摘要
近年来，随着碳达峰、碳中和目标的提出，煤炭行业也开始向智能化发展，SLAM(SimultaneousLocalizationandMapping)在煤矿井下的应用也在不断提升，但是对于机器人在煤矿井下定位的要求也在不断地提高，为了克服单机器人执行效率低、系统稳定性和鲁棒性差的局限，越来越多的研究转到多机协同SLAM方向。基于煤矿井下低照度，粉尘多的特点，本文以单机视觉SLAM为切入点，对多机器人在煤矿井下进行SLAM过程中的重难点进行了分析，提出了对应的解决方法，实现了基于视觉SLAM的煤矿井下多机器人协同定位与建图系统的开发和构建。 针对煤矿井下低照度粉尘多的特点，本文采用了基于MSRCR(Multi-ScaleRetinexwithColorRestore)的低光照图像增强模块以及基于暗通道先验的图像去尘模块解决了恶劣环境前端视觉里程计特征点采集的问题。其次，对于多机系统，当关键帧过多时，会导致系统的实时性降低，本文通过对冗余部分使用特定的筛选策略，实现将系统关键帧数据库中关键帧的数量实时保持在可接受的阈值内。同时，对于煤矿井下数据传输受限的情况，本文采用了基于ROS(RobotOperatingSystem)和基于LCM(LightweightCommunicationsandMarshalling)协同通信的方式，解决了煤矿井下通信的问题。最后，针对多机系统缺乏可视化模块的问题，本文构建了可以实时更新的稠密点云模块，同时生成稠密点云地图。本文的主要创新点和工作如下： （1）对于煤矿井下低照度、粉尘多的情况。本文通过对客户端视觉里程计进行改造，加入基于MSRCR的低光照图像增强模块以及基于暗通道先验的图像去尘模块，实现了在煤矿井下环境中高效鲁棒的特征点提取，相比于未经图像增强的原始特征点提取数量本文提高40%以上，且特征点分布更加均匀，匹配精度为90%以上，提升了本文系统对不同场景的适应性。 （2）对于集中式多机协同系统，由于主要计算量都集中在服务端，当客户端数量增加或场景过大时，会导致服务端计算量过大，影响系统的实时性。本文通过使用基于冗余度的关键帧剔除策略，将关键帧数据库中的所有关键帧计算得到冗余值，按照设定的阈值对所有关键帧进行排序删减，使得服务端可以保持实时性。 （3）对于煤矿井下信号传输较差的环境，通过单一基于ROS的TCP(TransmissionControlProtocol)数据传输模式，当网络信号不好时，会导致信息传输效率降低，从而影响数据传输的实时性，影响服务端后端优化的精度。本文通过将部分数据使用LCM的UDP(UserDatagramProtocol)方式进行传输，可以降低数据传输通道的堵塞，在信号质量不好时，维持数据传输的实时性。 （4）本系统在实现多机协同定位的基础上构建了稠密点云地图，通过各客户端视觉里程计传输而来的深度和特征点信息，服务端通过稠密点云模块，实时地构建各客户端稠密点云地图，当服务端发现共视后，稠密点云模块实时将各客户端地图进行融合并实现实时更新。
NETL