[发明专利]基于ORB特征的多移动机器人地图融合方法及融合平台

说明书

本发明公开了基于ORB特征的多移动机器人地图融合方法，包括以下步骤：多机器人网络构建；将机器人实时获取的环境点云信息进行局部栅格地图构建；分别提取格栅地图的ORB特征，并进行特征点匹配，将匹配后的特征点进行提纯；利用经过提纯的二维特征点对计算偏仿射变换，得到最优仿射变换矩阵；对输入最优仿射变换矩阵的特征点计算最优变换，得到单应矩阵，通过对单应矩阵求解得到最优匹配点，设定融合比例得到全局栅格地图。本发明提取了融合地图的ORB特征，解决了融合效率不高的问题；融合时计算了两幅地图最优匹配点集的最优仿射变换参数，解决了重合区域少会导致融合精度降低的问题。

技术领域

本发明涉及机器人技术领域，更具体的说是涉及基于ORB特征的多移动机器人地图融合方法及融合平台。

背景技术

随着智能时代的来临，机器人广泛进入了研究人员的视野。近年来，机器人学得到了蓬勃发展，作为一门综合交叉学科，机器人学涵盖了控制、导航、机械和计算机科学等领域的最新成果，是当前科技发展最为活跃的领域之一。机器人学的显著成就使我们更加容易处理一些信息收集的问题，诸如环境监测、搜索救援、以及动态的同时定位与地图创建SLAM(Simultaneous localization and mapping)系统。SLAM技术包括同时定位和地图构建两部分，利用机器人自身携带的传感器感知周围的环境以确定机器人在环境中的位置同时对环境进行建模，SLAM成为当前智能机器人研究的热点问题，被很多著名学者认为是实现真正全自主移动机器人的关键。

面对复杂多变的动态环境时，单个机器人往往难以胜任，需要多机器人的协作配合。地图融合作为多机器人SLAM的一个子问题，是解决多机器人SLAM的有效手段，同时也是其中的难点问题。地图融合现存的解决方法分成直接融合法和间接融合法。直接融合法多依靠的是机器人的相对位姿，要求机器人在某一时刻相遇，而间接融合法多考虑局部地图间的重合区域，不需要知晓机器人相对位置的先验信息，所以应用范围更广，产生了更多解决策略；间接融合法存在的问题其一是地图重复区域较少时容易融合失败；其二是算法实时性较差，融合效率较慢。

因此，如何提供一种融合效率高的多移动机器人地图融合平台及融合方法成为了本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了基于ORB特征的多移动机器人地图融合方法及融合平台，提取了融合地图的ORB特征，解决了融合效率不高的问题；融合时计算了两幅地图最优匹配点集的最优仿射变换参数，解决了重合区域少会导致融合精度降低的问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于ORB特征的多移动机器人地图融合方法，其中，包括如下步骤：

1)、建立网络通信实现多机器人网络构建；

包括2个全向机器人和1台笔记本电脑，每个全向机器人搭载树莓派2，安装Ubuntu14.04系统，Robot operating system版本即ROS版本Indigo，笔记本电脑作为终端计算机，搭载AMD FX-8800P处理器，内存8G，同样安装Ubuntu14.04系统，ROS版本Indigo；使用终端计算机发布指令，独立控制每个全向机器人：首先建立wifi网络，相互通信，终端计算机通过SSH网络协议远程登录机器人上的数据处理单元树莓派2，终端计算机和每个机器人分别启动ROS，使得终端计算机可以独立的控制2个机器人，控制的机器人数量不受限制，由于每个树莓派2有不同的IP地址，则机器人相互之间不会受到影响，同时利用现有的master_discovery软件包和master_sync软件包进行时间上的同步；

2)、机器人通过漫游扫描周围的环境，实时获取的环境点云信息进行局部栅格地图构建；

全向机器人通过漫游扫描周围的环境，搭载激光雷达RPLIDAR实时获取环境点云信息，树莓派2运行Hector SLAM算法进行二维栅格地图构建，为了保证地图构建的效率，使用ROS中的rviz实时显示地图构建情况；