本發(fā)明涉及計算機領(lǐng)域，尤其涉及一種地圖構(gòu)建方法及機器人控制系統(tǒng)。
背景技術(shù)：
：在移動機器人領(lǐng)域，slam(simultaneouslocalizationandmapping是一個非常基礎(chǔ)而關(guān)鍵的問題，是機器人學(xué)領(lǐng)域最熱門的研究方向之一，在過去的近30年中得到了廣泛的關(guān)注與研究。slam研究領(lǐng)域的學(xué)者們提出了大量的slam方法，包括各種各樣的傳感器、優(yōu)化技術(shù)和地圖描述。獲得機器人工作空間的地圖是實現(xiàn)定位、避障、導(dǎo)航以及自主性任務(wù)的關(guān)鍵問題，尤其當(dāng)移動機器人工作在復(fù)雜、動態(tài)環(huán)境中，僅僅使用在板傳感器快速地生成并維護工作空間的3維地圖是非常重要的。激光掃描儀能夠以高頻率提供精確的環(huán)境的幾何測量，許多先進的slam系統(tǒng)結(jié)合各種改進的icp(iterativeclosestpoint)算法，計算觀測之間的相對運動。在移動機器人上配備機械臂可以通過2維激光掃描儀實現(xiàn)精確的3維定位，結(jié)合imu能夠在移動機器人平臺上實現(xiàn)地圖構(gòu)建，通過兩個激光掃描儀和icp算法能夠以毫米級的精度估計機器人位姿。但是，激光掃描儀存在笨重、昂貴和獲取信息量少的問題，此外，icp的缺陷包括依賴于良好的初始化估計以防止局部最小值和缺乏整體匹配質(zhì)量的衡量。激光掃描儀存在的主要不足是價格高、耗能大和體積重量大，如何通過更易于實現(xiàn)的方式實現(xiàn)地圖構(gòu)建，是當(dāng)前需要解決的技術(shù)問題。技術(shù)實現(xiàn)要素：本發(fā)明提供一種地圖構(gòu)建方法及機器人控制系統(tǒng)，能夠更易于實現(xiàn)地圖構(gòu)建。本發(fā)明實施例采用如下技術(shù)方案：一種地圖構(gòu)建方法，包括：提取當(dāng)前幀的特征點；獲取參考幀的特征點，根據(jù)所述當(dāng)前幀的特征點及所述參考幀的特征點，得出當(dāng)前位姿；通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到所述當(dāng)前幀；當(dāng)所述前幀符合新增關(guān)鍵幀的條件時，向所述局部地圖插入關(guān)鍵幀。可選的，所述提取當(dāng)前幀的特征點包括：對所述當(dāng)前幀采用orb算法檢測特征點并計算特征點的方向，通過隨機選取特征點鄰域內(nèi)的像素點對進行比較獲得所述特征點二進制描述符；所述根據(jù)所述當(dāng)前幀的特征點及所述參考幀的特征點，得出當(dāng)前位姿包括：根據(jù)運動模型預(yù)估所述參考幀的特征點在所述當(dāng)前幀的區(qū)域內(nèi)利用所述二進制描述符搜索匹配點，并通過方向一致性校驗優(yōu)化初始對應(yīng)點，通過幀間匹配計算出所述當(dāng)前位姿。可選的，還包括：所述局部地圖構(gòu)建過程中檢測冗余的關(guān)鍵幀并刪除?？蛇x的，還包括：根據(jù)所述局部地圖優(yōu)化所述關(guān)鍵幀的位姿，確定所述關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀；計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀；根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點?？蛇x的，所述根據(jù)所述局部地圖優(yōu)化所述關(guān)鍵幀的位姿，確定所述關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀包括：根據(jù)局部地圖優(yōu)化所述關(guān)鍵幀ki的位姿，檢測新插入的所述關(guān)鍵幀ki與其它關(guān)鍵幀是否構(gòu)成回路閉合；基于視覺詞袋模型計算所述關(guān)鍵幀ki和互可見圖中相鄰的關(guān)鍵幀之間的相似性，記錄最低得分smin，使用同樣的方法計算所述關(guān)鍵幀ki與地圖中其它關(guān)鍵幀之間的相似性，忽略所有得分低于smin的關(guān)鍵幀，在某個關(guān)鍵幀的互可見圖中連續(xù)檢測出3個候選回環(huán)關(guān)鍵幀，即確定該關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀；