人機交互環(huán)境下的主動SLAM及相關(guān)問題研究.pdf

1、智能移動機器人在家政服務、工業(yè)生產(chǎn)、勘探搜救以及軍事等諸多領(lǐng)域都有著廣泛的應用前景。在未知環(huán)境中，移動機器人準確地建立環(huán)境地圖，并同時利用地圖實現(xiàn)準確的自定位是實現(xiàn)移動機器人自治的關(guān)鍵技術(shù)，即同時定位與制圖(Simultaneous Localization and Mapping，SLAM)。傳統(tǒng)SLAM研究中，機器人通常以跟蹤預先指定路徑的方式移動;而主動SLAM(Active SLAM)是指機器人自主規(guī)劃路徑并實現(xiàn)SLAM，它使移

2、動機器人有能力實現(xiàn)完全自主。因此，主動SLAM研究具有非常重要的意義，近年來得到了廣泛的關(guān)注。
　　現(xiàn)有的主動SLAM研究均針對靜態(tài)環(huán)境，缺乏對動態(tài)對象的識別與跟蹤，而實際應用中機器人所遇到的環(huán)境大多為動態(tài)環(huán)境，尤其對服務機器人而言還需要與被服務對象產(chǎn)生互動（人機交互）。本論文提出了新的研究課題，即人機交互環(huán)境下的主動SLAM研究，重點探索在有人引導的情況下服務機器人如何從最優(yōu)探索的角度智能規(guī)劃路徑以完成SLAM，并同時實現(xiàn)對引導

3、人的實時跟蹤。論文提出的主動SLAM方法使用激光傳感器觀測環(huán)境并制圖，同時采用麥克風陣列聲源跟蹤方式實現(xiàn)對引導人運動軌跡的跟蹤。圍繞論文研究中的相關(guān)問題，論文的主要工作和創(chuàng)新點如下:
　　1.針對激光傳感器數(shù)據(jù)特征提取問題，提出基于預測的特征提取算法，提取出環(huán)境中的直線段、圓弧等幾何特征。該算法模擬激光器觀測環(huán)境的實際過程，利用相鄰的若干數(shù)據(jù)點計算當前數(shù)據(jù)點的預測位置，通過與實際數(shù)據(jù)點位置比較檢測出原始數(shù)據(jù)點集中的斷點和轉(zhuǎn)折點。與

4、傳統(tǒng)特征提取方法通常采用的分段-段內(nèi)特征分離的兩步驟架構(gòu)相比，本文提出的算法只需要一個步驟即可實現(xiàn)單個特征的全部分離，運算速度和特征提取準確率明顯提高。同時，該算法還具有無需事先估計激光器參數(shù)、每個特征的最小數(shù)據(jù)點數(shù)要求低等諸多優(yōu)勢。
　　2.提出麥克風陣列混合聲源定位算法。傳統(tǒng)的SRP-PHAT(Steered ResponsePower-Phase Transform)算法具有精度高、抗噪聲/混響性能好等優(yōu)勢，但由于全空間搜索

5、其運算速度難以滿足移動機器人的實時性要求。本文提出的混合定位算法首先利用廣義互相關(guān)(Generalized Cross-Correlation，GCC)時延估計方法快速得到潛在聲源方位點集，然后提出環(huán)形聚類的方法從方位點集中計算出縮小了的搜索空間，并在其中進行SRP-PHAT搜索得到聲源位置。本文提出的算法保留了SRP-PHAT算法的高精度和魯棒性，同時明顯地提高了運算速度，使其能夠滿足移動機器人實時性的要求。
　　3.提出SLA

6、M和聲源跟蹤(Sound Source Tracking，SST)融合實現(xiàn)的方法，利用擴展卡爾曼濾波(Extended Kalman Filter，EKF)實現(xiàn)基于激光特征的SLAM，得到系統(tǒng)狀態(tài)估計和協(xié)方差矩陣，利用機器人位姿估計信息將局部坐標系中的聲源狀態(tài)轉(zhuǎn)換到全局坐標系，在全局坐標系中利用粒子濾波(Particle Filter，PF)實現(xiàn)實時聲源跟蹤。將SLAM和SST相融合的研究在現(xiàn)有移動機器人研究領(lǐng)域尚未被提出，本文首次提出

7、的SLAM-SST融合實現(xiàn)的方法為人機交互環(huán)境下的主動SLAM建立了實現(xiàn)基礎(chǔ)，同時也為移動機器人聽覺研究提供了新的思路和方法。
　　4.提出人機交互環(huán)境下的主動SLAM方法，將主動SLAM研究擴展到動態(tài)環(huán)境。針對有引導情況下的最優(yōu)路徑規(guī)劃問題，采用潛在目標點集生成-效用函數(shù)選擇目標點的框架實現(xiàn)，在生成潛在目標點集和建立效用函數(shù)時均同時考慮了引導人的預測位置、機器人的位姿及已探索的環(huán)境范圍。使用激光傳感器提取幾何特征實現(xiàn)定位和制圖，