论文部分内容阅读
随着技术手段的进步,传统测绘逐步向移动测绘、实时动态测绘拓展。其中,以无人车、无人机、无人舰船和潜器为代表的机器人技术是目前测绘领域乃至自然科学和工程技术领域的一个研究热点。机器人的应用涉及到家庭生活、医学、农业、建筑业、军事以及太空探索等众多领域。与传统工业机器人相比,具备自主感知和行为决策、高度智能化的移动机器人具有更加广阔的发展空间。由于工作在非结构化的未知环境中,移动机器人需要实时感知周围环境,并根据周围场景情况自主规划路径以完成任务。实现自主移动能力的关键是移动机器人自主导航技术,高精度的自主定位、环境感知和路径规划是实现无人机、无人车等无人系统在非结构场景下自主移动的前提和基础。本文围绕移动机器人自主导航核心问题,从实时视觉里程计方法、动态场景下稳健图优化视觉导航、单目视觉/惯性组合导航以及全局动态路径规划等方面进行了系统研究,主要工作和创新点如下:(1)研究了相机成像与相机相对运动估计技术。提出了一种基于基本矩阵约束的镜头畸变自动校正方法,基于对极几何和一阶径向畸变模型构建两视图同名点约束方程;采用分步求解策略以解决待求参数过多导致解不稳定的问题。实验表明:提出的算法仅使用两张图像即可获取径向畸变参数及主点坐标,可操作性强,且对噪声具有一定的鲁棒性。针对3D-2D相对运动估计模型,对特征点法和直接法从精度、实时性和稳健性方面进行了全面系统的对比分析。实验表明:两种方法定位精度都为厘米级,但特征点法更加适用于移动机器人自主导航中的实时运动估计。(2)针对无人车等移动机器人自主导航的特殊应用场景,提出了一种基于先验信息的单目视觉里程计方法。基于相机高假设,给出了一种稳健的单目尺度因子估计算法,以解决单目视觉里程计方法中绝对尺度多义性的问题。实验表明:该方法绝对定位精度为米级,在消费级笔记本电脑平台下单线程平均单帧处理时间约为0.07s,可满足移动机器人实时自主导航的需求。(3)针对移动机器人实时准确自主定位的应用需求,提出了一种将光流跟踪与三焦点张量约束结合的双目视觉里程计方法。为提高运算效率,将图像序列分为关键帧与非关键帧,对关键帧进行常规的特征点检测与匹配,对非关键帧用Lucas-Kanade光流跟踪特征点对;推导了基于前后帧、左右视图三焦点张量约束的观测方程,顾及动力学方程,组成卡尔曼滤波模型;考虑到观测方程的非线性,为保证线性化精度,采用ISPKF进行解算;解算过程中用RANSAC策略提纯匹配,以增强系统整体稳健性。实验表明:提出的算法绝对定位精度为米级,单帧图像平均处理时间约为0.05s。(4)针对动态场景中运动路标点影响传统视觉导航算法精度、甚至导航失效的问题,提出了一种顾及动态路标点的稳健图优化视觉导航算法。在传统图优化视觉导航模型基础上,增加“运动指数”描述图优化模型中路标点的运动概率,把传统图优化高斯模型增强为高斯混合模型,以约束运动路标点对图优化结果的影响;为增强模型对噪声的稳健性,采用方差膨胀模型约束残差方程;详细推导了该高斯混合模型的期望-最大化求解方法,把该问题转化为经典迭代最小二乘问题进行解算。实验表明:提出的算法可有效减小场景中运动路标点对优化结果的影响;强动态场景中,绝对精度指标和相对精度指标均优于传统优化算法;静态或弱动态场景中,提出的算法仍与传统优化算法导航性能相当。(5)针对高机动性移动机器人自主导航的应用需求,提出了一种基于非线性优化的单目视觉/惯性组合导航算法。为解决视觉/惯导工作频率不一致问题,利用预积分技术预先处理惯性测量值;引入了一种快速高精度线性初始化方法,分步估计初始系统尺度、重力方向、速度及零偏;基于是否更新地图点,构建了两种基于非线性优化的单目视觉/惯性紧耦合模型,给出了结合地图三维点约束的滑动窗口优化详细流程。实验表明:初始化方法可快速实现高精度状态初始化;与单目视觉导航算法相比,提出的算法可获取绝对尺度信息,且导航参数更新率更高;与传统滑动窗口非线性优化方法相比,提出的算法在窗口优化过程中加入地图三维点约束,可有效削弱累积误差,验证了算法的正确性和可行性。(6)针对移动机器人路径规划全局最优、实时避障的需求,提出一种融合改进A*算法和动态窗口法的全局动态路径规划方法。首先,基于传统A*算法,结合Manhattan距离和Euclidean距离,设计了一种优化的启发搜索函数;然后使用关键点选取策略,剔除冗余路径点及不必要的转折点;进而融合动态窗口法构造了顾及全局最优路径的评价函数,基于该评价函数应用动态窗口法进行实时动态路径规划,在保证规划路径全局最优性的基础上提高其平滑性及路径规划的局部避障能力。实验表明:提出的算法规划的路径更平滑,可实时动态避障,且能保证规划路径的全局最优性。