[发明专利]一种弱特征环境下的移动机器人建图方法

权利要求书

1.一种弱特征环境下的移动机器人建图方法，其特征在于，将机器人位姿作为顶点，位姿关系作为边，通过优化顶点满足边构成的约束，完成建图。

2.根据权利要求1所述的一种弱特征环境下的移动机器人建图方法，其特征在于，具体包括以下步骤：

S1、通过传感器采集机器人的位姿数据；

S2、机器人运动至下一位置，使用体素网格滤波器对点云数据进行采集；

S3、采用改进的扫描匹配算法对采集到的点云数据进行计算，若扫描匹配结果为已知子地图，则对已知子地图进行优化，然后执行步骤S4；否则，插入新的位姿点，更新子地图，执行步骤S4；

S4、判断建图是否完成，若完成，则结束；否则返回步骤S2。

3.根据权利要求2所述的一种弱特征环境下的移动机器人建图方法，其特征在于，步骤S3具体包括以下分步骤：

S31、取两帧点云数据，将两帧点云数据各自均分为k组，并计算两帧点云数据各自的质心，若质心在所划分组内，则将这一组移除；

S32、从经步骤S31处理后的两帧点云数据各取一组构成矩阵W，计算矩阵W的旋转矩阵与平移矩阵；

S33、根据旋转矩阵与平移矩阵计算两帧点云的距离，若距离小于设定的阈值，则说明两组匹配，否则不匹配；

S34、重复步骤S32-S33，直至完成所有组的匹配，判断匹配组数是否满足要求，若是则匹配成功，则对已知子地图进行优化，然后执行步骤S4；否则，插入新的位姿点，更新子地图，执行步骤S4。

4.根据权利要求3所述的一种弱特征环境下的移动机器人建图方法，其特征在于，步骤S32具体为：若矩阵W满秩，则由奇异值分解计算算矩阵W的旋转矩阵与平移矩阵；否则，通过使得E(R，t)最小，迭代求解算矩阵W的旋转矩阵与平移矩阵，其中，R表示矩阵W的旋转矩阵，t表示矩阵W的平移矩阵，p_i表示第p组第i个点云数据，q_i表示第q组第j个点云数据，n表示每组的点云个数。

5.根据权利要求4所述的一种弱特征环境下的移动机器人建图方法，其特征在于，步骤S34所述插入新的位姿点，更新子地图，具体为：当匹配失败时，则判断机器人目前所处的位置为新的位姿点，不在已知的子地图上，则插入新的位姿点，更新子地图。