一种集中式协同SLAM地图构建方法和系统

本发明涉及地图构建，特别涉及一种集中式协同slam地图构建方法和系统。

背景技术：

1、集中式协同slam(同步定位与地图构建，simultaneous localization andmapping)包括多个可以进行数据采集以及传输的独立客户端以及一个计算能力强大的中央服务端，通过客户端进行数据采集并将数据传输给服务端，服务端通过客户端传输而来的数据构建服务端地图，并实时更新以达到实时的信息共享与协作。

2、现有技术中，集中式协同同步定位与地图构建系统的构图方法包括：根据实际场景选择合适的地图模型，如2d栅格地图、3d点云地图等。使用slam算法，根据传感器数据(如激光雷达、摄像头等)构建初步的地图。从传感器数据中提取出特征点，这些特征点用于后续的配准和定位。将不同时刻的传感器数据配准到同一坐标系下，并确定机器人的位置和姿态。根据配准和定位的结果，更新地图中机器人的位置和姿态，以及环境中的特征点位置。重复执行，直到构建出高质量的地图。将构建好的地图进行可视化，以便更好地理解和分析环境。

3、上述现有技术的缺陷是：应用的主要环境是视觉特征丰富而且光照变化不大的室内空间，对于黑暗以及环境特征不丰富的场景地图构建能力较差。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种集中式协同slam地图构建方法和系统。

2、本发明实施例提供一种集中式协同slam地图构建方法，包括：

3、获取多个待测区域的图像数据，并将图像数据转化为多个灰度图；

4、在集中式协同slam中构建灰度图处理模块；

5、将多个灰度图输入集中式协同slam中的灰度图处理模块，获取每个灰度图的整体亮度值，若灰度图的整体亮度值小于亮度阈值，则进行图像提亮处理，得到初步处理灰度图；

6、获取每个初步处理灰度图的清晰度，若初步处理灰度图的清晰度小于清晰度阈值，则进行图像去尘处理，得到处理后灰度图；

7、提取每个处理后灰度图的特征点和深度图像数据，对多个处理后灰度图的特征点和深度图像数据进行融合，以构建出地图。

8、另外的，所述获取每个灰度图的整体亮度值，具体包括：

9、将所有亮度值相加后取平均值得到灰度图去均值后的平均亮度avg：

10、

11、avg＝sum/width×height

12、其中，sum表示所有去均值后图像灰度的加和，l为对应坐标(x，y)的灰度值，avg表示该图的平均亮度；

13、计算灰度图像整体的加权平均差mean：

14、

15、mean＝total/width×height

16、计算avg与mean的比值cast：

17、cast＝|avg/mean|

18、将cast的值作为灰度图的整体亮度值，判断图像的整体亮度情况；如果cast>1，则表示图像的整体亮度情况异常，且如果avg>0，则表示图像过亮；否则表示图像过暗；若cast<＝1，则认为图像的整体亮度情况正常。

19、另外的，所述进行图像提亮处理，具体包括：

20、将灰度图分解为rgb三通道分量图像，构建三个高斯环绕函数，将各通道的分量灰度图像分别与高斯环绕函数卷积得到三通道的照度估计图像；

21、在对数域用原图像减去照度估计图像得到三通道的反射分量图像，将三通道的反射分量图像合并为一幅图像得到msr增强图像；

22、计算各通道的色彩恢复函数crf，公式为：

23、ci(x,y)＝β(log(αii(x,y))-log(σi∈{r,g,b}ii(x,y)))

24、其中，ci表示第i个通道的彩色回复因子，用来调节3个通道颜色的比例，β是增益常数，α是受控制的非线性强度，ii(x,y)表示第i个通道的图像；

25、将色彩恢复函数crf与msr增强图像的函数相乘得到三通道的最终图像增强分量，将三个最终图像增强分量合并得到msrcr亮度增强后的灰度图，即初步处理灰度图。

26、另外的，所述获取每个初步处理灰度图的清晰度，具体包括：

27、计算初步处理灰度图的暗通道，公式为：

28、

29、其中，jc是无雾图像,k代表图像中的一个点坐标，遍历r,g,b通道，每个通道中以k为中心的局部窗口ω(x)里,从中找一个最小值；

30、计算灰度图的透射率，公式为：

31、

32、其中，表示传输速率，ic表示原始图像，ac表示大气光估计值，ω为比例系数；

33、通过灰度图的透射率得到清晰度，如果灰度图的透射率低于设定阈值0.25，判定灰度图的清晰度低。

34、另外的，所述进行图像去尘处理，具体包括：

35、通过输入的每个初步处理灰度图计算暗通道图像，确定暗通道图像中每个像素点的最小值；

36、通过计算每个像素点的最小值与暗通道图像中的最大值之间的亮度比例得到每个像素点的传输率；

37、暗通道图像中的最大值为估计的大气光，通过估计的大气光和传输率对输入的初步处理灰度图进行去尘重建，得到处理后灰度图。

38、另外的，所述通过估计的大气光和传输率对输入的初步处理灰度图进行去尘重建，具体包括：

39、计算输入灰度图的暗通道

40、计算输入灰度图的透射率

41、通过输入灰度图的透射率估计环境光a，具体包括：将暗通道图中像素按亮度从大到小排列，选择前0.1％的像素；在原始有雾图像中查找对应位置像素中最高亮度值作为a，或者对应所有像素亮度平均作为a；

