許 晨 胡新宇

（武漢科技大學(xué)信息科學(xué)與工程學(xué)院，湖北 武漢 430081）

0 前言

隨著機(jī)器人技術(shù)的快速發(fā)展， 機(jī)器人的市場(chǎng)需求逐步增多， 但由于此領(lǐng)域多項(xiàng)核心技術(shù)仍不成熟，導(dǎo)致機(jī)器人大規(guī)模生產(chǎn)受限， 難以滿足人們的需求。 這些核心技術(shù)瓶頸包括多機(jī)器人協(xié)作、 人機(jī)語義交互、精確定位、自動(dòng)避障等[1]。 SLAM（同時(shí)定位與地圖構(gòu)建） 是指帶有傳感器的機(jī)器人在沒有先驗(yàn)信息的條件下，通過運(yùn)動(dòng)來構(gòu)建地圖。

目前對(duì)多機(jī)器人SLAM 的研究還處于基礎(chǔ)階段，文獻(xiàn)[2]提出了一種分布式多機(jī)器人SLAM，通過共享地圖來確定機(jī)器人間的相對(duì)位置， 但該方法無法適應(yīng)有大型障礙物的環(huán)境。 文獻(xiàn)[3]提出了一種多機(jī)器人協(xié)作SLAM 算法， 在該算法中， 將多個(gè)機(jī)器人進(jìn)行隨機(jī)分布， 通過無線通信鏈路來廣播動(dòng)作和觀測(cè)信息， 此算法需要大量人工信息，不易實(shí)現(xiàn)。 文獻(xiàn)[4]提出一種使用拓?fù)?度量混合地圖的多機(jī)器人SLAM 算法，該算法是將多機(jī)器人SLAM 分解為若干小的SLAM 問題，但不能進(jìn)行實(shí)時(shí)SLAM，需要不斷的對(duì)拓?fù)涞貓D進(jìn)行離線優(yōu)化。 文獻(xiàn)[5]提出了一種基于局部子地圖方法的多機(jī)器人SLAM， 該方法將全局環(huán)境的SLAM 問題進(jìn)行分解，即多個(gè)機(jī)器人之間獨(dú)立進(jìn)行SLAM，然后對(duì)局部子地圖進(jìn)行融合得到全局地圖。

多機(jī)器人SLAM 在快速構(gòu)圖、精確定位等方面有較好的應(yīng)用前景。 由于多機(jī)器人SLAM 的眾多優(yōu)點(diǎn)和應(yīng)用前景， 本文提出了基于雙目視覺的多機(jī)器人SLAM。該方法將多機(jī)器人與SLAM 相結(jié)合， 通過關(guān)鍵幀的共享，不斷更新每個(gè)局部地圖，然后進(jìn)行局部地圖融合。該方法與單機(jī)器人SLAM 相比， 多個(gè)機(jī)器人可以同時(shí)進(jìn)行定位與構(gòu)圖， 然后將生成的局部地圖進(jìn)行融合，得到一個(gè)大規(guī)模環(huán)境下的地圖。

1 基于雙目視覺的多機(jī)器人SLAM 實(shí)現(xiàn)方法

從現(xiàn)有的研究成果來看，對(duì)多機(jī)器人SLAM 的研究仍處于初級(jí)階段， 遠(yuǎn)達(dá)不到應(yīng)用的程度， 此技術(shù)需要對(duì)特征提取、目標(biāo)檢測(cè)、多機(jī)器人間信息共享、實(shí)時(shí)構(gòu)圖、簡(jiǎn)化算法等方面進(jìn)行深入研究。

本文提出了一種基于雙目視覺的多機(jī)器人SLAM，通過提出的方法可以融合每個(gè)機(jī)器人的局部地圖從而構(gòu)建大規(guī)模地圖， 其方案如下圖1 所示。 假設(shè)有兩個(gè)機(jī)器人參與了這個(gè)協(xié)作SLAM 任務(wù)，機(jī)器人A 和B。 關(guān)鍵幀A 和地圖A 來自機(jī)器人A，關(guān)鍵幀B 和地圖B 來自機(jī)器人B?；贠RB-SLAM2 算法將兩個(gè)機(jī)器人的關(guān)鍵幀進(jìn)行共享， 經(jīng)過相對(duì)位姿估計(jì)不斷的更新局部地圖。 閉環(huán)檢測(cè)解決了位置隨時(shí)間漂移的現(xiàn)象。 再將局部地圖進(jìn)行融合， 從而實(shí)現(xiàn)多機(jī)器人協(xié)同定位與地圖構(gòu)建。

圖1 基于雙目視覺的多機(jī)器人SLAM 構(gòu)建方案圖

跟蹤 （Tracking） 模塊的主要是從圖像中提取ORB（Oriented FAST and Rotated BRIEF）特征，根據(jù)上一幀進(jìn)行姿態(tài)估計(jì)， 或者進(jìn)行通過全局重定位初始化位姿，然后跟蹤已經(jīng)重建的局部地圖，優(yōu)化位姿，再確定新的關(guān)鍵幀。

局部建圖（Local Mapping）代碼邏輯如下圖2 所示。結(jié)合圖1， 當(dāng)機(jī)器人A 收到一個(gè)關(guān)鍵幀B 時(shí) （假設(shè)是從機(jī)器人B 收到的第一個(gè)關(guān)鍵幀）， 機(jī)器人將這個(gè)關(guān)鍵幀作為起點(diǎn)添加到地圖A 中。 經(jīng)過相對(duì)位姿變化，然后使用局部BA(Bundle Adjustment)來優(yōu)化當(dāng)前關(guān)鍵幀B 及已構(gòu)建的局部地圖。 機(jī)器人B 收到關(guān)鍵幀A 時(shí)也做同樣的處理。

閉環(huán)檢測(cè)（Loop Closing）也稱回環(huán)檢測(cè)，根據(jù)詞袋法（Bog-of-Words, BoW）通過對(duì)兩幅圖像的特征點(diǎn)進(jìn)行匹配， 當(dāng)匹配數(shù)量大于某一閾值， 則認(rèn)為實(shí)現(xiàn)了回環(huán)檢測(cè)。 它通過檢測(cè)機(jī)器人是否到達(dá)過先前的位置，解決了位置隨時(shí)間漂移的問題。

圖2 局部建圖模塊代碼邏輯圖

相對(duì)位姿估計(jì)與地圖融合模塊代碼邏輯如下圖3所示， 對(duì)于相對(duì)位姿估計(jì)， 通常用詞袋法來選擇與當(dāng)前關(guān)鍵幀最匹配的關(guān)鍵幀， 計(jì)算兩者之間的相似變換。 在相對(duì)位姿估計(jì)的基礎(chǔ)上可以融合機(jī)器人A 和B的局部地圖，最后用g2o 對(duì)地圖進(jìn)行優(yōu)化。

圖3 相對(duì)位姿估計(jì)與地圖融合模塊代碼邏輯圖

2 結(jié)語

本文提出一種基于雙目視覺的多機(jī)器人SLAM 構(gòu)建大規(guī)模地圖的方法， 在共享關(guān)鍵幀的基礎(chǔ)上可將每個(gè)機(jī)器人構(gòu)建的局部地圖進(jìn)行融合， 從而實(shí)現(xiàn)多機(jī)器人SLAM。在下一步工作中，將在開源機(jī)器人操作系統(tǒng)（ROS）上利用Gazebo 進(jìn)行仿真,通過實(shí)驗(yàn)驗(yàn)證此方法的性能。