基于Kinect的室内空间三维地图构建与优化研究

秦阳

摘   要：搭建精确的三维地图是机器人应用的重点问题，采用机器人自身所具有的传感器对未知环境开展三维地图创建，实现自身的定位与实时导航等，已经成为人们所研究的热点方向。文章针对三维地图创建时具有的鲁棒性与实时性不足等问题，设计一种基于图像特征点的三维地图创建模式。首先，分析Kinect获取的RGB数据，进行误匹配数据的删除，降低系统匹配算法的迭代次数，利用Kinect深度数据得到对应特征点具有的位置与姿态。其次，通过ICP算法迭代得到刚体变换矩阵具有的精确配准操作，获取室内真实场景之下具有的三维地图。最后，引入基于TORO图优化算法的检测模式，开展具体的仿真，分析其有效性。

关键词：三维地图;Kinect;鲁棒性;闭环检测

1    特征点分析与匹配检测

1.1  特征点检测与分析

目前常用的特征检测方法有SUSAN，SURF等几种模式，不过SURF方案在尺度与旋转层面具有不变的特征，计算效率比较高。因此，本文研究的是基于SURF算法开展特征点的匹配[1]。

SURF算法采用Hessian矩阵分析的模式，利用f（x，y）作为具体的积分函数，为此对于Hessian可以表示为：

1.2  特征点匹配检测分析

通过SURF的方法开展具体匹配的步骤为：通过快速索引匹配的模式对特征点开展筛选操作，之后利用最近邻匹配如下式所示的模式开展分析。对于一个具体阀值计算，其临近与最近点具有欧式距离比，在具体比值范围内就是可以采用，其他的点需要丢弃，具体如下：

2    三维位置与姿势位置的估计

2.1  依据RANSAC剔除误匹配点

本文研究的移动机器人对三维空间内部的位置与姿态的计算模式，通过Kinect传感器模块具有的色彩匹配开展特征点分析，获取其具有的深度数据，通过坐标变换后得到对应的三维坐标，为此，将含有的对应三维点数据集假设为：

为此得到的三维点数据满足于刚体变化模式为：Si=R*Oi+t，Si=R*Oi+t。所以得到的三维位置与实际姿态的转化矩阵模式Rt进行求解分析[3]。本文采用的是RANSAC算法，先对误差匹配开展删除操作。

2.2  基于图像特征点的ICP算法

本研究将机器人三维位置与姿态的分析问题转换为对旋转矩阵R以及平移矩阵t的求解问题，在完成其误匹配删除的基础上，采用迭代最近点（Iterative Closest Point，ICP）算法对于二者开展求解分析。ICP算法的核心是寻找与欧式距离最近的两个三维点集及对应的匹配点，采用求解二者刚体转换关系，通过最小二乘法计算两个点集之间的偏移误差关系，重复其迭代操作，最后使得两个点集满足于一定量准则之下的最佳匹配模式。

经过上述的操作之后，最小均方差为d k+1，使得源点集{Oi}更加接近目标点集{Si}，经过不断的迭代使得ICP的算法更加收敛[4]。

3    闭环检测与地图的优化

本文通过TORO算法开展位置与姿态闭环的检测，TORO算法采用的是目前观测数值相对于位置与姿态同相机的全局位置与姿态关系树，采用迭代随机梯度下降的方法，进而实现高维度的最优化问题，其具有的误差函数为：

其中，T表示相机位置预制姿态的描述几何;Ψij表示不同时刻相机位置与姿态之间观测相对性矩阵;Tij为不同时刻相机的相对位置与姿态;e（Ti，Tj，Tij）是不同时刻位置与姿态观测值与预测值之间的误差，也就是闭环的误差。在e（Ti，Tj，Tij）=0的时候，表示从i到j时刻相机的位置与姿态估计满足闭环的调节操作，为此，相机位置与姿态偏移是不存在的。

4    仿真结果与分析

4.1  室内环境的三维地图创建

為针对本文设计的算法开展仿真分析，检测算法具有的科学性与有效性，在真实的环境下实时在线开展三维点云的地图创建实验。为保证具有较高的鲁棒性，仿真时对于机器人进行速度设计与匹配操作，假设移动的速度为V，数值是0.2 m/s，角速度W为0.52 rad/s。通过试验，利用本文的研究方法所创建的室内环境三维地图轮廓是较为清晰与光滑的，同真实的环境差异不大，具有较好的三维重建效果。

4.2  闭合环路的检测

搭建的闭环检测算法是科学与有效的，通过具体实验可证明闭环检测具有的科学性与有效性，对其具有的离线数据操作之后可以得到室内三维的立体信息，在120帧的外界环境下，其内部色彩图像数值为650×480。通过试验分析结果得出，在系统模块的闭合位置开展三维点云数据分析，可以得到真实环境之下具有的三维点云的实际地图，如图1所示。

图1（a）为未经闭环检测的三维地图构建效果，可以看到，在图1（a）中产生严重的位姿漂移导致三维地图无法闭合创建。图1（b）为引入闭合检测算法的三维点云地图构建，从图1（b）可以看到，系统能够在闭合处实时进行三维点云的数据融合，因而成功创建出真实环境下的全局三维点云地图。

5    结语

本文主要提出与验证了依据图像特征点的三维点云地图的创建模式，通过RANSAC保证系统算法具有的精确程度，降低了系统模块计算所花费的时间与繁琐程度，提升了算法的精确度，尤其是增加的闭环检测模块，使得系统的误差大幅度降低，满足实际的需求。

[参考文献]

[1]张毅，陈起，罗元.基于Kinect传感器的三维点云地图构建与优化[J].半导体光电，2016（5）：754-757.

[2]张毅，汪龙峰，余佳航.基于深度信息的移动机器人室内环境三维地图创建[J]. 计算机应用，2014（12）：3438-3440.

[3]HELLWICH O.Automatic registration of unordered point clouds acquired by Kinect sensors using an overlap heuristic[J].ISPRS Journal of Photogrammetry and Remote Sensing，2015（102）：96-109.

[4]KUMAR T K S.An evaluation of spatial mapping of indoor environment based on point cloud registration using Kinect sensor[C].India：International Conference on Control Communication & Computing India，2016.