CN107167148A - 同步定位与地图构建方法和设备 - Google Patents

Abstract

本发明公开一种同步定位与地图构建方法和设备，所述同步定位与地图构建方法包括步骤：加载预设的根据机器人的结构而建立机器人运动学模型；通过传感器扫描环境而在预设坐标系中建立参考环境地图；在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿；并且，通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图；根据所述第一估计位姿与第二估计位姿获得更新位姿；根据所述更新位姿对所述机器人的位姿进行更新。本发明具有提高同步定位与地图构建便捷性和精度的效果。

Description

同步定位与地图构建方法和设备

技术领域

本发明涉及机器人技术领域，特别涉及同步定位与地图构建方法和设备。

背景技术

同步定位与地图构建(Simultaneous Localization and Mapping,简称SLAM)，其含义是当机器人处于一个事先未知的地方，通过在环境中不断移动来增量式地构建周围的环境地图，并同步地计算自身在该环境中的位姿。由于机器人的位置在每一步运行中都存在误差，而所观测的环境特征信息与其高度相关，从根本上来说，SLAM是一个估计问题，即在有噪声干扰的情况下，运用机器人自身携带的传感器所观察到的信息，来估计环境地图和在此环境地图中机器人的移动轨迹。目前，主要有基于电磁线、红外射线、激光、视觉传感器对机器人进行定位的技术。

但是，现有的技术，通常需要预先在环境当中设置参照物，因此存在便捷性不高以及精度不高的缺点。

发明内容

本发明的主要目的是提供同步定位与地图构建方法和设备，旨在提高同步定位与地图构建便捷性和精度。

为实现上述目的，本发明提出的一种同步定位与地图构建方法，用于多机器人，所述同步定位与地图构建方法包括步骤：

加载预设的根据机器人的结构而建立机器人运动学模型；

通过传感器扫描环境而在预设坐标系中建立参考环境地图；

在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿；并且，

通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图；

根据所述第一估计位姿与第二估计位姿获得更新位姿；

根据所述更新位姿对所述机器人的位姿进行更新。

优选的，所述通过传感器扫描环境而在预设坐标系中建立参考环境地图包括：

通过传感器扫描采集现场环境的障碍物信息的二维点集；

将所述二维点集转换为栅格地图而在预设坐标系中建立参考环境地图。

优选的，所述在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿包括：

在移动至下一位置时，根据编码器判别机器人运动距离；

根据电子罗盘与陀螺仪判别机器人运动方向；

根据所述机器人运动距离和运动方向，计算获得所述机器人当前位姿，并且将所述机器人当前位姿作为所述机器人的第一估计位姿。

优选的，所述通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图包括：

通过传感器扫描获得更新环境地图；

根据所述第一估计位姿，采用迭代最近点算法将所述更新环境地图映射到所述参考环境地图上，并且获得新参考环境地图；

根据所述参考环境地图、映射至所述参考环境地图上的更新环境地图，以及机器人学空间坐标转换算法，获得所述第二估计位姿。

优选的，所述同步定位与地图构建方法还包括：

通过摄像设备获得参考路标信息；

在移动至下一位置时，通过摄像设备获得更新路标信息；

根据所述参考路标信息以及更新路标信息计算获得卡尔曼增益矩阵，并且根据所述卡尔曼增益矩阵对所述机器人的位姿进行更新。

本发明还提供了一种同步定位与地图构建设备，所述同步定位与地图构建设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的同步定位与地图构建程序，所述同步定位与地图构建程序被所述处理器执行时实现以下步骤：

