1.一种基于子地图特征匹配的多机器人SLAM算法,其特征在于,包括如下步骤:步骤1、采用多个机器人在环境中运动,采集环境信息,并根据信息创建子地图序列;
步骤2、根据基于特征匹配的方法,对单个机器人创建的子地图进行匹配,构建单机器人SLAM算法的前端;
步骤3、根据基于特征匹配的方法,对不同机器人创建的子地图序列进行匹配,将所有匹配结果进行保存;
步骤4、根据步骤3的结果,计算多个机器人之间的相对位姿;
步骤5、根据步骤3和步骤4的计算结果,构建多机器人闭环约束;
步骤6、根据步骤2和步骤5的结果,构建多机器人SLAM算法的前端;
步骤7、多机器人SLAM后端优化;
步骤8、全局栅格地图创建;其中:所述步骤2中构建单机器人SLAM的前端具体包括:步骤21、定义机器人 和 创建的子地图序列分别为 和 ;
步骤22、使用基于最大公共子图的栅格地图融合算法对单个机器人创建的子地图进行两两匹配;
步骤23、将前后两帧子地图的匹配结果和满足闭环要求的子地图匹配结果保存,构建单机器人SLAM的前端;
所述步骤5中计算多机器人闭环约束具体为:步骤51、根据步骤2的单机器人子地图序列的匹配结果,计算各个子地图相对于各自机器人坐标系的位姿;
步骤52、根据步骤4的多机器人相对位姿计算结果,将不同机器人子地图序列的位姿变换到同一坐标系下;
步骤53、将满足闭环要求的来自不同机器人创建的子地图的匹配结果保存,作为多机器人闭环约束;
所述步骤7中多机器人后端优化具体为:使用捆绑调整的思想,对子地图之间的相对位姿进行优化。
2.根据权利要求1所述的基于子地图特征匹配的多机器人SLAM算法,其特征在于:所述步骤1中的多个机器人中,其中一个机器人的运动轨迹至少与其余机器人中的一个机器人的轨迹有重叠。
3.根据权利要求1所述的基于子地图特征匹配的多机器人SLAM算法,其特征在于:所述步骤3中多机器人子地图序列匹配具体为:使用基于最大公共子图的栅格地图融合算法将来自不同机器人创建的子地图进行匹配,保存所有的匹配结果。
4.根据权利要求1所述的基于子地图特征匹配的多机器人SLAM算法,其特征在于:所述步骤4中计算多机器人相对位姿具体为:根据步骤3的结果,将不同机器人子地图匹配结果中匹配特征数目最多的结果作为多机器人相对位姿。
5.根据权利要求1所述的基于子地图特征匹配的多机器人SLAM算法,其特征在于:所述步骤6中构建多机器人SLAM前端具体为:将单机器人SLAM前端和多机器人闭环约束联立,构建多机器人SLAM的前端。
6.根据权利要求1所述的基于子地图特征匹配的多机器人SLAM算法,其特征在于:所述步骤8中的全局地图创建具体为:根据步骤7的优化结果,将不同机器人创建的子地图序列进行拼接,创建全局栅格地图。