扫地机器人增强位姿融合的Cartographer算法及系统实现-张亮，刘智宇，曹晶瑛，沈沛意，蒋得志，梅林，朱光明，苗启广.pdf
免费下载
软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2020,31(9):2678−2690 [doi: 10.13328/j.cnki.jos.005937] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563
扫地机器人增强位姿融合的 Cartog ra pher 算法及系统实现
∗
张
亮
1,3
,
刘智宇
1
,
曹晶瑛
2
,
沈沛意
1
,
蒋得志
1
,
梅
林
1
,
朱光明
1
,
苗启广
1
1
(西安电子科技大学 计算机科学与技术学院,陕西 西安 710071)
2
(北京石头世纪科技有限公司,北京 100039)
3
(上海宽带技术及应用工程研究中心,上海 200436)
通讯作者: 沈沛意, E-mail: pyshen@xidian.edu.cn
摘 要: Cartographer 是谷歌在 2016 年开源的一个可以在多传感器配置下实现低计算资源消耗的 SLAM 算法框
架.针对原有 Cartographer 中位姿融合不准确、存在延迟的问题,首先设计了一种基于位姿增量的多传感器位姿融
合方法;随后,针对扫地机器人 Player 平台,设计并实现了基于增强 Cartographer 算法的多模块 SLAM 系统;最后,通
过 Cartographer 数据集的实验分析和真实场景的实际测试,验证了增强 Cartographer 算法的有效性以及 SLAM 系统
在 Player 机器人平台上的可用性.
关键词: 扫地机器人;Cartographer;多传感器位姿融合;SLAM 系统
中图法分类号: TP242
中文引用格式: 张亮,刘智宇,曹晶瑛,沈沛意,蒋得志,梅林,朱光明,苗启广.扫地机器人增强位姿融合的 Cartographer 算法及系
统实现.软件学报,2020,31(9):2678−2690. http://www.jos.org.cn/1000-9825/5937.ht m
英文引用格式: Zhang L, Liu ZY, Cao JY, Shen PY, Jiang DZ, Mei L, Zhu GM, Miao QG. Cartographer algorithm and system
implementation based on enhanced pose fusion of sweeping robot. Ruan Jian Xue Bao/Journal of Software, 2020,31(9):
2678−2690 (in Ch inese). http://www.jos.org.cn/1000-9825/5937.htm
Cartographer Algorithm and System Implementation Based on Enhanced Pose Fusion of
Sweeping Ro bot
ZHANG Liang
1,3
, LIU Zhi-Yu
1
, CAO Jing-Ying
2
, SHEN Pei-Yi
1
, JIANG De-Zhi
1
, MEI Lin
1
,
ZHU Guang-Mi ng
1
, MIAO Qi-Guang
1
1
(School of Computer Science and Technology, Xidian University, Xi’an 710071, China)
2
(Beijing Roborock Technology Co., Ltd, Beijing 100039, China)
3
(Shanghai Broadband Network Technology and Application Engineering Research Center, Shanghai 200436, China)
Abstra ct : Cartographer is Google’s 2016 open source SLAM algorithm framework for low computational resource consumption in
multi-sensor configurations. In this study, due to the inaccurate middle posture fusion and delay of the original Cartographer, a multi-
sensor posture fusion method b ased o n posture in crement was d esigned. Su bsequently, the mul ti-module SLAM s ystem b ased on enhanced
Cartographer algorithm was designed and implemented for the cleaning robot Player platform. Finally, the effectiveness of the enhanced
Cartographer algorithm and th e usability of the SLAM system on the Player robot pl atform were verified by the experimental analysis of
the Cartographer data set and th e actual test of the r eal scenario.
∗ 基金项目: 国家自然科学基金(61401324, 61305109); 陕西省重点研发计划(2018ZDXM-GY-36)
Foundation item: National Natural Science Foundation of China (61401324, 61305109); Shaanxi Province Key Research and
Development Program (2018ZDXM-GY-36)
本文由“智能嵌入式系统”专题特约编辑王泉教授、吴中海教授、陈仪香教授、苗启广教授推荐.
收稿时间:
2019-06-27; 修改时间: 2 019-08-18; 采用时间: 2019-11-02; jos 在线出版时间: 2020-01-13
CNKI 网络优先出版: 2020-01-14 11 :26:53, http: //kns.cnki.net/kcms/d etail/11.2560.TP.20200114.1126.019.html
张亮 等:扫地机器人增强位姿融合的 Cartographer 算法及系统实现
2679
Key words: sweeping robot ; Cartogr apher; multi-s ensor pose fusion; SLAM syst em
同步定位与地图构建(simultaneo us localization and ma pping ,简称 SLAM) 产生于机器人领域
[1]
,它指的是:机
器人从未知环境的未知地点出发,在运动过程中,通过重复观测到的各传感器数据定位自身位置,再根据自身位
置构建周围环境的增量式地图,从而达到同时定位和地图构建的目的.服务机器人为实现高智能化,在复杂的非
结构场景完成任务,SLAM 技术是必要条件
[2,3]
.
