基于滑动窗口的室内三维立体栅格地图特征点提取方法

摘要

本发明公开了一种基于滑动窗口的室内三维立体栅格地图特征点提取方法，包括如下步骤：步骤1、使用graph‑SLAM算法获取室内环境的三维立体栅格地图；步骤2、建立滑动窗口并计算占空比；步骤3、任意方向移动步骤2的滑动窗口，如果其占空比都发生明显变化则为初步特征点；步骤4、使用基于区域增长的方法对步骤1中的三维立体栅格地图进行平面分割；步骤5、对步骤4中分割后的三维立体栅格进行平面拟合；步骤6、计算步骤3中的初步特征点到其临近的三个平面的距离，若距离小于阈值，则为正确的特征点；步骤7、对步骤6中正确的特征点进行聚类。本发明能够解决基于图优化SLAM的前端构建和多机器人SLAM地图融合的问题。

权利要求

1.一种基于滑动窗口的室内三维立体栅格地图特征点提取方法，其特征在于，包括如下步骤：

步骤1、使用graph‑SLAM算法获取室内环境的三维立体栅格地图；

步骤2、建立滑动窗口并计算占空比；

其中，所述占空比为计算窗口内占据栅格的数量与空闲栅格的数量的比值；

步骤3、任意方向移动步骤2的滑动窗口，如果其占空比都发生明显变化则为初步特征点；

步骤4、使用基于区域增长的方法对步骤1中的三维立体栅格地图进行平面分割；

步骤5、对步骤4中分割后的三维立体栅格进行平面拟合；

步骤6、计算步骤3中的初步特征点到其临近的三个平面的距离，若距离小于阈值，则为正确的特征点；

其中，所述特征点为三个面相交的点；

步骤7、对步骤6中正确的特征点进行聚类。

2.根据权利要求1所述的基于滑动窗口的室内三维立体栅格地图特征点提取方法，其特征在于，步骤1中，所述三维立体栅格地图的每个栅格的取值范围为0～1。

3.根据权利要求1所述的基于滑动窗口的室内三维立体栅格地图特征点提取方法，其特征在于，步骤2中，以每个立体栅格为中心，建立一个7*7*7的滑动窗口。

4.根据权利要求3所述的基于滑动窗口的室内三维立体栅格地图特征点提取方法，其特征在于，分析滑动窗口内立体栅格的分布，计算窗口内占据栅格的数量与空闲栅格的数量的比值，其中，定义占据的栅格为1，空闲的栅格为0。

5.根据权利要求1所述的基于滑动窗口的室内三维立体栅格地图特征点提取方法，其特征在于，步骤4中，所述基于区域增长的方法为，从曲率最小的栅格出发，根据邻域栅格的特性来判断邻域栅格与该栅格是否属于一个平面。

6.根据权利要求5所述的基于滑动窗口的室内三维立体栅格地图特征点提取方法，其特征在于，所述邻域栅格的特性包括法线方向和曲率值。

7.根据权利要求1所述的基于滑动窗口的室内三维立体栅格地图特征点提取方法，其特征在于，步骤6中，所述距离被约束为：其中，A、B、C、D为平面方程的参数，x0、y0、z0为立体栅格的坐标，ε为距离阈值，当初步特征点到其临近的三个平面的距离阈值都小于ε时，该栅格为正确的特征点。

说明书

基于滑动窗口的室内三维立体栅格地图特征点提取方法

技术领域

[0001] 本发明属于移动机器人建图技术领域，特别是单机器人的graph‑SLAM以及多机器人SLAM技术，具体涉及一种基于滑动窗口的室内三维立体栅格地图特征点提取方法。

背景技术

[0002] 当移动机器人在室内环境下工作时，不能通过外部设备(如GPS)获得位姿信息时，此时，机器人可以通过自身携带的传感器去感知周围的环境并创建地图，然后再根据创建
的地图对机器人进行定位，这就是移动机器人的同时定位与建图(simultaneous 
localization and mapping，SLAM)技术，在此基础上，移动机器人才能够完成其他的工作，
如探索、路径规划、导航等。因此，SLAM是移动机器人在未知环境下执行复杂任务的基础，是
移动机器人智能化的关键。

