论文部分内容阅读
自主导航能力作为移动机器人行为智能化和自主化的前提,首先需要解决机器人的自主定位与建图问题。对于室外机器人应用来说,激光LIDAR (Light Detection and Ranging)以其高频率、高精度的特点一直是机器人建图任务的首选环境感知传感器之一。然而高精度地图的构建需要以高精度的位姿信息作为保障,在诸如城市环境等室外复杂环境下,由于建筑物遮挡等造成的GPS (Global Position System)数据丢失乃至完全不可用情况的普遍存在导致移动机器人定位的可靠性受到挑战,一种可行方案是利用现成的激光LIDAR传感器作为辅助定位手段来获取准确的位姿估计信息,以及通过定位与建图的相互耦合关系采用同时定位与建图(Simultaneous Localization and Mapping, SLAM)方法同时解决移动机器人的精确建图问题。本文以国家自然科学基金项目“基于集理论的野外机器人复杂地形环境建模和同时定位研究”(61005092)为依托,针对室外GPS缺失前提下大范围非结构化复杂室外环境中移动机器人基于激光LIDAR的三维定位与建图问题进行深入研究。具体内容如下:针对室外环境中GPS数据缺失情况下的移动机器人长距离精确定位问题,提出了一种基于三维激光扫描数据的LIDAR里程计定位的方法,首先通过惯性测量单元(Inertial Measurement Unit, IMU)与码盘结合的方式进行实时三维位姿预估,然后对激光LIDAR数据采用正态分布变换(Normal Distributions Transform, NDT)扫描匹配定位方法以对其进行周期性校正,从而解决常规惯性导航方式用于长距离定位时所存在的累计误差过大问题,在保证定位算法实时性的前提下能够获取精确的移动机器人三维位姿估计。针对室外移动机器人位姿不确定情况下的大范围建图问题,考虑定位与建图之间的耦合性,提出了一种Graph-based SLAM框架下基于3D激光LIDAR扫描匹配的同时定位和建图统一处理方法,首先以LIDAR里程计输出作为位姿(Pose)观测节点之间的边约束条件来构建全地形环境下的Graph图,然后对闭环信息进行检测,进而根据检测到的闭环信息采用概率化的图优化方法执行全局位姿优化,使得用于建图的位姿信息达到全局最优,以解决累计定位误差造成的大范围建图过程中位姿和地图精度下降的问题,从而进一步提高定位与建图的准确性。针对以导航为目的的室外三维地形环境模型的压缩表示、实时构建和在线更新问题,提出了一种基于不确定集表示的全3D多层占据体元地形建模方法,与现有方法不同之处在于采用光线跟踪(Ray-tracing)方法对整条激光测量行程而不仅仅是单纯的末端反射信息进行了处理,从而可严格区分占据、空闲和未知三种状态,将之表示为标记有占据、空闲和未知三种状态的体元,并采用集员理论对地形构建过程中存在的不确定性进行在线融合处理,在此基础上实现了对多层地形特征的实时建模和更新,从而增强了地形模型信息的鲁棒性和丰富性。在上述研究的基础上,以本实验室自主构建的装配有三维激光LIDAR、MU以及码盘等多种传感器的MT-FR履带式移动机器人为实验平台,对文中提出的移动机器人定位与环境建模方法在室外校园环境中进行了广泛的实验验证,以验证本文所论述方法的有效性和正确性。