加载预设的根据机器人的结构而建立机器人运动学模型；

通过传感器扫描环境而在预设坐标系中建立参考环境地图；

在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿；并且，

通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图；

根据所述第一估计位姿与第二估计位姿获得更新位姿；

根据所述更新位姿对所述机器人的位姿进行更新。

优选的，所述处理器执行所述通过传感器扫描环境而在预设坐标系中建立参考环境地图包括：

通过传感器扫描采集现场环境的障碍物信息的二维点集；

将所述二维点集转换为栅格地图而在预设坐标系中建立参考环境地图。

优选的，所述处理器执行所述在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿包括：

在移动至下一位置时，根据编码器判别机器人运动距离；

根据电子罗盘与陀螺仪判别机器人运动方向；

根据所述机器人运动距离和运动方向，计算获得所述机器人当前位姿，并且将所述机器人当前位姿作为所述机器人的第一估计位姿。

优选的，所述处理器执行所述通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图包括：

通过传感器扫描获得更新环境地图；

根据所述第一估计位姿，采用迭代最近点算法将所述更新环境地图映射到所述参考环境地图上，并且获得新参考环境地图；

根据所述参考环境地图、映射至所述参考环境地图上的更新环境地图，以及机器人学空间坐标转换算法，获得第二估计位姿。

优选的，在所述根据所述更新位姿对所述机器人的位姿进行更新的步骤之后，所述处理器还用于执行所述同步定位与地图构建程序，以实现以下步骤：

通过摄像设备获得参考路标信息；

在移动至下一位置时，通过摄像设备获得更新路标信息；

根据所述参考路标信息以及更新路标信息计算获得卡尔曼增益矩阵，并且根据所述卡尔曼增益矩阵对所述机器人的位姿进行更新。

本发明所提供的同步定位与地图构建方法，通过采用惯性导航***则可以获得第一估计位姿，进一步采用扫描障碍物的传感器，则可以不断的获得环境地图；再通过第一估计位姿指导前后环境地图建立匹配关系，从而可以快速和精确地构建当前环境的地图；进一步的通过匹配后的前后环境地图而获得第二估计位姿，再通过第一估计位姿和第二估计位姿相结合，而获得更精确的更新位姿，从而使得机器人的定位精度更高，则降低了定位不准而带来的累计误差，进而又可以同步构建精度更高当前环境地图。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明同步定位与地图构建方法第一实施例的流程图；

图2为图1中步骤S102的流程图；

图3为图1中步骤S103的流程图；

图4为图1中步骤S104的流程图；

图5为本发明同步定位与地图构建方法第二实施例的流程图；

图6为本发明同步定位与地图构建设备一实施例的示意图；

图7为图6所示同步定位与地图构建设备的工作流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参看图1，本发明同步定位与地图构建方法第一实施例，所述同步定位与地图构建方法，用于多机器人，所述同步定位与地图构建方法包括步骤：

步骤S101，加载预设的根据机器人的结构而建立机器人运动学模型。

由于机器人的结构不同，存在大小功能运动结构都不相同的情况，因此为了针对不同的机器人，可以预设针对各自结构的运动学模型，从而便于精确的描述机器人的运动位姿。具体的，首先运动学模型可以包括：

1、确定机器人自由度，例如为六自由度机器人，即由当前参考位置的三维坐标以及绕三个固定轴的角度，六个变量可以确定机器人的位姿。2、根据机器人底盘结构，确定机器人本体运动线速度与角速度之间的关系。3、利用模型对机器人移动位姿规律进行分析，并作为机器人定位的数学基础。

步骤S102，通过传感器扫描环境而在预设坐标系中建立参考环境地图。

传感器的种类可以是多种，例如激光传感器、声波传感器以及电磁波传感器(雷达)等等。这些都可以通过主动发射并且接受反射波来确定环境中障碍物。

步骤S103，在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿。

所述下一位置，可以根据预设参数限定，例如车轮转动了1圈、移动了1米或者是移动了1秒钟时等等。所述惯性导航***以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。本实施例可以采用例如捷联式惯性导航***、解析式惯性导航***和半解析式惯性导航系等等。

步骤S104，通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图。

所述更新环境地图用于展示机器人的当前位置的环境状态。可以通过对比更新环境地图与参考环境地图的变化来推算第二估计位姿。

其中，仅仅通过两个地图的匹配则效率较低，并且准确度较低。优选的，本实施例利用第一估计位姿来确定更新环境地图相对参考环境地图的大致变化方向，然后再根据该大致变化方向，对更新环境地图与参考环境地图进行相互匹配，则可以较快速且准确地确定更新环境地图与参考环境地图的关系。然后将更新环境地图和参考环境地图进行组合，从而获得新参考环境地图，达到实时描绘地图的功能。

进一步的，还可以通过第二估计位姿和第一估计位姿进行比对计算，从而矫正第二估计位姿，再根据矫正的第二估计位姿而获得更精确的新参考环境地图。

当然，还可以通过利用第一估计位姿来获得参考环境地图的当前估计变化地图，然后将估计变化地图与更新环境地图进行比对，从而确定参考环境地图与更新环境地图的确切匹配关系。例如：

