一种融合激光和深度视觉传感器的SLAM地图创建方法

第33卷第10期2016萃1〇月计算机应用研究Application Research of ComputersVol. 33 No. 10Oct. 2016一种融合激光和深度视觉传感器的SLAM 地图创建方法$张毅，杜凡宇，罗元，熊艳(重庆邮电大学信息无障碍工程研发中心，重庆400065)摘要：针对移动机器人的不确定复杂环境，一般采用单一传感器进行同时定位和地图创建（S L A M )存在精度 较低，并且易受干扰、可靠性不足等问题，提出一种基于B a y e s 方法的激光传感器和R G B -D 传感器的信息融合S L A M方法。

利用B a y e s 方法通过概率启发式模型提取光束投影到栅格地图单元，充分利用激光与视觉信息中的冗余信息，提取一致性特征信息，并进行特征级的信息融合;在地图更新阶段，提出一种融合激光传感器和视 觉传感器的贝叶斯估计方法，对栅格地图进行更新。

在使用R 0S (移动机器人操作系统）的实验平台上的实验 表明，多传感器信息融合可以有效提高S L A M 的准确度和鲁棒性。

关键词：贝叶斯；地图创建；深度视觉；多传感器融合；导航中图分类号：T P 274文献标志码：A文章编号：1001-3695(2016)10-2970-03d o i : 10. 3969/j . is s n . 1001-3695.2016.10.022Map-building approach based on laser and depth visual sensor fusion SLAMZhang Y i ，Du F a n y u , Luo Y u a n , X io n g Y an(Engineering Research Center of Information Accessibility , Chongqing University of Posts & Telecommunications, Chongqing 400065 , China )Abstract ： W hen robots locate themselves in com plex and u n certa in ty e n vironm ents , the sim ultaneous localiza tion and m apping(S L A M ) system w ith a single sensor is poor in accuracy and r e lia b ility ,and susceptible to the inte rfe re n ce . T h is paper presen ­ted a m ethod o f data fusion fo r laser and depth visual based on Bayesian estim ation S L A M , w hich were inte rpre ted by a pro b a b i ­lis tic h e u ristic m odel th a t abstracted the beam in to a ray casting to an occupied g rid c e ll and take fu ll advantage o f re d u n d a n ce , features info rm atio n o f consistency proposed and fu sio n . In order to update the occupancy g r id ,it a p plied the Bayesian estim a ­tio n m ethod to both sensor data arrays . E xperim ent based on ROS study shows th a t m u lti-senso r based on Beyesian yie ld s a sig ­n ific a n t im provem ent between accuracy and robustness about S L A M .Key words ： B ayes ； m ap -b u ild in g ； depth v is io n ； m u lti-senso r fu s io n ； navigation 同时定位和地图创建（sim ultaneous lo ca liza tio n and m ap -p in g ，S LA M )是移动机器人在解决未知环境中的探索、侦查、导航等各项问题的基础和关键。

