[发明专利]移动机器人离线地图保存与实时重定位方法

说明书

本发明公开了一种移动机器人离线地图保存与实时重定位方法，包括离线地图构建与保存，离线地图加载与重定位，其特征在于：采用所述系统离线地图构建与保存方法，当启动系统（ORB‑SLAM2）时，首先检测离线地图并执行加载，当离线地图成功加载后，系统进入跟踪丢失状态，从而触发重定位模型寻找相机位置，并能够随着相机运动继续进行全局跟踪定位。本发明具有能快速并完整地保存离线地图的数据，实现实时重定位和人机交互，且系统鲁棒性好的特点。

技术领域

本发明涉及移动机器人领域，具体涉及一种移动机器人离线地图保存与实时重定位方法。

背景技术

随着科技的进步与人们生活水平的提高，智能化产品开始受到大众的关注并逐渐应用到社会的各个领域，促使人工智能技术进入高速发展的时代。机器人是人工智能领域最为重要的科研方向，如何使机器人更接近人类的思维和行为方式是当前机器人技术的核心问题。同步定位与地图构建(Simultaneous Localization and Mapping，简称SLAM)技术帮助机器人在未知环境下进行实时定位并构建环境地图，是移动机器人实现自主定位与导航的基础。视觉SLAM根据传感器的不同主要分为单目、双目和RGB-D SLAM三类。Mur-Artal等人在2015年提出ORB-SLAM算法，作者基于PTAM框架，改进了大部分组件，使用ORB特征代替FAST特征，增加闭环线程消除累计误差，实现更加精确的定位和地图构建，但ORB-SLAM没有解决单目SLAM的尺度模糊以及纯旋转问题，所构建的地图仅包含稀疏地图点，利用价值低。

ORB-SLAM2在2017由RMur-Artal等人提出，是ORB-SLAM的改进版本，在单目的基础上，增加了对双目和RGB-D相机的支持，是完整的视觉SLAM方案。ORB-SLAM2的系统框架，主要包含三个并行线程:跟踪(Tracking)、局部建图(Local Mapping)、闭环(Loop Closing)。目前，在实际应用中，我们希望通过视觉SLAM系统构建地图完成后能够完整保存，并在再次启动时加载地图直接定位。而ORB-SLAM2并没有提供地图的保存和加载重定位的功能，导致了机器人每次启动都要重新“认识”一次周围的环境，这个过程不仅耗费大量时间，还占用了移动机器人有限的计算资源，使得ORB-SLAM2的实际应用价值大幅度降低。对于视觉SLAM系统本身来说，人机交互界面不是必须的。ORB-SLAM2提供了运行过程中的可视化界面，但是当SLAM系统搭载至移动机器人时，用户不会实时关注它在建图时的状态，而希望在运行结束后可以查看地图和轨迹等信息，而ORB-SLAM2并未提供离线可视化的功能，基于机器人的人机交互性差。

发明内容

本发明的目的在于克服上述缺点而提出了一种能快速并完整地保存离线地图的数据，实现实时重定位和人机交互，且系统鲁棒性好的移动机器人离线地图保存与实时重定位方法。

本发明的一种移动机器人离线地图保存与实时重定位方法，包括离线地图构建与保存，离线地图加载与重定位，其中：采用所述系统离线地图构建与保存方法，当启动系统(ORB-SLAM2)时，首先检测离线地图并执行加载，当离线地图成功加载后，系统进入跟踪丢失状态，从而触发重定位模型寻找相机位置，并能够随着相机运动继续进行全局跟踪定位；

所述离线地图构建与保存方法的具体步骤如下：

(1)分别从地图(Map)与关键帧数据库(KeyFrameDatabase)的类对象读取地图与关键帧数据库内容；

(2)使用Boost::Serialization序列化库，在地图的各个元素与关键帧数据库类中定义序列化模板函数；

(3)创建二进制写入型文件，将读取的地图与关键帧数据库内容序列化保存至文件。

上述移动机器人离线地图保存与实时重定位方法，其中：所述重定位模型的重定位方法具体步骤如下：

(1)由公式计算获得当前帧的Bow向量；