所述計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀，包括：檢測出候選閉環(huán)關(guān)鍵幀后，計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，所述相似變換即回環(huán)中的累積誤差，計算當(dāng)前關(guān)鍵幀和候選回環(huán)關(guān)鍵幀地圖點之間的對應(yīng)關(guān)系，得到一組3d到3d的對應(yīng)點，采用ransac迭代計算相似變換，達到擁有設(shè)定數(shù)量的內(nèi)點，則確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀；所述根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點，包括：根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點，更正當(dāng)前關(guān)鍵幀的位姿，進而將更正傳遞到閉合環(huán)路中的所有關(guān)鍵幀以及地圖點，所有的關(guān)鍵幀都將產(chǎn)生新的邊以將重新優(yōu)化后的關(guān)鍵幀連接成回環(huán)，消除回環(huán)中的累積誤差?？蛇x的，還包括：根據(jù)所述關(guān)鍵幀，生成點云地圖；根據(jù)所述點云地圖構(gòu)建3d環(huán)境的八叉樹地圖?？蛇x的，所述根據(jù)所述關(guān)鍵幀，生成點云地圖包括：確定空間位置[x,y,z]和像素坐標[u,v,d]之間的對應(yīng)關(guān)系：d＝z·s其中，fx、fy、cx和cy是攝像機內(nèi)部參數(shù)，通過校準攝像機校準獲得，s表示深度縮放因子，d表示圖像深度。那么，可以推導(dǎo)出像素在空間中的位置，采用矩陣的表達方式：其中，c為攝像機內(nèi)參矩陣，r和t分別表示攝像機的旋轉(zhuǎn)和位移?？蛇x的，所述根據(jù)所述點云地圖構(gòu)建3d環(huán)境的八叉樹地圖，包括：八叉樹中的葉子，用概率的形式表示是否被占據(jù)，對于葉子節(jié)點n，在1,2,…t時刻的觀測數(shù)據(jù)為z1,z2,...zt，則該節(jié)點記錄的信息：其中，p(n)一般情況下假設(shè)為0.5，此處引入logit變換：兩邊取logit變換，代入p(n)＝0.5，化簡后得：l(n|z1:t)＝l(n|z1:t-1)+l(n|zt)對于任意空間中任意一點，每次獲得新的觀測能夠直接加到原來的上面，因此更新方式靈活，父節(jié)點可以根據(jù)子節(jié)點的數(shù)值計算其占據(jù)概率，主要有取平均值和取最大值兩種方式，因此基于八叉樹地圖庫能夠在生成點云圖的過程中，實時的構(gòu)建3d環(huán)境的八叉樹地圖。一種機器人控制系統(tǒng)，包括：傳感器、計算機、控制板、機器人；所述傳感器獲取距離參數(shù)；所述控制板用于控制所述機器人；所述計算機用于執(zhí)行：提取當(dāng)前幀的特征點；獲取參考幀的特征點，根據(jù)所述當(dāng)前幀的特征點及所述參考幀的特征點，得出當(dāng)前位姿；通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到所述當(dāng)前幀；當(dāng)所述前幀符合新增關(guān)鍵幀的條件時，向所述局部地圖插入關(guān)鍵幀。可選的，所述計算機還用于執(zhí)行：所述局部地圖構(gòu)建過程中檢測冗余的關(guān)鍵幀并刪除；所述計算機還用于執(zhí)行：根據(jù)所述局部地圖優(yōu)化所述關(guān)鍵幀的位姿，確定所述關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀；計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀；根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點；所述計算機還用于執(zhí)行：根據(jù)所述關(guān)鍵幀，生成點云地圖；根據(jù)所述點云地圖構(gòu)建3d環(huán)境的八叉樹地圖。本發(fā)明實施例提供的地圖構(gòu)建方法及機器人控制系統(tǒng)，提取當(dāng)前幀的特征點；獲取參考幀的特征點，根據(jù)當(dāng)前幀的特征點及參考幀的特征點，得出當(dāng)前位姿；通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到當(dāng)前幀；當(dāng)前幀符合新增關(guān)鍵幀的條件時，向局部地圖插入關(guān)鍵幀。