42、构建处理后灰度图：

43、

44、其中，i(x)表示有雾图像，a表示像素平均亮度，t0表示透射率下界tx表示灰度图透射率。

45、另外的，所述通过视觉里程计子模块提取每个处理后灰度图的特征点和深度图像数据包括：

46、对每个处理后灰度图进行遍历，一次选取每一个像素块，设选取的像素块为p，其亮度为ip；

47、以像素块p为中心，选取其半径为3范围的圆域，以堆成的方式在圆上选取16个像素块；

48、根据经验设置一个阈至t，如果在第二步中的16个像素块中有连续n(n一般设置为大于12)个像素的值都大于ip+t,或者小于ip-t，则可认为p为特征点；

49、深度图像通过rgb-d相机直接获得。

50、另外的，所述对多个处理后灰度图的特征点和深度图像数据进行融合，具体包括：

51、根据多个处理后灰度图的特征点和深度图像数据建立本地数据库，将本地数据库中的数据按照来源分为同一来源地和不同来源地两组图像集；

52、将不同来源地图像集中的数据两两一组，对每组数据进行词袋数据匹配，通过得分判断二者是否可以进行融合，如果得分大于阈值，则将两个地图融合至同一地图，并划分到同一来源地图像集；

53、对同一来源地图像集中的图像进行回环检测，当检测到回环后进行回环融合得到地图。

54、另外的，一种集中式协同slam地图构建系统，包括多个客户端和服务端；

55、所述客户端包括：数据获取模块、灰度图处理模块、信息传输模块；

56、所述数据获取模块用于获取多个待测区域的图像数据，并将图像数据转化为多个灰度图；

57、所述灰度图处理模块包括：图像提亮子模块、图像去尘子模块、视觉里程计子模块；

58、所述图像提亮子模块用于获取每个灰度图的整体亮度值，若灰度图的整体亮度值小于亮度阈值，则进行图像提亮处理，得到初步处理灰度图；

59、所述图像去尘子模块用于获取每个初步处理灰度图的清晰度，若初步处理灰度图的清晰度小于清晰度阈值，则进行图像去尘处理，得到处理后灰度图；

60、所述视觉里程计子模块用于提取每个处理后灰度图的特征点和深度图像数据；

61、所述服务端用于对多个处理后灰度图的特征点和深度图像数据进行融合，以构建出地图。

62、另外的，所述服务端包括：通信模块、lcm消息模块、关键帧剔除模块；

63、所述通信模块用于根据多个处理后灰度图的特征点和深度图像数据建立本地数据库，将本地数据库中的数据按照来源分为同一来源地和不同来源地两组图像集；将不同来源地图像集中的数据两两一组，对每组数据进行词袋数据匹配，通过得分判断二者是否可以进行融合，如若通过阈值，则将两个地图融合至同一地图，并划分到同一来源地图像集；对同一来源地图像集中的图像进行回环融合得到地图；

64、所述lcm消息模块用于对构建好的稠密点云信息进行接收同时构建稠密点云地图，并实时通过滤波算法对点云数据进行降噪和压缩，当发生本地回环或者地图融合时，激活稠密点云更新线程，对每帧点云进行实时更新；

65、所述关键帧剔除模块用于每个地图点进行量化，对所有服务端数据库中的数据进行顺序剔除。

66、本发明实施例提供的上述一种集中式协同slam地图构建方法和系统，与现有技术相比，其有益效果如下：

67、获取多个待测区域的图像数据，并将图像数据转化为多个灰度图；在集中式协同slam中构建灰度图处理模块，将多个灰度图输入通过图像数据训练好的灰度图处理模块，获取每个灰度图的整体亮度值，若灰度图的整体亮度值小于亮度阈值，则进行图像提亮处理；获取每个灰度图的清晰度，若灰度图的清晰度小于清晰度阈值，则进行图像去尘处理；提取每个处理后灰度图的特征点和深度图像数据，对多个处理后灰度图的特征点和深度图像数据进行融合得到地图。

68、上述技术方案，通过计算每个灰度图的整体亮度值来判断是否进行图像提亮处理，计算每个灰度图的清晰度来判断是否进行图像去尘处理，对待测区域获得的图像进行两次处理，使得图像特征更加明显，实现在视觉特征丰富而且光照变化不大的场景下协同定位与建图，解决协同slam系统对于恶劣环境条件下难以获取特征点的问题，克服黑暗以及环境特征不丰富的场景地图构建能力较差的缺陷，从而构建出精度高且实时性强的地图。