目前广泛应用于 SLAM 上的传感器分为摄像头和激光雷达两种,对应视觉 SL AM
[4]
和激光 SLAM. 在实际
使用中,单个传感器难以适应复杂多变的环境要求,需要惯性测量单元以及里程计等传感器辅助,增强环境的适
应性.视觉 SLAM 的优点是具有语义信息、成本低,但易受光照影响,同时计算量较大.激光 SL AM 具有可靠性
高、精度高、地图可用于路径规划等优点,是目前最主流的定位导航方法,缺点是无语义信息且成本较高.
SLAM 本质是个系统状态估计问题,即:在给定系统输入的条件下,估计出机器人的位姿和地图点的坐标,延
伸出基于贝叶斯滤波
[5]
以及基于图优化
[6]
的两类 SLAM 算法.
基于贝叶斯滤波的方法是一种贝叶斯迭代状态估计理论,即先对机器人运动进行建模,构造出贴合物理场
景的运动方程和观测方程,进行状态预测和测量更新.滤波类算法最大的问题是无法处理大尺度场景的建图.由
于滤波类算法是基于递归计算的,下一时刻的估计值依赖于上一时刻的估计,因而在大尺度场景下,由于系统参
数和传感器观测数据的不准确性,会造成误差慢慢累积,一旦当前时刻的估计出现偏差,无法修正该误差,最终
将无法获得一致性的地图.基于图优化 SL A M 的出现,解决了大尺度场景建图的问题.图优化 SLAM 分为前端和
后端两个模块:前端先从里程计获得初始的位姿,然后通过激光雷达数据连续帧匹配,求得激光约束后的位姿;
后端采用回环检测,构造闭环约束,通过最小化观测和估计残差求得优化后的位姿
[7]
.在前端中会产生由估计所
引入的误差,随着运动范围的扩大,该误差会逐渐累积,导致最后产生错误的结果.为解决该问题,在后端使用闭
环检测进行全局优化,通过判断机器人是否回到历史中的某一点,添加约束较强的闭环约束,消除误差累积.
图优化的 SLA M 核心是构建位姿图,图中每个节点表示不同时刻机器人的位姿,边由各个节点间的变换关
系构成.其中:节点是优化变量;边是误差项,随着时间的累积,这个误差会越来越大.图构建完成后,需要调整机器
人位姿去满足边构成的约束,最终目的是求解机器人位姿使目标函数即误差平方函数最小,可表示为
,, ,
,
() (, , ) (, , )
Ω
∈
=
∑
ijij ij ijij
ijC
Fx ex x z ex x z
(1)
其中,x
i
,x
j
表示机器人位姿,z
i,j
表示测量值,
Ω
i,j
即权重矩阵.
本文的研究内容包括:
(1) 以应用日趋广泛的扫地机器人为研究对象,依托于低成本硬件嵌入式扫地机器人,以 Cartogra phe r 算
法
[8]
为核心,在 Player 系统平台上,融合激光雷达、惯性导航仪以及里程计等多种传感器数据来感知
环境、构建地图,并在各种实际场景进行实验;
(2) 针对 Cartographer 中,位姿融合采用 UKF(unscented kalman filter)滤波方法带来计算量较大且提供下
一时刻位姿估计不够准确的问题,本文提出了一个基于位姿增量的多传感器位姿融合方法的增强
Cartographer 算法;
(3) 基于扫地机器人 Player 平台,实现了一个基于增强 C art ogr aphe r 算法的 SLAM 系统,系统分为 6 个模
块:系统配置模块完成初始配置,其中,接口通信模块完成与平台上其他系统的交互,Player 传感器数
据交互模块完成与 Play er 平台的交互,数据管理及分发模块完成与算法交互,算法模块完成建图,数据
处理算法模块进行数据处理.
1 增强位姿融合的 Car tographer 算法
本节在 Carto grapher 算法的基础上设计了基于增强型的位姿融合方法:首先给出增强型位姿融合的 SLAM
算法框架,该算法包含局部 SLAM(前端)和全局 SL A M(后端)两部分;然后,对局部 SLAM 的组成和基于位姿增量
的多传感器位姿融合进行分析设计;最后分析了全局优化过程中基于分支定界法加速回环检测的算法.
of 13
免费下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论