從而能夠更易于實現(xiàn)地圖構(gòu)建。附圖說明此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本發(fā)明的實施例，并與說明書一起解釋本發(fā)明的原理。圖1為本發(fā)明實施例提供的一種地圖構(gòu)建方法的流程圖。圖2為本發(fā)明實施例提供的一種機器人控制系統(tǒng)的結(jié)構(gòu)示意圖。圖3為本發(fā)明實施例提供的一種機器人控制系統(tǒng)的中傳感器成像示意圖。圖4為本發(fā)明實施例提供的一種機器人控制系統(tǒng)的控制板示意圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。實施例1本發(fā)明實施例提供一種地圖構(gòu)建方法，如圖1所示，該方法包括：11、提取當(dāng)前幀的特征點；12、獲取參考幀的特征點，根據(jù)所述當(dāng)前幀的特征點及所述參考幀的特征點，得出當(dāng)前位姿；13、通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到所述當(dāng)前幀；14、當(dāng)所述前幀符合新增關(guān)鍵幀的條件時，向所述局部地圖插入關(guān)鍵幀?？蛇x的，所述提取當(dāng)前幀的特征點包括：對所述當(dāng)前幀采用orb(orientedfastandrotatedbrief)算法檢測特征點并計算特征點的方向，通過隨機選取特征點鄰域內(nèi)的像素點對進行比較獲得所述特征點二進制描述符。具體的，對當(dāng)前幀采用orb算法檢測特征點并計算特征點的方向，方向信息在關(guān)鍵點特征描述符的匹配中非常有用，通過隨機選取特征點鄰域內(nèi)的像素點對進行比較獲得該特征點二進制描述符。視覺特征點的提取和描述基于opencv庫實現(xiàn)，其中每一幀提取1000個特征點，尺度因子為1.2，尺度分層數(shù)為8。所述根據(jù)所述當(dāng)前幀的特征點及所述參考幀的特征點，得出當(dāng)前位姿包括：根據(jù)運動模型預(yù)估所述參考幀的特征點在所述當(dāng)前幀的區(qū)域內(nèi)利用所述二進制描述符搜索匹配點，并通過方向一致性校驗優(yōu)化初始對應(yīng)點，通過幀間匹配計算出所述當(dāng)前位姿。具體的，當(dāng)前幀的特征點與參考幀的特征點存在對應(yīng)關(guān)系，根據(jù)運動模型預(yù)估參考幀的特征點在當(dāng)前幀的區(qū)域，在該區(qū)域內(nèi)利用上一步驟計算的二進制描述符搜索匹配點，并通過方向一致性校驗優(yōu)化初始對應(yīng)點。至此，獲得一系列3d到2d的對應(yīng)關(guān)系，在ransac方案中解決pnp(perspective-n-point)問題，通過幀間匹配計算出攝像機的當(dāng)前位姿?？蛇x的，所述通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到所述當(dāng)前幀包括：通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到當(dāng)前幀，構(gòu)造優(yōu)化特征估計位姿的殘差。優(yōu)化后得到的特征點的位置，比之前通過攝像機位姿估計的更精確，由此可優(yōu)化地圖中的特征點位置和攝像機的位姿。可選的，還包括：所述局部地圖構(gòu)建過程中檢測冗余的關(guān)鍵幀并刪除。具體的，精確的局部地圖有利于優(yōu)化幀間匹配的累積誤差，當(dāng)前幀符合新增關(guān)鍵幀的條件，則向局部地圖插入關(guān)鍵幀并采用視覺詞袋模型進行描述。檢查新插入的關(guān)鍵幀中的地圖點在相關(guān)的關(guān)鍵幀中的重投影誤差，忽略不能滿足極線約束的錯誤匹配。剔除不符合要求的地圖點以提高算法的魯棒性，減少存在誤差的地圖點對位姿估計的優(yōu)化造成不利影響。采用局部捆集調(diào)整(bundleadjustment，ba)優(yōu)化新的局部地圖，包括新插入的關(guān)鍵幀及其相關(guān)聯(lián)的關(guān)鍵幀，以及這些關(guān)鍵幀中的全部地圖點。由于ba的復(fù)雜度是關(guān)鍵幀數(shù)量的三次方，局部地圖構(gòu)建過程中檢測冗余的關(guān)鍵幀并刪除。