驶也同样可以使用SLAM技术。

SLAM问题自提出以来已经过去了30年，这期间SLAM问题所用的传感器与计算方法都发生了巨大的变化。主流的SLAM技术多采用视觉传感器，包括单目传感器、多目传感器及彩色图像及深度信息(RGB-D)的传感器等。近年来，随着激光雷达技术的发展，激光雷达设备凭借其对环境度量的精准估计能力，以及对于光照变化不敏感等特性让激光雷达相关的SLAM方案在实际应用中有着广阔的发展空间。

现阶段主流的基于视觉的SLAM方案可根据优化方法分为两类，一类为使用滤波器的SLAM方法，另一类的是使用图优化的SLAM方法。

使用滤波器的SLAM方案模型构建比较简单，但误差会逐渐累计不可修复。Davison等人在文献“A.Davison,I.Reid,and N.Molton.MonoSLAM:Real-Time SingleCamera SLAM.IEEE Transactions on Pattern Analysis and Machine Intelligence,pp. 1052-1067,2007.”中提出了MonoSLAM方案，即是基于扩展卡尔曼滤波器(简称EKF) 的单目传感器SLAM方案，通过在图像中构建路标点并使用EKF对SLAM进行模型构建而求解。

使用图优化方法的SLAM方案由于要构建姿态图往往运算量比较大。Artal等人在文献“R.Artal,J.Montiel,and J.Tardos.ORB-SLAM:A Versatile and AccurateMonocular SLAM System.IEEE Transactions on Robotics,vol.31,no.5,pp 1147-1163,2015.”中提出的ORB-SLAM是目前基于图优化方法的单目视觉SLAM方案，ORB-SLAM通过对图像提取ORB特征描述符(一种提取速度极快的特征描述符)，可以达到很高的速度，并且通过完善的图优化操作，得到的地图也具有很高的精确度。

单目视觉传感器的SLAM算法在实际应用中存在的问题有：单目视觉传感器难以估计环境的规模，即尺度；环境的深度是由三角化等数学计算求得，往往带有误差；视觉传感器难以处理光照剧烈，快速移动以及缺乏纹理等场景，会导致姿态估计精度下降；为了消除上述误差，需要引入大规模优化，求解困难且费时。

而单独使用其他的传感器如激光雷达传感器会有计算缓慢、信息不够丰富等问题，同样无法很好的解决SLAM任务。

发明内容

为了克服现有技术的不足，本发明提供一种多传感器的高精度即时定位与建图方法，即融合视觉传感器与激光雷达数据完成高精度即时定位与建图的方法。在快速的视觉SLAM基础上，通过引入激光雷达的信息，具有更高的定位与建图精度，且通过对激光雷达的数据进行有选择的使用，在保证精确度的情况下，让算法的复杂度较低。

一种多传感器的高精度即时定位与建图方法，其特征在于步骤如下：