[0003] 移动机器人SLAM算法主要分为基于滤波的方法和基于图优化的方法。基于滤波的方法只能预测和更新当前机器人的状态，如果某一时刻机器人的状态出现误差，那么这个
误差将会伴随着移动机器人建图的整个过程，因此基于滤波的方法不适用于大规模环境建
图。与传统的基于滤波的方法不同，graph‑SLAM是在采集完整地图的信息之后，用优化算法
来实现SLAM。graph‑SLAM算法可以分为前端和后端两部分，前端负责图的构建，主要包括顺
序数据关联和环路闭环检测两个过程。前端构造的图叫做位姿图(pose‑graph)，graph‑
SLAM的后端负责使用优化器对位姿图进行全局优化，将优化完成的位姿图继续进行闭环检
测，直到位姿图不再更新。

[0004] 地图可以分为二维地图和三维地图，三维地图信息更加丰富，能真实的将环境信息体现出来。目前，三维地图主要有点云地图和三维立体栅格地图。由于点云地图只能反映
出物体的表面信息，未将环境分为占据区域、空闲区域和未知区域，因此点云地图不能用作
移动机器人的导航，而三维立体栅格地图能够准确的反映真实的环境信息，能够为移动机
器人完成复杂任务提供地图信息。

[0005] 因此，研究三维立体栅格地图的特征点问题，对于单机器人和多机器人立体栅格地图融合有着重要的意义。

发明内容

[0006] 本发明目的是：提供一种基于滑动窗口的室内三维立体栅格地图特征点提取方法，用来解决基于图优化SLAM的前端构建和多机器人SLAM地图融合的问题。

[0007] 本发明的技术方案是：一种基于滑动窗口的室内三维立体栅格地图特征点提取方法，包括如下步骤：

[0008] 步骤1、使用graph‑SLAM算法获取室内环境的三维立体栅格地图；

[0009] 步骤2、建立滑动窗口并计算占空比；

[0010] 步骤3、任意方向移动步骤2的滑动窗口，如果其占空比都发生明显变化则为初步特征点；

[0011] 步骤4、使用基于区域增长的方法对步骤1中的三维立体栅格地图进行平面分割；

[0012] 步骤5、对步骤4中分割后的三维立体栅格进行平面拟合；

[0013] 步骤6、计算步骤3中的初步特征点到其临近的三个平面的距离，若距离小于阈值，则为正确的特征点；

[0014] 步骤7、对步骤6中正确的特征点进行聚类。

[0015] 上文中，所述室内环境可以选用如房间、走廊等场景。

[0016] 上述技术方案中，步骤1中，所述三维立体栅格地图的每个栅格的取值范围为0～1。其中，越接近0表示该栅格越可能是空闲的，越接近1表示该栅格越可能占据的，0.5表示
未知区域。

[0017] 上述技术方案中，步骤2中，以每个立体栅格为中心，建立一个7*7*7的滑动窗口。

[0018] 上述技术方案中，分析滑动窗口内立体栅格的分布，计算窗口内占据栅格的数量与空闲栅格的数量的比值，其中，定义占据的栅格为1，空闲的栅格为0。

[0019] 上述技术方案中，步骤4中，所述基于区域增长的方法为，从曲率最小的栅格出发，根据邻域栅格的特性来判断邻域栅格与该栅格是否属于一个平面。

[0020] 上述技术方案中，所述领域栅格的特性包括法线方向和曲率值。

[0021] 上述技术方案中，步骤6中，所述距离被约束为：

[0022]

[0023] 其中，A、B、C、D为平面方程的参数，x0、y0、z0为立体栅格的坐标，ε为距离阈值，当初步特征点到其临近的三个平面的距离阈值都小于ε时，该栅格为正确的特征点。

[0024] 上述技术方案中，步骤7中，对提取的特征点进行聚类，在同一角点处仅用少量的特征点去表征。

[0025] 本发明的特征点定义为三个面相交的点，如墙角，用这些特征点来表征三维立体栅格地图。

[0026] 本发明的优点是：

[0027] 本发明使用基于滑动窗口的方法对室内三维立体栅格地图提取特征点，根据窗口内角点与平面点、边缘点的占空比不同，提取初步特征点，再根据初步特征点到其临近三个
面的距离，剔除错误的特征点，最后，将提取的特征点进行聚类，同一角点处仅使用少量特
征点表示，从而解决了基于图优化SLAM的前端构建和多机器人SLAM地图融合的问题。

