多机器人协作式同步定位与地图创建技术综述.docxVIP

多机器人协作式同步定位与地图创建技术综述 全球定位算法和地图创建（sla）。 在未知环境中，单个机器人的定位精度、地图拼接速度和鲁棒性都受到限制，多机器人协作SLAM是有效的解决方案。SLAM算法可以创建多种不同形式的地图，栅格地图在实时环境中比其他种类的地图更有助于机器人的定位导航。在多机器人协作系统中，需要将多个栅格地图进行拼接，以构建全局地图，因此拼接技术在多机器人系统的栅格地图形成中是关键技术点。文献 在对比已有算法特点的基础上，本文提出一种基于改进PCA-SIFT算法 1 栅格地图参数化 假设系统中有A、B两个机器人。A为主机，完成图像拼接;B为从机，将本地地图发送给主机A。A、B机器人生成的栅格地图点集数据分别为 多机器人栅格地图拼接中的要点之一是在栅格地图创建之前，快速精确地计算出刚体变换矩阵T={R,t}的参数，则栅格图像拼接问题变成栅格地图对应特征点配准问题，即 对于式(1)所描述的数学模型，常规基于PCA-SIFT算法栅格图像拼接的步骤如下。 (1)选择具有代表性的栅格地图，构建投影矩阵，并存储。 (2)先建立高斯金字塔，再建立高斯差分金字塔。 (3)在高斯差分金字塔中，寻找最优的特征点。 (4)在高斯金字塔中，建立特征点的描述符，用描述符在投影矩阵上投影。 (5)特征点匹配，计算R和t的值，对栅格地图B进行旋转平移，与栅格地图A叠加拼接。 对于传统基于PCA-SIFT算法的栅格地图拼接，在步骤(3)中寻找特征点速度较慢，算法比较复杂;步骤(5)存在特征点匹配易出现错误匹配点、栅格地图直接叠加出现“鬼影”等缺点。所提出的改进算法使用FAST算法 2 特征点筛选和筛选 基于传统做法，需要在计算高斯金字塔及差分高斯金字塔的基础上生成特征点并完成优选。本文的改进算法在高斯金字塔的基础上，直接采用改进PCA-SIFT算法，进行特征点的优选，达到了在基本保证拼接质量的情况下，有效提升计算速度的目的。 2.1 建立尺度空间 使用FAST算法在高斯金字塔中寻找极值点，减小算法的复杂度，具体步骤如下。 (1)构建尺度空间，如式(2)所示: 式中， (2)在L(x,y，σ)中任选像素点p作为圆心，画直径为9个像素的圆，圆上有16个像素点，分别为p (3)设定阈值t。若在{p 2.2 ．面:区域块与非边缘分布的双向成像 特定点描述符的建立步骤如下。 (1)选择具有代表性栅格地图作为样本地图，建立投影矩阵并进行储存。按照2.1节算法检测特征点，每一个特征点旋转至与特征点主方向一致，以特征点为中心选择m×n的区域块(本文选择使用41×41的区域块)，并计算区域块中非边缘像素点的垂直和水平方向的梯度，则形成向量维数dim=(41-2)×(41-2)×2=3042。若有i个特征点，则构成矩阵M (2)计算M矩阵的协方差: 式中，mean(M)代表矩阵的平均值，cov M为M的协方差矩阵。再计算协方差矩阵cov M的特征值λ=(λ (3)按照2.1节算法寻找特征点，并旋转特征点坐标与特征点的主方向一直。以特征点为中心，选取41×41的窗口，并计算窗口中非边缘区域的水平和垂直方向上的梯度，则生成了维数为3042的描述符H。描述符H与投影矩阵N相乘: 则生成了一个36维的PCA-SIFT描述符。 3 特征域地图的组合 3.1 匹配特征点 已经获得了两张栅格地图的改进PCA-SIFT特征描述符，需要对两张图片的特征描述符进行匹配。栅格地图B中的特征点b 3.2 错误匹配的匹配 3.1节中已对栅格地图A和B的特征点进行了匹配，但是会有很多错误匹配。针对RANSAC(随机采样一致性)对成对匹配点的优劣难以准确判断的缺点，使用MAPSAC算法选择最优的成对匹配点。具体函数定义为 3.3 地图叠加拼接时，两地地图商 图像特征点匹配之后，栅格地图的刚体变换关系也得到确定。若是直接将两幅地图进行叠加拼接，会出现很严重的噪声，不利于机器人根据栅格地图进行定位。使用Szeliski 式中，w 4 特征点匹配算法对比 为了验证所提出算法在栅格地图拼接的速度和精度，在国外学者提供的栅格地图公开数据集Fr079 图2为Fr079公开数据集生成的两组不同重叠百分比的栅格地图。图3为两幅栅格地图的拼接结果图，其中，图3(a)拼接效果良好，并未出现“鬼影”，图3(b)由于重叠部分百分比较低，在未重叠的栅格地图部分出现“鬼影”，但不影响机器人识别地图。 表1和表2分别为高重叠百分比地图和低重叠百分比地图采用SIFT算法、PCA-SIFT算法和本文算法进行匹配时，所得到的每一组栅格地图A和栅格地图B的特征点数量、匹配组数和完成拼接所需时间。在本实验中，基于SIFT算法、PCA-SIFT算法和本文算法的匹配阈值都设为0.6。本文方法使用FAST算法进行特征点检测，比SIFT