長(zhǎng)期運(yùn)行移動(dòng)機(jī)器人的定位與地圖構(gòu)建.pdf

1、移動(dòng)機(jī)器人領(lǐng)域的發(fā)展有效提升了機(jī)器人的自主性，使機(jī)器人具備更大的工作范圍，更低的環(huán)境部署要求，以及更靈活豐富的任務(wù)執(zhí)行等，對(duì)于機(jī)器人的進(jìn)一步應(yīng)用推廣有重要的意義。在移動(dòng)機(jī)器人技術(shù)方面，最首要的任務(wù)是回答“我在哪里”，即定位問題。目前，最常見的方式是機(jī)器人先對(duì)環(huán)境進(jìn)行地圖構(gòu)建，然后利用構(gòu)建的地圖進(jìn)行定位。其中，地圖構(gòu)建依賴同時(shí)定位與構(gòu)圖(SLAM)系統(tǒng)。然而，這種方式對(duì)于長(zhǎng)期運(yùn)行案例，比如倉(cāng)儲(chǔ)機(jī)器人、巡檢機(jī)器人等不再可行。因?yàn)镾LAM得到

2、的地圖在定位期間可能已經(jīng)過期，甚至SLAM期間就已經(jīng)過期。針對(duì)這個(gè)問題，本文提出一種支持機(jī)器人長(zhǎng)期運(yùn)行的多階段SLAM方法，思路是通過將長(zhǎng)期運(yùn)行SLAM問題轉(zhuǎn)化為多階段SLAM問題，假設(shè)階段內(nèi)環(huán)境靜止，而階段間環(huán)境變化，從而給出一種多階段SLAM方案，使得移動(dòng)機(jī)器人能夠適應(yīng)環(huán)境變化，構(gòu)建具有時(shí)效性的地圖，最終具有長(zhǎng)期定位能力，并且計(jì)算復(fù)雜度可接受。具體包括了三方面五個(gè)創(chuàng)新點(diǎn)的內(nèi)容:
　　(1)信息層面從冗余到精簡(jiǎn)，本文從兩張地圖之

3、間的Kullback-Leibler距離出發(fā)，導(dǎo)出了衡量構(gòu)建兩張地圖的位姿集合間的量化差距，基于這個(gè)差距提出了圖模型位姿節(jié)點(diǎn)的修剪算法。在此之上，本文又提出位姿修剪后，在圖模型中生成新的稀疏因子的方法，保留一部分節(jié)點(diǎn)用于維持圖模型幾何關(guān)系的信息。實(shí)現(xiàn)通過控制節(jié)點(diǎn)使圖模型保持與地圖相關(guān)的復(fù)雜度，而非原來的軌跡長(zhǎng)度;
　　(2)觀測(cè)層面從靜態(tài)到動(dòng)態(tài)，本文從位姿估計(jì)出發(fā)，利用概率模型將問題轉(zhuǎn)化為傳感器類型無關(guān)的一般化概率推斷和參數(shù)估計(jì)問

4、題，并發(fā)現(xiàn)該框架能夠囊括許多經(jīng)典算法，并且借助該模型提出了多傳感器的融合框架。在此一般化模型的基礎(chǔ)上，本文又將環(huán)境的動(dòng)態(tài)融合到模型的變量中，使動(dòng)態(tài)環(huán)境檢測(cè)變?yōu)槎鄠鞲衅飨碌母怕誓Ｐ屯评韱栴}，提升了計(jì)算效率和準(zhǔn)確率。
　　(3)框架層面從單次到多次，本文通過將單次SLAM轉(zhuǎn)化為多次SLAM，并在每次SLAM之間設(shè)立包含基于修剪的冗余性處理和基于動(dòng)態(tài)檢測(cè)的時(shí)效性處理的圖模型控制模塊，使SLAM可以長(zhǎng)期運(yùn)行，僅通過損失少量精度，就可以獲得