附图说明

[0028] 下面结合附图及实施例对本发明作进一步描述：

[0029] 图1为本发明实施例一的方法流程图

[0030] 图2为本发明实施例一的三维立体栅格地图。

[0031] 图3为发明实施例一的对特征点的定义示意图。

[0032] 图4为本发明实施例一的基于滑动窗口提取局部地图的初步特征点的示意图。

[0033] 图5为本发明实施例一的基于滑动窗口的立体栅格提取的特征点的示意图。

[0034] 图6为本发明实施例一的特征点聚类的示意图。

具体实施方式

[0035] 实施例一：

[0036] 参见图1所示，本发明涉及一种基于滑动窗口的室内三维立体栅格地图特征点提取方法，包括如下步骤：

[0037] 步骤1、使用graph‑SLAM算法获取室内环境的三维立体栅格地图；

[0038] 其中，参见图2所示，所述三维立体栅格地图是根据激光传感器和移动机器人IMU数据得到的；

[0039] 参见图3所示，本发明对特征点的定义为：三个面相交的点，如墙角，用这些特征点来表征三维立体栅格地图。

[0040] 步骤2、建立滑动窗口并计算占空比；

[0041] 其中，以每个立体栅格为中心，建立一个7*7*7的滑动窗口，分析滑动窗口内立体栅格的分布，计算窗口内占据栅格的数量与空闲栅格的数量的比值，其中，定义占据的栅格
为1，空闲的栅格为0。

[0042] 步骤3、任意方向移动步骤2的滑动窗口，根据滑动窗口内占空比的变化来判断该栅格是一个平面栅格、边缘栅格或特征点栅格，如果其占空比都发生明显变化则为初步特
征点；

[0043] 参见图4所示，图中红色的栅格(即A对应颜色的栅格)表示使用基于滑动窗口提取的初步特征点，从图中可以看出，角点处都能够提取出特征点，但是存在错误的特征点。

[0044] 步骤4、使用基于区域增长的方法对步骤1中的三维立体栅格地图进行平面分割；

[0045] 其中，所述基于区域增长的方法为，从曲率最小的栅格出发，根据邻域栅格的特性(法线方向、曲率值)来判断邻域栅格与该栅格是否属于一个平面。

[0046] 步骤5、对步骤4中分割后的三维立体栅格进行平面拟合；

[0047] 步骤6、计算步骤3中的初步特征点到其临近的三个平面的距离，若距离小于阈值，则为正确的特征点；

[0048] 具体地，所述距离被约束为：

[0049]

[0050] 其中，A、B、C、D为平面方程的参数，x0、y0、z0为立体栅格的坐标，ε为距离阈值，当初步特征点到其临近的三个平面的距离阈值都小于ε时，该栅格为正确的特征点。

[0051] 参见图5所示，图中红色的栅格(即B对应颜色的栅格)表示剔除错误特征点后的正确的特征点，从图中可以看出，在同一角点处分布着较多的特征点，这会造成特征点匹配的
重复计算，影响算法效率。

[0052] 步骤7、对步骤6中正确的特征点进行聚类，在同一角点处仅用少量的特征点去表征。

[0053] 参见图6所示，图中红色的栅格(即C对应颜色的栅格)表示聚类后的特征点。将距离相近的特征点进行聚类，以该类特征点的几何中心来代替之前的特征点，降低接下来算
法的计算量。

[0054] 本发明所称室内环境可以选用如房间、走廊等场景。

[0055] 本实施例中，步骤1中的三维立体栅格地图的每个栅格的取值范围为0～1。其中，越接近0表示该栅格越可能是空闲的，越接近1表示该栅格越可能占据的，0.5表示未知区
域。

[0056] 当然上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发
明主要技术方案的精神实质所做的修饰，都应涵盖在本发明的保护范围之内。