参考环境地图中具有五棵树ABCDE，机器人向前移动。在下一位置时，通过第一估计位姿来确认该五棵树ABCDE和机器人的相对位置关系，从而获得当前估计变化地图。在该当前估计变化地图中，五棵树ABCDE向后移动。同时，机器人通过扫描获得更新环境地图，在而更新环境地图中也有五棵树CDEFG。然后通过估计变化地图的树CDE的坐标信息，确认参考环境地图和更新环境地图中树CDE的匹配关系，然后根据该匹配结果将更新环境地图映射到参考环境地图中，从而获得新的参考环境地图；以及根据匹配关系确定时，通过计算参考环境地图和更新环境地图而获得的第二估计位姿。

以上具体举例仅仅作为本步骤的举例说明，并不限定本步骤仅仅采用上述方案。

步骤S105，根据所述第一估计位姿与第二估计位姿获得更新位姿。优选的，可以根据所述第一估计位姿与第二估计位姿，以及扩展卡尔曼滤波算法获得更新位姿。其中，运用扩展卡尔曼滤波算法在后文中陈述。

由于第一估计位姿和第二估计位姿都属于估计值，而哪一个估计值更精确则并不一定；则本实施例可以从第一估计位姿和第二估计位姿中选中其中更精确的一个作为更新位姿；或者，通过近似估计算法从第一估计位姿和第二估计位姿中提取较精确值而组成更新位姿。例如，近似估计方法可以包括EKF，基于UT变换的卡尔曼滤波(UKF)，粒子滤波，等等。

步骤S106，根据所述更新位姿对所述机器人的位姿进行更新。

本实施例，通过采用惯性导航***则可以获得第一估计位姿，进一步采用扫描障碍物的传感器，则可以不断的获得环境地图；再通过第一估计位姿指导前后环境地图建立匹配关系，从而可以快速和精确地构建当前环境的地图；进一步的通过匹配后的前后环境地图而获得第二估计位姿，再通过第一估计位姿和第二估计位姿相结合，而获得更精确的更新位姿，从而使得机器人的定位精度更高，则降低了定位不准而带来的累计误差，进而又可以同步构建精度更高当前环境地图。

请结合参看图2，本实施例中的步骤S102，所述通过传感器扫描环境而在预设坐标系中建立参考环境地图包括：

步骤S201，通过传感器扫描采集现场环境的障碍物信息的二维点集。其中，本实施例中，传感器采用的是激光雷达。

步骤S202，将所述二维点集转换为栅格地图而在预设坐标系中建立参考环境地图。其中，预设坐标系可以单个坐标系或同时采用多个坐标系等；坐标系可以是极坐标系或者笛卡尔坐标系等等。

本实施例，通过扫描获得障碍物的二维点集信息，并且转化为栅格地图来构建参考环境地图，则该方法具有易于实现以及稳定性较高的效果。当然，在其他实施例中，还可以采集更多维的点集，构建向量地图等等。

请结合参看图3，本实施例中的步骤S103，所述在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿包括：

步骤S301，在移动至下一位置时，根据编码器判别机器人运动距离。

步骤S302，根据电子罗盘与陀螺仪判别机器人运动方向。

步骤S303，根据所述机器人运动距离和运动方向，计算获得所述机器人当前位姿，并且将所述机器人当前位姿作为所述机器人的第一估计位姿。

本实施例中，通过采用编码器获得运动距离，通过电子罗盘和陀螺仪来获得运动方向，该惯性导航***具有较为常见而成本低、结构简单和工作稳定的效果。

请结合参看图4，本实施例中的步骤S104，所述通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图包括：

步骤S401，通过传感器扫描获得更新环境地图。其中，该传感器与之前传感器相同，具体为，为机器人本体携带的激光扫描仪。

步骤S402，根据所述第一估计位姿，采用迭代最近点算法将所述更新环境地图映射到所述参考环境地图上，并且获得新参考环境地图。

本步骤中，则是利用第一估计位姿来指导所述更新环境地图映射至参考环境地图上，从而参考环境地图与更新环境地图的匹配关系，从而获得新参考环境地图，达到构建当地环境地图的效果。进一步的采用迭代算法，能够较为简单以及精确的确定映射关系。所述迭代算法在后文中描述。

步骤S403，根据所述参考环境地图、映射至所述参考环境地图上的更新环境地图，以及机器人学空间坐标转换算法，获得第二估计位姿。

本实施例中，通过第一估计位姿来指导所述更新环境与参考环境地图的匹配，并且根据参考环境地图和更新环境地图以及机器人学空间左边转换算法，来获得第二估计位姿，则具有降低匹配时的计算难度，达到快速和精确的计算匹配关系的效果；以及通过匹配后的前后环境地图而获得的第二估计位姿具有估计较为精确的效果。

