《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 嵌入式技術(shù) > 設(shè)計應(yīng)用 > 基于ORB-SLAM的移動機器人嵌入式實現(xiàn)與優(yōu)化
基于ORB-SLAM的移動機器人嵌入式實現(xiàn)與優(yōu)化
2017年微型機與應(yīng)用第5期
林連秀,,葉蕓,,姚劍敏,,郭太良
福州大學(xué) 物理與信息工程學(xué)院, 福建 福州 350002
摘要: ORB-SLAM(基于ORB特征識別的同時定位與地圖構(gòu)建系統(tǒng))的源代碼無法在嵌入式開發(fā)板運行,其構(gòu)建的點云圖太稀疏無法滿足移動機器人路徑規(guī)劃要求,。針對這個問題,,文章提出將ORBSLAM進行改進與優(yōu)化,移植到嵌入式開發(fā)板完成SLAM過程,。首先,,刪除原PC端Linux系統(tǒng)下的軌跡、點云圖,、一些依賴庫,,保留并改進src和include文件夾下大部分C++代碼,;其次,在嵌入式平臺以JNI調(diào)用方式調(diào)用改進后的C++代碼,,增加OpenCV,、g2o,、DBoW2,、Eigen等依賴庫;最后根據(jù)處理后的關(guān)鍵幀連接繪制柵格地圖,,完成實時軌跡顯示和地圖構(gòu)建,。實驗結(jié)果表明,通過移植實現(xiàn)了在嵌入式開發(fā)板進行SLAM過程,,硬件配置要求和成本大大降低,,所構(gòu)建的柵格地圖占存量更小且更直觀反映實際環(huán)境的布局情況,地圖誤差控制在±0.5 m的較高精度范圍內(nèi),,較大程度地提高了SLAM性能,。
關(guān)鍵詞: ORB-SLAM 嵌入式 移植 柵格地圖
Abstract:
Key words :

  林連秀,葉蕓,,姚劍敏,,郭太良

  (福州大學(xué) 物理與信息工程學(xué)院, 福建 福州 350002)

  摘要ORB-SLAM(基于ORB特征識別的同時定位與地圖構(gòu)建系統(tǒng))的源代碼無法在嵌入式開發(fā)板運行,其構(gòu)建的點云圖太稀疏無法滿足移動機器人路徑規(guī)劃要求,。針對這個問題,,文章提出將ORBSLAM進行改進與優(yōu)化,移植到嵌入式開發(fā)板完成SLAM過程,。首先,,刪除原PC端Linux系統(tǒng)下的軌跡、點云圖,、一些依賴庫,,保留并改進src和include文件夾下大部分C++代碼;其次,,在嵌入式平臺以JNI調(diào)用方式調(diào)用改進后的C++代碼,,增加OpenCV、g2o,、DBoW2,、Eigen等依賴庫;最后根據(jù)處理后的關(guān)鍵幀連接繪制柵格地圖,,完成實時軌跡顯示和地圖構(gòu)建,。實驗結(jié)果表明,通過移植實現(xiàn)了在嵌入式開發(fā)板進行SLAM過程,,硬件配置要求和成本大大降低,,所構(gòu)建的柵格地圖占存量更小且更直觀反映實際環(huán)境的布局情況,,地圖誤差控制在±0.5 m的較高精度范圍內(nèi),較大程度地提高了SLAM性能,。

  關(guān)鍵詞:ORB-SLAM,;嵌入式;移植,;柵格地圖

  中圖分類號:TP242文獻標(biāo)識碼:ADOI: 10.19358/j.issn.1674-7720.2017.05.016

  引用格式:林連秀,,葉蕓,姚劍敏,,等.基于ORB-SLAM的移動機器人嵌入式實現(xiàn)與優(yōu)化[J].微型機與應(yīng)用,,2017,36(5):50-53.

0引言

  *基金項目:福建省自然科學(xué)基金(2014J01236);福建省科技重大專項(2014HZ0003-1),;福建省資助省屬高校專項課題(JK2014003).同時定位與地圖構(gòu)建(SLAM)技術(shù)是移動機器人在未知環(huán)境中,,通過對環(huán)境的觀測,遞增地構(gòu)建環(huán)境地圖,,并通過構(gòu)建的環(huán)境地圖實現(xiàn)對機器人的定位,,它是實現(xiàn)機器人自主導(dǎo)航和定位的關(guān)鍵技術(shù)。目前實現(xiàn)SLAM的算法很多,,其中ORB-SLAM以追蹤效果好,、地圖精度高、定位穩(wěn)定性好等優(yōu)勢脫穎而出,,成為研究熱點,。