在相同的場景下，關(guān)鍵幀的數(shù)量不會隨著攝像機的重復(fù)運動而無限制的增加。關(guān)鍵幀的增加僅在攝像機進入新的場景時而產(chǎn)生，有利于長時間的構(gòu)圖，刪除冗余關(guān)鍵幀能夠有效提升算法的實時性又能保持魯棒性。可選的，還包括：根據(jù)所述局部地圖優(yōu)化所述關(guān)鍵幀的位姿，確定所述關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀；計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀；根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點?？蛇x的，所述根據(jù)所述局部地圖優(yōu)化所述關(guān)鍵幀的位姿，確定所述關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀包括：根據(jù)局部地圖優(yōu)化所述關(guān)鍵幀ki的位姿，檢測新插入的所述關(guān)鍵幀ki與其它關(guān)鍵幀是否構(gòu)成回路閉合；基于視覺詞袋模型計算所述關(guān)鍵幀ki和互可見圖中相鄰的關(guān)鍵幀之間的相似性，記錄最低得分smin，使用同樣的方法計算所述關(guān)鍵幀ki與地圖中其它關(guān)鍵幀之間的相似性，忽略所有得分低于smin的關(guān)鍵幀，在某個關(guān)鍵幀的互可見圖中連續(xù)檢測出3個候選回環(huán)關(guān)鍵幀，即確定該關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀。具體的，根據(jù)局部地圖優(yōu)化關(guān)鍵幀ki的位姿，尤其是大尺度范圍中，仍存在誤差累積問題。檢測新插入的關(guān)鍵幀ki與其它關(guān)鍵幀是否構(gòu)成回路閉合，二者位姿偏差即為累積的誤差，進而優(yōu)化閉合回路中的所有關(guān)鍵幀。首先，基于視覺詞袋模型計算ki和互可見圖中相鄰的關(guān)鍵幀之間的相似性，記錄最低得分smin。然后，使用同樣的方法計算ki與地圖中其它關(guān)鍵幀之間的相似性，忽略所有得分低于smin的關(guān)鍵幀。最后，在某個關(guān)鍵幀的互可見圖中連續(xù)檢測出3個候選回環(huán)關(guān)鍵幀，即確定該關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀。所述計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀，包括：檢測出候選閉環(huán)關(guān)鍵幀后，計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，所述相似變換即回環(huán)中的累積誤差，計算當(dāng)前關(guān)鍵幀和候選回環(huán)關(guān)鍵幀地圖點之間的對應(yīng)關(guān)系，得到一組3d到3d的對應(yīng)點，采用ransac迭代計算相似變換，達到擁有設(shè)定數(shù)量的內(nèi)點，則確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀。具體的，檢測出候選閉環(huán)關(guān)鍵幀后，計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，該相似變換即回環(huán)中的累積誤差。計算當(dāng)前關(guān)鍵幀和候選回環(huán)關(guān)鍵幀地圖點之間的對應(yīng)關(guān)系，得到一組3d到3d的對應(yīng)點，采用ransac迭代計算相似變換。如果擁有足夠的內(nèi)點，那么就能確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀。所述根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點，包括：根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點，更正當(dāng)前關(guān)鍵幀的位姿，進而將更正傳遞到閉合環(huán)路中的所有關(guān)鍵幀以及地圖點，所有的關(guān)鍵幀都將產(chǎn)生新的邊以將重新優(yōu)化后的關(guān)鍵幀連接成回環(huán)，消除回環(huán)中的累積誤差。