具体的，请结合参看图7，此处对上述公式进行说明：所述扩展卡尔曼滤波：卡尔曼滤波是由卡尔曼本人在1960年提出的一系列数学公式，可以通过观测***的输入和输出结果，对包含噪声和干扰的***状态进行最优估计，其方法便是利用前一时刻的数据和***的误差信息迭代求解当前时刻的状态信息。卡尔曼滤波器的运用前提是基于线性***，然而在实际应用中很难保证用线性方程来准确描述***的状态情况。***的过程模型和观测模型都可能以非线性的形式存在，其非线性模型由如下方程所示，其中f和h代表的是非线性函数。

x(k)＝f(x(k-1),u(k))+w(k)

z(k)＝h(x(k))+v(k)

在实际应用中，非线性模型中的噪声值我们通常无法获得，而在将***线性化的过程中还会引入噪声，因此可以假设该阶段其值为零，将干扰统一考虑在线性化的***模型中。对上述非线性***进行线性化的结果如下：

等号左边分别是实际的***状态和观测变量，等号右边未加上标的x(k)和z(k)分别是对应的估计值。w(k)和v(k)***的噪声干扰，F(k)和H(k)是与状态转移和观测相关的雅可比矩阵。

具体算法过程为：

(1)根据机器人的运动学模型，计算从t-1时刻到t时刻位置的变化(Δx_t,Δy_t)以及IMU的偏航角变化θ_t，并计算出t时刻里程计所对应的机器人估计位姿P_odom(t)＝[x(t),y(t),θ(t)]^T。

(2)令q₀＝(Δx_t,Δy_t,θ_t)，根据t时刻激光雷达的扫描数据S_t以及t-1时刻的参考扫描数据S_t-1，将q₀作为从S_t-1到S_t的初始位姿变换，执行PLICP算法，迭代计算得到最终的位姿变换q_k。再计算t时刻雷达扫描匹配所对应的机器人位姿P_scan(t)＝R(θ_k)P_scan(t-1)+t_k。

请参看图5，本实施例以第一实施例为基础，新增了步骤。具体如下：

步骤S501，与第一实施例的步骤S101相同，在此不再赘述。

步骤S502，与第一实施例的步骤S102相同，在此不再赘述。

步骤S503，与第一实施例的步骤S103相同，在此不再赘述。

步骤S504，与第一实施例的步骤S104相同，在此不再赘述。

步骤S505，与第一实施例的步骤S105相同，在此不再赘述。

步骤S506，与第一实施例的步骤S106相同，在此不再赘述。

步骤S507，通过摄像设备获得参考路标信息。

步骤S508，在移动至下一位置时，通过摄像设备获得更新路标信息。

步骤S509，根据所述参考路标信息以及更新路标信息计算获得卡尔曼增益矩阵，并且根据所述卡尔曼增益矩阵对所述机器人的位姿进行更新。

本实施例，通过新增参考路标特征，则能够进一步的校准机器人的位姿，达到降低了定位误差，从而使得同步定位与地图构建的整体精度进一步提高。

请参看图6，本发明同步定位与地图构建设备一实施例。同步定位与地图构建设备整体为一个四轮驱动机器人，包括：

激光雷达1001，用于发出激光再接收反射激光。在其他实施例中，还可以采用声波或光波传感器等。

激光导航模块1002，用于通过激光雷达接收的信息进行计算，进而对障碍物进行定位。

电子罗盘1008，用于获取当前机器人的指向。

角度传感器1009，用于获取当前机器人的转动角度。

编码器1004，用于记录机器人的移动距离。

数据采集板1003，用于连接上述各个测量模块与控制板。

控制板1005，用于配置与根据上述测量数值同步定位和构建地图。

后轮直流无刷电动驱动器1007，用于驱动机器人移动。

前轮步进电机驱动器1006，用于驱动机器人移动。

请结合参看图7，所述同步定位与地图构建设备还包括设置在控制板1005上的存储器、处理器及存储在所述存储器上并可在所述处理器上运行的同步定位与地图构建程序。

所述同步定位与地图构建程序被所述处理器执行时实现上述实施例中同步定位与地图构建方法的步骤。具体方案可以参考上述同步定位与地图构建方法的实施例，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种同步定位与地图构建方法，用于多机器人，其特征在于，所述同步定位与地图构建方法包括步骤：