  ORB-SLAM算法由Raúl M A等人于2015年發(fā)表在IEEE Transactions on Robotics[1],且在PC的Linux系統(tǒng)上開放了開源ORB-SLAM系統(tǒng),。采用該ORB-SLAM開源算法,,在PC Linux系統(tǒng)上較好實現(xiàn)了SLAM過程,但等同于PC的硬件配置需求成本高,,對移動機器人普通嵌入式開發(fā)板不適用[2],。ORB-SLAM算法主要由追蹤、地圖構(gòu)建,、閉環(huán)控制3個線程組成,,其中地圖構(gòu)建部分平均處理每關(guān)鍵幀約385 ms,相對比較耗時,,具備較大優(yōu)化空間[3],。采用ORB-SLAM開源算法所構(gòu)建的地圖是用點云圖方式顯示,點云很稀疏,,不容易看出所構(gòu)建的室內(nèi)結(jié)構(gòu)[4],。對移動機器人地圖要求上,柵格地圖表示法優(yōu)于點云圖表示法,,一方面可以大大節(jié)省內(nèi)存空間,,另一方面也便于后續(xù)路徑規(guī)劃過程中進行碰撞檢測和空間可行性分析[5],。從硬件開發(fā)成本考慮,如若用PC進行移動機器人開發(fā),,顯然只用到PC很小部分功能,,造成功能浪費、成本偏高,,而嵌入式開發(fā)板有著低功耗,、低成本、適當(dāng)?shù)腃PU運算效能與友善的軟件接口等優(yōu)勢[6],。

  針對以上ORB-SLAM源代碼只能運行在PC而無法在嵌入式開發(fā)板上運行,,且其構(gòu)建的點云圖太稀疏無法滿足移動機器人路徑規(guī)劃要求的問題,,本文對此進行了較大改進,,保留ORBSLAM部分源碼并做出修改,移植到嵌入式開發(fā)平臺,,修改地圖構(gòu)建中的耗時部分,,增加基于柵格地圖實時軌跡顯示部分。移植到普通嵌入式開發(fā)板后的ORB-SLAM,,不僅大大降低了對硬件平臺的要求,,還完成了基于柵格地圖的實時軌跡顯示,使地圖能清晰了然地反映實際環(huán)境的布局情況,,且所建地圖控制在較高精度范圍內(nèi),。

1ORB-SLAM改進與優(yōu)化

  1.1總設(shè)計流程的改進

  本文將原PC端Linux系統(tǒng)下的ORBSLAM進行了移植和改進,最終在Android平臺完成了基于柵格地圖的軌跡繪制即完成了實時地圖構(gòu)建,,改進后的總設(shè)計流程如圖1所示,。

Image 001.jpg

  在上述流程圖模塊中,本文主要修改的部分是:修改所保留的ORB-SLAM原src和include文件夾下的C++代碼,;在LOCAL MAPPING部分中進行了大部分刪減,,只做優(yōu)化部分;刪除了原實時點云及軌跡顯示部分,,在嵌入式平臺添加GRID MAP部分即基于柵格地圖的實時軌跡顯示部分,。

  1.2ORB-SLAM源碼的修改

  ORB-SLAM算法的實現(xiàn)主要在src和include文件夾下,完成追蹤、地圖構(gòu)建,、閉環(huán)控制和重定位等任務(wù),。本文對源碼所作的修改工作主要有:刪除MapDrawer.cc和Viewer.cc代碼即刪除軌跡、點云圖顯示部分的代碼,;刪除Linux下依賴復(fù)雜的ROS系統(tǒng)部分的代碼,;更換不同系統(tǒng)下的OpenCV、g2o,、DBoW2,、Eigen等庫,;修改輸入接口,以便直接連接攝像頭在線使用,;注釋掉部分代碼,,包含保存當(dāng)前幀圖片、點云的代碼等,。

  1.3LOCAL MAPPING部分的改進

  LOCAL MAPPING線程用于處理新的幀,,更新優(yōu)化它們本地鄰近的幀。它對關(guān)鍵幀作確定新的地圖云點,、更新局部區(qū)域,、局部偏差調(diào)整、去除冗余關(guān)鍵幀等工作,。LOCAL MAPPING在整個系統(tǒng)中耗時相對較長,,其平均處理每關(guān)鍵幀要用時約385 ms,而像TRACKING平均處理每幀只要約30 ms,??紤]到一方面LOCAL MAPPING相對耗時,一方面這部分作刪減后精度不會受到很大影響,,這為移植到嵌入式平臺提供了一個可行之處,。所以本文對LOCAL MAPPING部分中的Triangulate ORB、Update Local Area,、Prune Redundant KeyFrame進行了刪減,,只做優(yōu)化部分,主要部分的設(shè)計如圖2所示,。

