[发明专利]一种基于视觉特征联合激光SLAM的重定位方法

说明书

一种基于视觉特征联合激光SLAM的重定位方法，包括：通过单目相机采集周围环境中的大量图像信息，提取特征点，构建K叉树结构的字典；校准单目相机，运行机器人，用激光雷达构建环境地图，并计算机器人运动轨迹；同时单目相机采集图像信息，将新采集的图像用DBOW算法加入更新字典，每张图像携带有其当前的位姿信息；机器人重启后首先利用单目相机采集图像信息，将图像与之前采集的图像对比计算相似度，根据相似度回环后，用Sim3变换获得当前位姿信息，作为激光SLAM的初始位姿。本发明将视觉特征与激光雷达结合，改善了单独激光雷达无法在已知地图中重定位的弊端。

技术领域

本发明涉及一种基于视觉特征联合激光SLAM的重定位方法。

背景技术

随着SLAM技术以及工业技术的快速发展，伴随着扫地机器人，服务机器人等以激光SLAM技术为基础的产品的面世，激光SLAM技术开始走向我们的生活。与之而来的是商用激光SLAM技术的一些缺陷的暴露，在构建地图后，激光SLAM再次加载已知地图，并重新定位当前位姿的能力弱。先市面上大多商家利用固定桩点的方法，使机器人每次关机之前回到同一位置，保证下次开机时机器人处于桩点位置，避开激光SLAM的重定位能力弱的情况。因此需要提出一种基于视觉特征联合激光SLAM的重定位方法，从而实现机器人已知地图的任何位置启动都能快速确定自身的位姿。

现在有激光SLAM难以在已知地图中实现初始定位使得机器人每次必须在同一桩点开机以保证获得正确的初始位姿。

发明内容

本发明为了克服现有技术的上述缺点，提供一种基于视觉特征联合激光SLAM的重定位方法。

本发明解决其技术问题所采用的技术方案是：

一种基于视觉特征联合激光SLAM的重定位方法，包括如下步骤：

S1：使用单目相机对周围环境进行拍摄，获得大数量不同的图像，组成数据集。提取数据集中的图像的ORB特征点：

提取帧图上的FAST角点，针对原始FAST角点，分别计算Harris响应值，然后选取前N个具有最大响应值的角点。构建图像金字塔，在每层检测角点，消除其尺度不变性，计算每个角点的灰度质心，使其具有方向性。

在上述提取的FAST角点中，结合灰度质心，对每个点进行计算其BRIEF描述子，作为ORB的描述子。

用K-meams++聚类算法将ORB特征点分类组建成K叉树结构的字典。

S2：将激光雷达和单目相机装在同一移动机器人上，联合标定，获取相机内参，获取相机-LiDAR外参，获得激光雷达与单目相机的位姿的变换矩阵[R，t]。

S3：初始化构建地图，使得机器人运动，激光雷达用传统SLAM方法构建环境地图并计算出机器人运动轨迹∑X_a，推算单目相机的运动轨迹为∑X_b＝[R，t]∑X_a

S4：单目相机在机器人运动过程中采集图像，并筛选其中的关键帧，然后用DBOW算法对关键帧进行ORB特征点提取，将其加入并更新字典，同时融入位姿信息。

筛选规则如下：

(1)当前处于定位模式下，不增加关键帧；

(2)距离上一次关键帧不得设定的最小帧数；

(3)特征点超过设定的最小阈值；

(4)与上一帧关键帧共视点小于相应比例；