机器人根据自身携带的传感器 获取观测信息创建环境地图，同时根据部分已创建地图估计机 器人的位姿[1]。

自从S m k h 等人提出该问题的概率方法以来，S L A M广受关注，成为当前智能机器人研究的热点问题，被很多著名学者认为是实现真正全自主移动机器人的关键。

在实 际应用中，采用单一传感器存在漏检、检测精度不高、目标信噪 比较低等问题。

而多传感器融合系统采用多个传感器量测冗 余和互补信息，通过多源数据融合技术有效提升同时定位和地 图创建的观测区域、鲁棒性、容错性以及定位精度。

多传感器数据融合已经运用于机器人的许多方面,如地图 创建、定位、路径规划、探险、同时定位和地图创建。

文献[2 ~ 6 ]将多传感器融合得到的环境地图进行S L A M 研究，都取得了 较好的效果。

一旦创建了环境地图，分层架构的移动机器人将 会应用定位、路径规划、避障和控制等模块完成相应的功能，实 现机器人的完全自治。

其中，贝叶斯方法提供了传感器融合问题方面的一些基本方法，它也是数据融合方法的理论基础。

本 文采用改进的贝叶斯方法将新颖的R G B -D 深度视觉传感器数 据与激光传感器数据融合,建立机器人环境的合理不确定度模 型并进行地图的创建。

所采用的传感器概率模型为投影栅格 法。

最后本文通过实验验证其可行性，从而也表明通过多传感 器融合能够创建更可靠、更精确的地图。

1传感器模型微软X b 〇x 360 R G B -D 视觉传感器如图1所示。

它可以同时获得环境颜色信息（R G B )和深度信息（d e p th )，水平视角为 58。

，垂直视角为45。

，观测距离为0. 8 ~ 3. 5 m 。

H o k u y o 激光测 距仪(la s e r range fin d e r ,L R F )如图2所示。

其结构简单，扫描 速度快,且数据点密集、准确。

它的感知距离为0.1 ~30 m ，测 量精度为±3 m m ，容差为10 m 。

每秒可以进行40次270。

范围 内的扫描。

H o k u y o 激光测距仪和R G B -D视觉传感器的测量范围如图3所示。

激光测距仪测量范围明显比R G B -D 视觉传感器测收稿日期：2015-07-15;修回日期：2015-08-31基金项目：科技部国际合作资助项目（2010DFA12160);重庆市科技攻关资助项目(CSTC2010AA2055)作者简介：张毅（1965-),男，重庆潼南人，教授，博士，主要研究方向为机器人及应用、数据融合、信息无障碍技术；杜凡宇（1989-),男，四川南充人，硕士，主要研究方向为移动机器人自主导航（353861258@ q q.c o m );罗元（1972-),女，湖北宜昌人，教授，博士，主要研究方向为机器视觉、智 能信号处理；熊艳（1989-),女，贵州贵阳人，硕士，主要研究方向为移动机器人自主导航.暮:遭顯张毅，等:一种融合激光和深度视觉翁感器的SLAM :地图创建方法* 2971，BGBS f否图4融合流程框架当递推公式被转换为占据栅格结构图时，可以简化得到下面改进的融合公式：DO DO---------—-------- (S )其中:和i -圮分别代表先验地图的栅格占据和未被占据 单苑的先验概季代表鲁慼器能敏返据栅格幸_数据 状-翁条件概率;r 代_.—个搀感器测量康离《翁更薪估计 戀者逆像感器模型,的占掘栅格尊雜条件概率。

每个产象的梅格地M 包括撩始縠狍漉生菌和U 呼_局部 處_歸。

单元局部原始f f i 是不定量的评估栅格占据概率值。

在吏新烏部栅格图取，为不确愈度的有囊模型地圈单元分配一 个独f t 爾占据栅格概率值.&根据H 叶斯规卿奠審f 栅格地图& 实攝上，雇掴贝叶衡规则吏薪局部地图是更新全局地國的一部 分，新栅格地阌部分顺序瓚加去替换旧地图部分。

图5为栅格 地图:更新过程中的播遂形式名代表对间步骤。

M 5.概格地图遭:新过程式0)中的这种方隹被用于徵光与深度视貴義感器结构 翁栅格图_津,=每个玫粦的響格B 率:元用来#充占爆栅.爭元 的概率&翁¥两幅地圏中猶相同逢标将被融合,融合规则如表它们;主粟由距离雋感器前性质决定*同时述具有以下关系4P (〇\E ) =1 -P (〇\E )(6)P (0\E )=l -P i O l E }(7)在立，输(〇 I 幻_裏根据三藥:重建_验被重着定义，得到不确情度概率_型立体视；f e P ( 〇 I 茗)智检测的距 离■似成鼠比^ 一般认为是#(£:) =l _P (£) 5其中零个栅格 单元初始化值为P (珩=〇. ^从计算方面緣虑，一雜做法彝 使甩一个对数函数形式估计后验憐率，便于在计算时将乘法转 变成加舊瑪式i f F 'C l I O)P {Q \I )P C E )成立職P (〇)〇(E \0) =A (0IE )■ o (E )侧遞釋)傷州:p tmp m2.3改进的传感器栅格地图融合EUes [7'«在他的工作中提出过使甩贝叶斯递推公式4更新多攆感器融倉&®5观测:数振雜格斑P 融會流程框乘如图4所 示。

_器敢数据東着包搏倦惑赛檁型朽和績會它最近的概率估计存储值单元：〇这些数据引入了单元_ C ;,有关的状态附 加信息、，然后根据_前数据设置r , = U^)与递归贝叶斯规则轱合/得出新估计值尸&在初始化地图时C ;,;.概率相 等^_始化地國:栅袼单元先验概拿等于P :: = 1 - C -〇. 5v e goLRE "量截爾太，R G B -D 视觉抟感器测量膽是三维國像，而截光测距 仪只能惑测特食齒二维学赚以本太抽研究貧:的邊_测 量魏S :i ：将商者相:结合，形成吏加宽爾梅嫌最菹围_圏2_XWc 360RGB -D 传感器.圈3Hokuyo 激光麵•繼姐2传感器数据融合方法2.1筒化的贝叶斯方法,w 叶..斯推_暴塞千a叶爾定_的条件逾蔚I I 概率備统I 十数赫融合鼻法，能够通过B 知向羞Z ,话计未知的n 维状态向董X 。