大規(guī)模環(huán)境下多機器人協(xié)作同時定位與建圖研究.pdf

1、隨著移動機器人領(lǐng)域的研究不斷深入，其應(yīng)用領(lǐng)域也不斷得到推廣。大規(guī)模環(huán)境下的移動機器人自主完成作業(yè)成為當前研究的熱門課題，并在行星探索、軍事反恐、災(zāi)難搜救等領(lǐng)域擁有巨大的應(yīng)用潛力。未知環(huán)境下，移動機器人在線創(chuàng)建地圖并同時利用地圖實現(xiàn)自身的定位，即同時定位與建圖(SimultaneousLocalization and Mapping，SLAM)是其自主完成作業(yè)的基礎(chǔ)。大規(guī)模環(huán)境結(jié)構(gòu)復雜，導航難度高，加之單機器人在大規(guī)模環(huán)境下存在傳感器能力

2、、計算復雜度與存儲規(guī)模等方面的限制，多機器人協(xié)作是解決大規(guī)模環(huán)境下同時定位與建圖問題的可行途徑，從而受到研究者重視。
　　 大規(guī)模環(huán)境結(jié)構(gòu)復雜，可能是結(jié)構(gòu)化環(huán)境，也可能是非結(jié)構(gòu)化環(huán)境，而實際應(yīng)用中經(jīng)常是兩種環(huán)境的結(jié)合體，即半結(jié)構(gòu)化環(huán)境。為了研究大規(guī)模環(huán)境下多機器人協(xié)作SLAM問題，本文首先從非結(jié)構(gòu)化大規(guī)模環(huán)境和結(jié)構(gòu)化大規(guī)模環(huán)境出發(fā)，分別研究兩種環(huán)境下多機器人協(xié)作SLAM。接下來，綜合以上兩種環(huán)境下多機器人協(xié)作SLAM方法，本文給

3、出半結(jié)構(gòu)化大規(guī)模環(huán)境下多機器人協(xié)作SLAM的綜合解決方案，以實現(xiàn)多機器人在環(huán)境中協(xié)作、自主、高效地建圖，實現(xiàn)建立完整且一致的環(huán)境地圖，同時完成各個機器人對自身的定位，以便利用該地圖高效執(zhí)行任務(wù)。本文主要進行以下三個方面的研究工作：
　　 (1)針對非結(jié)構(gòu)化大規(guī)模環(huán)境，本文研究了基于局部子地圖的多機器人自主協(xié)作SLAM方法。機器人在環(huán)境中并行創(chuàng)建局部子地圖，并利用基于擴展卡爾曼濾波器的子地圖融合方法得到全局地圖。本文同時給出一種主

4、動的多機器人同時定位與建圖方法，根據(jù)建圖精度、建圖效率以及各個機器人之間的協(xié)調(diào)三個因素對機器人的控制輸入進行優(yōu)化，實現(xiàn)了多機器人在環(huán)境中自主協(xié)作SLAM。本文還研究了子地圖融合時機對于全局地圖的影響，通過對融合時機的優(yōu)化，得到精度更高的全局地圖。
　　 (2)針對結(jié)構(gòu)化大規(guī)模環(huán)境，本文研究了基于拓撲地圖的多機器人協(xié)作SLAM方法，基于廣義Voronoi圖(Generalized Voronoi graph，GVG)為環(huán)境建立拓撲

5、模型。針對大規(guī)模環(huán)境中存在開闊的區(qū)域，傳統(tǒng)的GVG模型因傳感距離的限制，無法在線創(chuàng)建的問題，本文提出了一種改進的GVG模型，稱為飽和GVG，并給出了多機器人在線創(chuàng)建飽和GVG的方法。拓撲節(jié)點匹配是多機器人建立一致的環(huán)境拓撲地圖并實現(xiàn)在地圖上定位的基礎(chǔ)，本文給出了一種基于多假設(shè)方法的節(jié)點匹配策略，通過建立多假設(shè)樹并擴展，將當前時刻每一種可能的機器人位置/環(huán)境拓撲結(jié)構(gòu)的假設(shè)作為一個葉子節(jié)點，并根據(jù)其后驗概率、GVG節(jié)點類型以及機器人的相互觀

6、測等信息進行剪枝，最終得到全局一致的準確環(huán)境拓撲地圖，從而實現(xiàn)了結(jié)構(gòu)化大規(guī)模環(huán)境下多機器人協(xié)作SLAM。
　　 (3)針對半結(jié)構(gòu)化大規(guī)模環(huán)境，本文研究了結(jié)構(gòu)化區(qū)域與非結(jié)構(gòu)化區(qū)域建圖的結(jié)合，給出了一種綜合的解決方案。針對環(huán)境面積覆蓋充分性和環(huán)境信息描述充分性的要求，本文提出了一種新型的特征一拓撲混合地圖表示方法，該方法同時包含拓撲地圖和特征子地圖，其中拓撲地圖采用飽和GVG，記錄了環(huán)境的框架結(jié)構(gòu)，而特征地圖則記錄了環(huán)境的細節(jié)信息，

7、特征地圖通過拓撲地圖得到了有序的組織。針對結(jié)構(gòu)化區(qū)域和非結(jié)構(gòu)化區(qū)域，本文給出了不同的主動建立特征子地圖的方法。本文研究了拓撲地圖和特征子地圖的相互輔助創(chuàng)建，從而以更快的速度得到全局唯一的拓撲地圖以及精度更高的特征子地圖，實現(xiàn)了拓撲地圖和特征子地圖兩者的有機結(jié)合。以火災(zāi)現(xiàn)場救援為例，本文研究了基于特征-拓撲混合地圖的多機器人同時救援、定位與建圖，實現(xiàn)了在未知的大規(guī)模環(huán)境中救援、定位與建圖三者同時在線完成，體現(xiàn)了特征-拓撲混合地圖在機器人實