论文部分内容阅读
近年来，随着移动机器人技术的发展，机器人获得越来越多的应用，例如在服务、军用等领域机器人已经代替人类完成一些繁重和危险的任务。移动机器人应用的进一步推广需要在机构、控制、人工智能等领域进一步深入的研究，其中自主性是一个重要的研究方向并且受到了越来越多的重视。在自主性问题中一个重要前提是机器人能够进行环境认知并且能够进行自主定位，即回答机器人自身“周围的环境怎么样”和“我在哪里”的问题，它们分别代表了机器人导航领域的定位和地图创建能力。在具备上述能力的基础上，机器人方能有效地完成路径规划等更高层的自主任务。
本文的研究工作源于国家“863”高技术计划重点项目子课题“废墟洞穴搜救机器人研制”。研究工作首先从机器人在室内环境应用着手，在缺少全局位置信号(GPS等)的情况下，以机器人搭载的内部传感器和外部传感器数据为输入条件，系统地解决机器人自主定位与地图创建的问题，为机器人以后切实能够在废墟环境内部自主运行做理论性的尝试和前期的探索。围绕室内环境中的定位与地图创建问题，本文工作系统地研究了机器人同步定位与地图创建(Simultaneous localization and mapping，SLAM)领域的混合地图表达方法、数据关联问题、局部地图表示方法以及SLAM算法在室内环境下的适应性问题，具体研究内容包括:
1)基于Voronoi图的混合地图表示研究。在该工作中首先分析了单一结构地图表示方法的局限性，单一结构的地图主要包括特征地图和稠密地图，特征地图只能表示特定类型的环境;稠密地图主要包括栅格地图与高斯和地图，受地图形式的限制，稠密地图缺少回环矫正的能力。在以上分析的基础上，本文提出一种基于Voronoi图的混合米制地图表示方法。一方面，全局地图采用特征地图的形式，采用扩展卡尔曼滤波器可以保持各个特征及机器人位姿之间的相关性，使得地图具备回环矫正的能力;另一方面，根据每一个特征创建一个局部地图，局部地图能够表述环境的细节，从而使得该地图可以真实地再现环境的详细轮廓。另外，理论分析说明该地图应用于SLAM算法可以描述完整的传感器观测环境。仿真和实验验证了该方法的有效性。
2)基于多规则的数据关联方法研究。数据关联研究传感器观测数据和地图图元之间的对应关系，传统的数据关联方法主要研究了特征地图中的数据关联问题。本研究分析了传统的基于马氏距离的数据关联方法存在的问题并指出其局限性。根据研究内容1）所提出的混合米制地图的特点，提出一个基于多规则的数据关联方法。该方法考虑了传感器观测范围有限的特点、角点的观测存在单向性的特点、混合地图中特征和局部地图存在一一对应关系的性质、以及特征表达的参数性特点，构成一个由多个规则约束的数据关联方法。该方法可以有效地提出数据关联算法的鲁棒性。
3)基于广义传感器观测模型的局部地图表示方法研究。该部分研究内容首先分析了栅格地图与高斯和地图这两种常用的稠密地图地图表示方法各自的特点，并根据研究内容1）所提出的混合米制地图的特点，提出一个基于广义传感器观测模型的局部地图表示方法，该方法在对传感器观测数据分析的基础上，对传感器数据处理、融合策略等方面进行了研究，从而可以获得一个平滑有向的局部地图，该局部地图表示方法的可行性在试验中获得验证。
4)算法在室内环境的适应性研究。首先，本文分析了基于上述混合米制地图的SLAM算法对环境的要求，该SLAM算法要求环境中存在可供观测的角点特征。对于一些角点过少的室内环境，SLAM算法无法创建相应环境的地图。针对上述SLAM算法存在的局限性，本研究提出了一个基于“虚设特征”的扩展方法。在该方法中，采用“虚设特征”来表示无法提取角点特征的传感器观测数据，从而该SLAM算法可以描述这些缺少特征的环境并创建相应环境的混合地图，实验验证了该方法的有效性。