具體的，根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點。更正當(dāng)前關(guān)鍵幀的位姿，進而將更正傳遞到閉合環(huán)路中的所有關(guān)鍵幀以及地圖點。所有的關(guān)鍵幀都將產(chǎn)生新的邊以將重新優(yōu)化后的關(guān)鍵幀連接成回環(huán)，消除了回環(huán)中的累積誤差?？蛇x的，還包括：根據(jù)所述關(guān)鍵幀，生成點云地圖；根據(jù)所述點云地圖構(gòu)建3d環(huán)境的八叉樹地圖?？蛇x的，所述根據(jù)所述關(guān)鍵幀，生成點云地圖包括：確定空間位置[x,y,z]和像素坐標[u,v,d]之間的對應(yīng)關(guān)系：d＝z·s其中，fx、fy、cx和cy是攝像機內(nèi)部參數(shù)，通過校準攝像機校準獲得，s表示深度縮放因子，d表示圖像深度。那么，可以推導(dǎo)出像素在空間中的位置，采用矩陣的表達方式：其中，c為攝像機內(nèi)參矩陣，r和t分別表示攝像機的旋轉(zhuǎn)和位移。具體的，上述稀疏地圖主要為提升定位的精度和魯棒性服務(wù)，而不適合于避障等應(yīng)用，因此在高精度和高魯棒性的關(guān)鍵幀的基礎(chǔ)之上，采用點云圖和八叉樹地圖技術(shù)，構(gòu)建適合機器人導(dǎo)航等應(yīng)用的3d網(wǎng)格地圖。首先，3d環(huán)境可由一系列點描述：x＝{x1,x2,……,xn}，其中xi＝[r,g,b,x,y,z]，分別表示該點的顏色和空間位置共6個元素。對于rgb-d傳感器而言，顏色信息存儲于彩色圖像，絕對尺度的空間位置可以通過針孔攝像機模型和深度圖像的數(shù)據(jù)推算獲得。如圖2所示的針孔攝像機模型，根據(jù)幾何關(guān)系可得空間位置[x,y,z]和像素坐標[u,v,d]之間的對應(yīng)關(guān)系：d＝z·s其中，fx、fy、cx和cy是攝像機內(nèi)部參數(shù)，通過校準攝像機校準獲得，s表示深度縮放因子，d表示圖像深度。那么，可以推導(dǎo)出像素在空間中的位置，采用矩陣的表達方式：其中，c為攝像機內(nèi)參矩陣，r和t分別表示攝像機的旋轉(zhuǎn)和位移?？蛇x的，所述根據(jù)所述點云地圖構(gòu)建3d環(huán)境的八叉樹地圖，包括：八叉樹地圖能夠描述任意形式的3d環(huán)境，能夠以概率的形式更新，具有更新方式靈活、無需先驗知識和地圖形式非常緊湊等優(yōu)點。八叉樹中的葉子，用概率的形式表示是否被占據(jù)，對于葉子節(jié)點n，在1,2,…t時刻的觀測數(shù)據(jù)為z1,z2,...zt，則該節(jié)點記錄的信息：其中，p(n)一般情況下假設(shè)為0.5，此處引入logit變換：兩邊取logit變換，代入p(n)＝0.5，化簡后得：l(n|z1:t)＝l(n|z1:t-1)+l(n|zt)由上式可知，對于任意空間中任意一點，每次獲得新的觀測能夠直接加到原來的上面，因此更新方式靈活。父節(jié)點可以根據(jù)子節(jié)點的數(shù)值計算其占據(jù)概率，主要有取平均值和取最大值兩種方式，因此基于八叉樹地圖庫能夠在生成點云圖的過程中，實時的構(gòu)建3d環(huán)境的八叉樹地圖。本發(fā)明實施例提供的地圖構(gòu)建方法，提取當(dāng)前幀的特征點；獲取參考幀的特征點，根據(jù)當(dāng)前幀的特征點及參考幀的特征點，得出當(dāng)前位姿；通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到當(dāng)前幀；當(dāng)前幀符合新增關(guān)鍵幀的條件時，向局部地圖插入關(guān)鍵幀。從而能夠更易于實現(xiàn)地圖構(gòu)建。實施例2本發(fā)明實施例提供一種機器人控制系統(tǒng)，該機器人控制系統(tǒng)可以應(yīng)用上述實施例1提供的方法。如圖3所示，該系統(tǒng)包括：傳感器21、計算機22、控制板23、機器人24；所述傳感器21獲取距離參數(shù)；所述控制板23用于控制所述機器人；所述計算機22用于執(zhí)行：提取當(dāng)前幀的特征點；獲取參考幀的特征點，根據(jù)所述當(dāng)前幀的特征點及所述參考幀的特征點，得出當(dāng)前位姿；通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到所述當(dāng)前幀；當(dāng)所述前幀符合新增關(guān)鍵幀的條件時，向所述局部地圖插入關(guān)鍵幀?？