加载预设的根据机器人的结构而建立机器人运动学模型；

通过传感器扫描环境而在预设坐标系中建立参考环境地图；

在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿；并且，

通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图；

根据所述第一估计位姿与第二估计位姿获得更新位姿；

根据所述更新位姿对所述机器人的位姿进行更新。

2.如权利要求1所述的同步定位与地图构建方法，其特征在于，所述通过传感器扫描环境而在预设坐标系中建立参考环境地图包括：

通过传感器扫描采集现场环境的障碍物信息的二维点集；

将所述二维点集转换为栅格地图而在预设坐标系中建立参考环境地图。

3.如权利要求2所述的同步定位与地图构建方法，其特征在于，所述在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿包括：

在移动至下一位置时，根据编码器判别机器人运动距离；

根据电子罗盘与陀螺仪判别机器人运动方向；

根据所述机器人运动距离和运动方向，计算获得所述机器人当前位姿，并且将所述机器人当前位姿作为所述机器人的第一估计位姿。

4.如权利要求3所述的同步定位与地图构建方法，其特征在于，所述通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图包括：

通过传感器扫描获得更新环境地图；

根据所述第一估计位姿，采用迭代最近点算法将所述更新环境地图映射到所述参考环境地图上，并且获得新参考环境地图；

根据所述参考环境地图、映射至所述参考环境地图上的更新环境地图，以及机器人学空间坐标转换算法，获得所述第二估计位姿。

5.如权利要求1所述的同步定位与地图构建方法，其特征在于，所述同步定位与地图构建方法还包括：

通过摄像设备获得参考路标信息；

在移动至下一位置时，通过摄像设备获得更新路标信息；

根据所述参考路标信息以及更新路标信息计算获得卡尔曼增益矩阵，并且根据所述卡尔曼增益矩阵对所述机器人的位姿进行更新。

6.一种同步定位与地图构建设备，其特征在于，所述同步定位与地图构建设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的同步定位与地图构建程序，所述同步定位与地图构建程序被所述处理器执行时实现以下步骤：

加载预设的根据机器人的结构而建立机器人运动学模型；

通过传感器扫描环境而在预设坐标系中建立参考环境地图；

在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿；并且，

通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图；

根据所述第一估计位姿与第二估计位姿获得更新位姿；

根据所述更新位姿对所述机器人的位姿进行更新。

7.如权利要求6所述的同步定位与地图构建设备，其特征在于，所述处理器执行所述通过传感器扫描环境而在预设坐标系中建立参考环境地图包括：

通过传感器扫描采集现场环境的障碍物信息的二维点集；

将所述二维点集转换为栅格地图而在预设坐标系中建立参考环境地图。

8.如权利要求7所述的同步定位与地图构建设备，其特征在于，所述处理器执行所述在移动至下一位置时，通过惯性导航***预估所述机器人的第一估计位姿包括：

在移动至下一位置时，根据编码器判别机器人运动距离；

根据电子罗盘与陀螺仪判别机器人运动方向；

根据所述机器人运动距离和运动方向，计算获得所述机器人当前位姿，并且作为所述机器人的第一估计位姿。

9.如权利要求8所述的同步定位与地图构建设备，其特征在于，所述处理器执行所述通过传感器扫描获得更新环境地图，根据所述更新环境地图、参考环境地图以及第一估计位姿获得第二估计位姿以及新参考环境地图包括：

通过传感器扫描获得更新环境地图；

根据所述第一估计位姿，采用迭代最近点算法将所述更新环境地图映射到所述参考环境地图上，并且获得新参考环境地图；

根据所述参考环境地图、映射至所述参考环境地图上的更新环境地图，以及机器人学空间坐标转换算法，获得所述第二估计位姿。

10.如权利要求6所述的同步定位与地图构建设备，其特征在于，在所述根据所述更新位姿对所述机器人的位姿进行更新的步骤之后，所述处理器还用于执行所述同步定位与地图构建程序，以实现以下步骤：

通过摄像设备获得参考路标信息；

在移动至下一位置时，通过摄像设备获得更新路标信息；

根据所述参考路标信息以及更新路标信息计算获得卡尔曼增益矩阵，并且根据所述卡尔曼增益矩阵对所述机器人的位姿进行更新。