Image 002.jpg

  1.4GRID MAP部分的設(shè)計

  機器人地圖包括幾何地圖,、點云地圖、拓撲地圖和柵格地圖等,,其中原ORBSLAM采用點云地圖來表示,,其所構(gòu)建的點云圖中點云很稀疏,完全不能看出任何結(jié)構(gòu),。而柵格地圖將環(huán)境分解成一系列具有二值信息的網(wǎng)格單元,,對環(huán)境描述直觀清晰,適當(dāng)調(diào)整柵格的大小既可以降低存儲消耗,,又保留環(huán)境的空間結(jié)構(gòu),,同時也便于后續(xù)路徑規(guī)劃過程中進行碰撞檢測和空間可行性分析,所以本文去除點云圖表示法而改用柵格地圖表示法,。本文采用的柵格地圖用黑格表示障礙物,,白格表示無障礙物可通過區(qū)。GRID MAP主要部分的設(shè)計如圖3所示,。

  

Image 003.jpg

  由設(shè)計圖3可知,,本文設(shè)計的顯示端顯示三個部分:一是USE_CAMERA_INPUT,,顯示攝像頭采集到的當(dāng)前圖像,未經(jīng)過任何處理,;二是DRAW_FRAME,,對當(dāng)前圖像幀進行3D ORB特征點的提取與匹配,并在窗口顯示特征點追蹤情況,;三是DRAW_GRID_MAP,,繪制最終處理后的所有KeyFrames,追蹤當(dāng)前KeyFrames和CameraCenter,。采用柵格地圖表示法將各KeyFrames用線連起來,,繞室內(nèi)全覆蓋運行即可完成最終室內(nèi)地圖的繪制,地圖以矢量形式存儲供移動機器人合理規(guī)劃路徑和重定位之用,。

2實驗結(jié)果與分析

  2.1實驗硬件配置對比

Image 006.jpg

  實驗硬件配置為PC和自制的移動機器人模型,,其中移動機器人模型主要用到的模塊有基于Android平臺的開發(fā)板、單目攝像頭,、電機,,PC和開發(fā)板參數(shù)如表1所示,。PC系統(tǒng)擁有很強的運算能力,,但通常只用到小部分,倘若用于機器人開發(fā)而配置一個PC,,不僅眾多未開發(fā)資源被浪費,,且其在購買成本、功耗性,、便攜性,、集成性方面都具有較大劣勢。而嵌入式開發(fā)板具有低功耗,、低成本,、適當(dāng)?shù)腃PU運算效能與友善的軟件接口等優(yōu)點,被稱之為低價計算機,。對比表1參數(shù),,將ORBSLAM從PC移植到嵌入式開發(fā)板上實現(xiàn),則大大降低了對硬件配置的要求,,成本,、功耗也大大降低,縮小了機器人體積,,方便攜帶,。

  實驗選用的單目攝像頭為小蟻攝像頭,采用 “張正友”標(biāo)定法原理,,標(biāo)定模板采用包含12×12的正方塊的棋盤格,,每個棋盤格大小為30 mm×30 mm,,在MATLAB下運行程序載入20張不同角度、像素為640×480的棋盤格圖片進行相機標(biāo)定,,標(biāo)定結(jié)果如表2所示,。

Image 007.jpg

Image 009.jpg

  2.2移植后的ORB-SLAM運行結(jié)果分析

  本文建立的柵格地圖為640×960像素的地圖,占用柵格大小為30,,機器人實際寬度為0.15 m,,如圖4所示,白色部分為移動機器人繞室內(nèi)一圈的軌跡,,完整柵格地圖即為移動機器人繞室內(nèi)全覆蓋移動,,最終白色部分表示可通過區(qū),黑色部分表示障礙物區(qū),。由表3可知,,地圖軌跡點與實際標(biāo)定點的誤差最大為0.539 m,其軌跡誤差一般能控制在±0.5 m的較小范圍內(nèi),,約為地圖尺寸的0.78%,,相比原PC Linux系統(tǒng)實現(xiàn)的軌跡誤差約為地圖尺寸的1%,誤差并未擴大反而有所縮小,,即定位精度得到提高,。

