[发明专利]一种基于Karto SLAM的鲁棒闭环检测新方法

说明书

本发明涉及一种基于Karto SLAM的鲁棒闭环检测新方法，首先设计快速窗口滤波算法对激光数据进行滤波，然后使用延迟决策策略对闭环检测部分进行优化，优化后的闭环检测与算法原闭环检测方法不同之处在于该策略不会在a、b两点观察到了相同的环境信息后就认为机器人来到了原来的地方，在c、d点观察到了相同的环境信息后才会触发闭环检测。在一定程度上提高了系统闭环检测的准确率，进一步提高了机器人后续路径规划、导航等相关工作的精度，解决了机器人在特殊场景(如巷道、走廊)下的定位与建图问题，因此在一定程度上也提高了该算法的实用性和鲁棒性。

技术领域

本发明设计属于机器人定位与导航技术领域，具体涉及一种基于Karto SLAM的鲁棒闭环检测新方法。

背景技术

同步定位与构图(SLAM)被描述为机器人在未知环境的未知位置通过自身的传感器来时刻更新自己的位置和地图。近年来，SLAM相关智能机器人相关产业如火如荼，激光SLAM关键技术在智能机器人产品中也广泛应用，如扫地机器人、无人机、自动驾驶汽车等。激光SLAM中基于图优化方法的SLAM算法与基于滤波的SLAM不同之处在于它根据历史所有的观测数据，将机器人不同时刻的位姿作为顶点，把机器人在不同位置上的观测所产生的约束作为图优化顶点之间的边或约束，基于图优化方法的SLAM在环境地图较大的情况下也能够很好的完成定位与建图任务，具有精度高、速度快的优点。

基于图优化方法的SLAM闭环检测过程主要有帧-帧、帧-图、图-图三种检测方法。帧-图因比其他两种方法计算量小，而且检测较为准确而成为了目前主流闭环检测方法。回环检测即闭环检测，指机器人在建图过程识别出曾经来过某个地方的能力。随着时间推移，机器人行走路径延长，累计误差也会增大，使用闭环检测来优化机器人位姿、减少累计误差变得至关重要。正确的闭环检测能够及时矫正地图，有助于机器人快速、准确的进行后续路径规划或者导航等工作，错误的闭环检测将会导致构图杂乱歪扭，定位失败。

正常情况下现有的Karto SLAM算法能够较好的满足实际建图与定位要求，但是在一些特殊的应用场景，如巷道、走廊这些环境特征较为相似的应用场景下该算法同样存在闭环检测极易出现错误的情况，并且机器人激光数据采集设备容易因路面不平坦、设备本身不稳定导致返回的激光数据存在抖动和噪声，因此为了提高闭环检测的精度，本发明提出了一种基于Karto SLAM的鲁棒闭环检测新方法，利用快速窗口滤波算法处理抖动激光雷达数据，输入滤波后的激光雷达数据进行扫描匹配和闭环检测，采用延迟决策来提高闭环检测的准确率，让机器人在特殊场景下也能很好的完成同步定位与构图。

发明内容

要解决的技术问题

为了解决现有的Karto SLAM算法在由于地面不平稳设备发生抖动情况下并处于环境特征较为相似(如巷道、走廊)的应用场景下容易出现错误的闭环检测问题，本发明提供一种基于Karto SLAM的鲁棒闭环检测新方法。

技术方案

一种基于Karto SLAM的鲁棒闭环检测新方法，其特征在于步骤如下：

步骤1：接收激光雷达扫描仪扫描的环境信息；

步骤2：利用快速窗口滤波算法对输入的激光雷达抖动信息进行预处理：

步骤2.1：设定窗口大小，确定窗口中激光雷达数据点个数；

步骤2.2：计算窗口内所有点的均值

步骤2.3：设定参数δ，比较p(x)与δ·p'(x)的大小；

步骤2.4：如果p(x)大于δ·p'(x)，p(x)替换为δ·p'(x)，反之，p(x)小于δ·p'(x)，认为数据未波动，p(x)保持不变；

步骤3：通过上一时刻位姿数据和里程计数据对初始位置进行预测；