室內未知環(huán)境線段特征地圖構建.pdf

1、未知環(huán)境地圖構建是機器人和人工智能研究領域的一個重要課題，是移動機器人在未知環(huán)境中自主完成偵察、勘探、搜索、救援、導航等各項工作的基礎，對提高機器人的智能性、促進機器人進入人類日常生活、為人類服務具有重要的研究意義和應用價值。
　　 未知環(huán)境地圖構建問題面臨著同時定位與地圖構建(SLAM，SimultaneousLocalization and Mapping)方法、高維數(shù)據(jù)、數(shù)據(jù)對應、環(huán)境的動態(tài)特性和環(huán)形特性、以及自主探測規(guī)劃

2、等多方面的挑戰(zhàn)。結合室內環(huán)境結構性特點，本文采用描述障礙物輪廓的線段為特征，通過對信息處理、同時定位與地圖構建和探測規(guī)劃問題的深入研究，建立了一套相對完整的線段特征地圖構建方法。同時，為了提高地圖構建機器人快速運動能力和在窄小空間中的靈活運動能力，本文研究了四輪全方位移動機器人的運動建模與控制問題，為后續(xù)研發(fā)奠定了基礎。
　　 本文主要研究工作包括：
　　 (1)提出了結合哈夫變換、同線性判斷和最小二乘法的混合線段擬合方

3、法。該方法可有效提高擬合精度，實現(xiàn)對環(huán)境信息精確而簡潔的描述。
　　 (2)提出了尋找測量數(shù)據(jù)與線段特征最佳相合的增量式同時定位與地圖構建方法。該方法將SLAM分解為局部地圖構建、機器人位姿估計和地圖合并三個循環(huán)步驟。在地圖估計步驟，利用最小二乘法迭代尋找當前測量數(shù)據(jù)與已構建地圖中線段特征的最佳相合實現(xiàn)機器人位姿估計，并通過去除不當匹配和引入加權矩陣來減小測量誤差、特征擬合誤差和已構建地圖中的不確定性對位姿估計的影響。在地圖合并

4、步驟，根據(jù)所估計位姿，合并當前觀測得到的局部線段特征地圖和已構建全局線段特征地圖實現(xiàn)地圖的更新。該方法避免了高斯噪聲假設，降低了對數(shù)據(jù)關聯(lián)錯誤的敏感性，具有較小的匹配運算量，可以在線實時構建線段特征地圖。在較復雜的實驗室環(huán)境和較大的樓道環(huán)境中的實驗證明了算法的有效性和魯棒性。
　　 (3)提出了基于點線相合和粒子濾波的FastLineSLAM方法。該方法采用粒子實現(xiàn)機器人路徑的多假設，在粒子中采用基于點線相合的增量式SLAM方法

5、進行地圖的更新估計。在粒子采樣過程中，利用點線相合的位姿估計方法縮小采樣空間；通過基于相合關系的粒子權重更新方法降低計算復雜度；通過選擇性重采樣抑制粒子濾波常見的退化現(xiàn)象和采樣枯竭問題。實驗結果證明該算法解決了點線相合SLAM方法存在殘差累積、后期難以校正的問題，可良好解決環(huán)形環(huán)境和動態(tài)環(huán)境下的室內地圖構建，克服了傳統(tǒng)粒子濾波SLAM方法存在存儲空間負荷高、計算量大的缺陷，所需粒子數(shù)和存儲空間均較少。
　　 (4)提出了一種基于

6、線段特征方向引導的探測規(guī)劃算法。在利用線段特征生成候選視點的同時，賦予候選視點繼承線段特征的方向屬性；通過定義具有起始位置和探測方向屬性的探測區(qū)域，將探測環(huán)境表示為具有遞進關系的探測區(qū)域樹；根據(jù)候選視點與探測區(qū)域的隸屬關系，通過探測區(qū)域的方向引導或者候選視點的觀測方向引導啟發(fā)式地搜索下一步最佳探測位姿。實驗表明，所提方法可有效確保候選視點的可定位性，提高搜索效率，減少來回往復的運動現(xiàn)象。
　　 (2)研究了實時動態(tài)環(huán)境中四輪全方