Image 008.jpg

  圖5為修改前所構(gòu)建的點云圖,圖中軌跡由相機位姿估計點構(gòu)成,,左下圖為相機實時采集的圖像并對特征點進行提取與匹配,。圖6為修改后所構(gòu)建的柵格地圖,左上圖為相機采集的原圖,,左下圖為特征點提取與匹配圖,,右圖為柵格地圖。首先從占存量對比分析,,移動機器人按同樣路線繞室內(nèi)一圈構(gòu)建一張1 280×960的地圖,,原Linux系統(tǒng)運行的ORB-SLAM所建的點云圖占存量約為4 940 KB,而移植后的柵格地圖占存約98 KB,,相差大約50倍的耗存量,,可見使用柵格地圖表示法在節(jié)約存儲空間上具有非常大的優(yōu)勢。再從直觀性對比分析,,原Linux系統(tǒng)運行的ORB-SLAM所建的點云圖非常稀疏,,只含有稀疏的地圖特征點來構(gòu)成軌跡,看不出實際空間結(jié)構(gòu)與布局,,這稀疏的地圖對于機器人下一步的應(yīng)用會造成很大的困難,。而基于柵格地圖繪制的ORBSLAM地圖,每個柵格可直接映射到現(xiàn)實環(huán)境的某個區(qū)域,白格表示已經(jīng)運行的可通過區(qū),,黑格表示障礙物區(qū),,機器人繞室內(nèi)全覆蓋一次即可直觀地得到布局情況,其所存儲的障礙信息非常便于移動機器人進行動態(tài)避障以及路徑規(guī)劃,。

  

Image 010.jpg

  2.4移植前后運行指標(biāo)對比

  先對原ORB-SLAM與移植后ORB-SLAM代碼運行情況進行對比分析,,本文移植過程中在同一臺PC上安裝了WIN7+Ubuntu雙系統(tǒng)用于開發(fā)ORB-SLAM,將ORB-SLAM代碼在同一臺PC上運行,,原Linux系統(tǒng)CPU占用率高達約180%,,移植到WIN7后CPU占用率約48%,可知原ORB-SLAM因為依賴一些Linux系統(tǒng)自帶庫使運行速度得到限制,。再對LOCAL MAPPING部分運行速率進行對比,,原ORB-SLAM的LOCAL MAPPING部分主要包含KeyFrame Insertion、Map Point Cullin,、Map Point Creation,、Local BA、KeyFrame Culling,,總體運行時間約為464.27 ms,。優(yōu)化后,通過減小與字典的匹配次數(shù),,減小關(guān)鍵幀重新計算的次數(shù),,將總體運行時間提高到約280.50 ms,刪減ORB-SLAM的LOCAL MAPPING部分速率得到40%的提升,,較大程度地簡化了移植工作,。

  3結(jié)論

  本文提出并實現(xiàn)了將ORB-SLAM通過改進與優(yōu)化,最終移植到嵌入式開發(fā)板完成SLAM過程,,CPU占用率和運行速率得到提升,大大降低了硬件成本和配置要求,。針對原點云圖太稀疏無法滿足移動機器人路徑規(guī)劃要求的問題,,改用柵格地圖表示法,從而使地圖占存量縮小了約98%,,且更直觀地反映了實際環(huán)境的布局情況,。通過移植,最終的軌跡誤差一般能控制在±0.5 m的較小范圍內(nèi),,相比原軌跡誤差得到了縮小,。這種改進技術(shù)不只適用于移動機器人,同樣也適用于像VR/AR那樣需要用到嵌入式開發(fā)板來完成定位的技術(shù)領(lǐng)域,。

參考文獻

 ?。?] RAU'L M A, MONTIEL  J M M, TARD-S J D. ORB-SLAM: a versatile and accurate monocular SLAM system[J]. IEEE Transactions on Robotics, 2015,31(5): 1147-1163.[2]RAU'L M A, TARDS J D. Probabilistic semi-dense mapping from highly accurate feature-based monocular SLAM[C]. Robotics: Science and Systems, 2015.

 ?。?] RAU'L M A, TARD-S J D. ORB-SLAM: tracking and mapping recognizable features[C]. RSS 14 Workshop on Multi VIew Geometry in RObotics (MVIGRO),, 2014.

 ?。?] RAU'L M A, TARD-S J D. Fast relocalisation and loop closing in keyframe-based SLAM[C]. IEEE International Conference on Robotics and Automation (ICRA), June 2014.

  [5] 張彪,,曹其新,,王雯珊. 使用三維柵格地圖的移動機器人路徑規(guī)劃[J]. 西安交通大學(xué)學(xué)報,2013,47(10): 5761.

  [6] 金麗科技.讓嵌入式Linux變身為低價計算機(上)[J]. 電子與電腦,2007,14(5):6164.


此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。