蛇x的，所述計算機22還用于執(zhí)行：所述局部地圖構(gòu)建過程中檢測冗余的關(guān)鍵幀并刪除；所述計算機還22用于執(zhí)行：根據(jù)所述局部地圖優(yōu)化所述關(guān)鍵幀的位姿，確定所述關(guān)鍵幀作為候選回環(huán)關(guān)鍵幀；計算新插入的關(guān)鍵幀與閉環(huán)關(guān)鍵幀之間的相似變換，確定閉環(huán)檢測和閉環(huán)關(guān)鍵幀；根據(jù)確定的閉環(huán)關(guān)鍵幀，在互可見圖中插入新的邊以連接閉環(huán)，融合重復(fù)的地圖點；所述計算機22還用于執(zhí)行：根據(jù)所述關(guān)鍵幀，生成點云地圖；根據(jù)所述點云地圖構(gòu)建3d環(huán)境的八叉樹地圖。本發(fā)明實施例的計算機22的詳細功能可以參照上述實施例1，此處不贅述。在一個實施例中，該機器人控制系統(tǒng)可以采用如下平臺硬件設(shè)計：傳感器21采用硬件kinect2.0、計算機22采用微型計算機(例如i7處理器的微型計算機。)、控制板23采用pixhawk、機器人23為移動機器人，移動機器人平臺基座為axialax10。可選的，移動機器人平臺的基座為ax-10攀爬車的底座，具備多功能爬行能力和靈活的速度控制特性，由ae-2esc和20t電機提供動力，as-3金屬齒輪伺服系統(tǒng)安全且精確的控制。移動機器人平臺底座見相關(guān)參數(shù)如下表：規(guī)格數(shù)值軸距(mm)307長度(mm)467.4寬度(mm)295.3高度(mm)238離地間隙(mm)76.2重量(kg)1.9可選的，微軟的kinect2.0傳感器提供了一個基于在板的tof距離傳感器。kinect2.0由多個傳感器組成，包括rgb數(shù)字攝像機、麥克風(fēng)和3dtof距離攝像機傳感器，能夠提供深度圖像，相關(guān)參數(shù)如下表所示：規(guī)格數(shù)值rgb攝像機像素精度1920×1080tof攝像機像素精度512×424幀速率30fpstof傳感器深度距離(m)0.5-4.5傳感器尺寸(cm)25×6.5×6.5可選的，主控計算機是移動機器人平臺視覺定位與地圖構(gòu)建算法以及自主控制的核心，它主要處理視覺傳感器的數(shù)據(jù)并對整個平臺進行控制，要求處理能力強和運行速度快。龍浩微動研發(fā)的高性能、低功耗、低輻射、全功能單板計算機，其硬件參數(shù)和處理運行速度能夠滿足移動機器人實時運行的要求，且能完成定位、地圖構(gòu)建、障礙物檢測和路徑規(guī)劃等高級任務(wù)的計算需求，同時具有足夠的存儲空間來記錄數(shù)據(jù)。下表為本文主控計算機的配置硬件參數(shù)，主控計算機通過usb3.0接口與kinect2.0連接，通過usb2.0接口與pixhawk建立連接，在板主控計算機搭載ubuntu14.04lts操作系統(tǒng)、indigo版的機器人操作系統(tǒng)(ros)和opencv(2.4.11)圖像處理庫。可選的，pixhawk控制板控制部分是執(zhí)行命令和驅(qū)動控制的樞紐，主控計算機接收kinect2.0傳感器數(shù)據(jù)，通過vslam算法構(gòu)建環(huán)境的3d地圖同時估計機器人平臺的當(dāng)前位姿估計。pixhawk控制板是一個高性能的自動駕駛模塊，兼容固定翼飛行器、多旋翼飛行器、直升機、車輛和船舶等移動機器人平臺。pixhawk控制板是一款開源的微控制平臺，裝配了具有強處理能力的stm32f427cortexm4168mhz微處理器，ram為256kb，flash存儲為2mb。除了主要的cpu外，還有一個stm32f103處理器，避免主處理器失效時機器人平臺的失控。為了拓展自主能力，pixhawk控制板提供了多個接口來連接外部傳感器，如圖4所示。pixhawk主要參數(shù)如下本發(fā)明實施例提供的機器人控制系統(tǒng)，提取當(dāng)前幀的特征點；獲取參考幀的特征點，根據(jù)當(dāng)前幀的特征點及參考幀的特征點，得出當(dāng)前位姿；通過幀間配準獲取的位姿估計存在累積誤差，將局部地圖中的關(guān)鍵幀的特征點投影到當(dāng)前幀；當(dāng)前幀符合新增關(guān)鍵幀的條件時，向局部地圖插入關(guān)鍵幀。從而能夠更易于實現(xiàn)地圖構(gòu)建。以上，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以權(quán)利要求的保護范圍為準。當(dāng)前第1頁12