大規(guī)模不規(guī)則環(huán)境中的移動(dòng)機(jī)器人定位與地圖構(gòu)建.pdf

1、在移動(dòng)機(jī)器人應(yīng)用中,通常難以提前獲得關(guān)于機(jī)器人作業(yè)環(huán)境的認(rèn)知,而先驗(yàn)環(huán)境信息是路徑規(guī)劃、動(dòng)作預(yù)測(cè)和機(jī)器人控制的重要依據(jù)。因此,旨在估計(jì)機(jī)器人位置與姿態(tài)并辨識(shí)周?chē)h(huán)境的同時(shí)定位和地圖構(gòu)建研究成為移動(dòng)機(jī)器人領(lǐng)域的關(guān)鍵問(wèn)題之一,并已在星球探測(cè)、水下勘探、采礦自動(dòng)化、無(wú)人飛行器導(dǎo)航和災(zāi)難營(yíng)救等領(lǐng)域成功實(shí)現(xiàn)。
　　 傳統(tǒng)研究大多著眼于小規(guī)模規(guī)則環(huán)境中的基礎(chǔ)應(yīng)用。實(shí)現(xiàn)大規(guī)模不規(guī)則環(huán)境中可靠的同時(shí)定位與地圖構(gòu)建系統(tǒng)是領(lǐng)域內(nèi)公認(rèn)的難點(diǎn)與發(fā)展趨勢(shì)

2、。本論文研究室外環(huán)境中應(yīng)用于車(chē)型機(jī)器人的定位和場(chǎng)景重構(gòu)方案,設(shè)計(jì)僅利用二維激光傳感器的軟硬件構(gòu)架,僅基于移動(dòng)機(jī)器人行進(jìn)中采集的激光粒子云探究系統(tǒng)中的狀態(tài)估計(jì)問(wèn)題。通過(guò)對(duì)算法的創(chuàng)新,從系統(tǒng)中移除傳統(tǒng)方案常用的車(chē)載里程計(jì)等內(nèi)置于機(jī)器人激勵(lì)機(jī)構(gòu)的傳感器,提高了系統(tǒng)的工程易用性。具體研究工作簡(jiǎn)述如下:
　　 第一,研究了同時(shí)定位與地圖構(gòu)建問(wèn)題的基本方法和關(guān)鍵技術(shù)點(diǎn)。本文基于對(duì)前人研究的總結(jié)深入探討了同時(shí)定位與地圖構(gòu)建研究的理論體系、概率

3、基礎(chǔ)和發(fā)展動(dòng)向。系統(tǒng)研究了同時(shí)定位與地圖構(gòu)建問(wèn)題中的狀態(tài)歸納、地圖描述和環(huán)境建模策略。揭示了信息濾波體系較卡爾曼濾波體系在大規(guī)模定位與地圖構(gòu)建應(yīng)用中的優(yōu)勢(shì)。
　　 第二,研究了基于激光測(cè)距儀觀測(cè)數(shù)據(jù)估計(jì)移動(dòng)機(jī)器人兩相鄰時(shí)刻間相對(duì)運(yùn)動(dòng)的方法。分析了激光束匹配問(wèn)題的定義和激光粒子云配準(zhǔn)方案的系統(tǒng)構(gòu)架。深入研究了激光束匹配的傳統(tǒng)算法_迭代最近點(diǎn)法的算法流程,實(shí)際驗(yàn)證并揭示了其算法缺陷,指出了經(jīng)典激光束匹配算法設(shè)計(jì)上的不足與改進(jìn)手段。<

4、br>　　 第三,研究了基于概率推理,估計(jì)相鄰激光束中激光粒子關(guān)聯(lián)關(guān)系的的機(jī)器學(xué)習(xí)算法,提高了激光束匹配在大規(guī)模不規(guī)則環(huán)境中的可靠性。實(shí)現(xiàn)了基于條件隨機(jī)場(chǎng)圖模型的激光束匹配算法。研究了針對(duì)二維激光粒子云圖模型建模、模型參數(shù)偽似然學(xué)習(xí)及隱變量狀態(tài)推理的原理與實(shí)現(xiàn)。提出了觀測(cè)量多重幾何特征提取與智能管理的方法,比使用單一距離尺度的傳統(tǒng)算法在不規(guī)則環(huán)境中的魯棒性更強(qiáng),且具有嚴(yán)密的的概率基礎(chǔ),為定量分析估計(jì)結(jié)果的不確定性并將其嵌入概率濾波框架

5、提供了切入點(diǎn)。
　　 第四,提出了基于概率圖模型定量分析激光束匹配問(wèn)題中機(jī)器人相對(duì)運(yùn)動(dòng)估計(jì)不確定性的方法。研究并歸納了激光束匹配的誤差源,揭示了主要誤差源的產(chǎn)生機(jī)理和問(wèn)題定義。深入研究圖模型概率推理機(jī)制,通過(guò)在消息構(gòu)建與置信傳播環(huán)節(jié)實(shí)施累加概率采樣,擬合激光點(diǎn)關(guān)聯(lián)配置不確定性分布,并將其映射于相對(duì)運(yùn)動(dòng)估計(jì)空間,從而提出了采樣積不確定性推理算法。與傳統(tǒng)的基于迭代最近點(diǎn)算法的不確定性估計(jì)算法不同,采樣積不確定性推理算法更有針對(duì)性地分

6、析數(shù)據(jù)關(guān)聯(lián)問(wèn)題中的主要誤差源。它以激光束中激光點(diǎn)的幾何特性為基礎(chǔ),發(fā)掘條件隨機(jī)場(chǎng)圖模型推理過(guò)程得到的概率信息,因此具有完善的概率基礎(chǔ)。經(jīng)仿真和實(shí)地實(shí)驗(yàn)驗(yàn)證,采樣積推理所捕捉的激光束匹配的不確定性特征更合理。此外,采樣積不確定性推理算法可拓展應(yīng)用于激光粒子匹配之外的數(shù)據(jù)關(guān)聯(lián)問(wèn)題。
　　 第五,提出了大規(guī)模不規(guī)則環(huán)境中的同時(shí)定位與地圖構(gòu)建的實(shí)驗(yàn)平臺(tái)和算法系統(tǒng)方案。并在澳大利亞陸地機(jī)器人中心所在的悉尼大學(xué)的主校園進(jìn)行了機(jī)器人路徑規(guī)模大

7、于1km的實(shí)地實(shí)驗(yàn)。研究并實(shí)現(xiàn)了精確稀疏滯后狀態(tài)濾波框架,提出了新的算法機(jī)制,它融合了滯后狀態(tài)信息濾波、基于條件隨機(jī)場(chǎng)的激光束匹配和采樣積不確定性推理?；诩す饬Ｗ佑跋衿ヅ?提出并實(shí)現(xiàn)了適用于大規(guī)模不規(guī)則環(huán)境中的閉環(huán)偵測(cè)策略。經(jīng)實(shí)驗(yàn)驗(yàn)證,本文所提出的同時(shí)定位與地圖構(gòu)建系統(tǒng)在真實(shí)環(huán)境中的性能優(yōu)于傳統(tǒng)算法。
　　 本文研究的同時(shí)定位與地圖構(gòu)建的實(shí)驗(yàn)平臺(tái)與算法系統(tǒng)為實(shí)現(xiàn)移動(dòng)機(jī)器人在復(fù)雜環(huán)境中的自治提供了可能,在軍用和民用領(lǐng)域都有重要意