论文部分内容阅读
同步定位与地图创建(Simultaneous Localization and Mapping,SLAM)是移动机器人在未知环境中进行自主工作的基础,具备该项技术的移动机器人可以完成导航、路径规划和探索等更复杂的工作。近几十年来,研究人员提出了多种有效的单机器人SLAM算法。但是当面对大尺度工作环境或者对效率要求较高的工作任务时,单机器人SLAM无法快速并精确的构建全局地图。因此,研究多机器人SLAM在实际应用方面具有重要的意义。与单机器人相比,多机器人SLAM具有工作效率高、创建地图精确度高、面对复杂环境稳定性高等优点。但是,多机器人SLAM同样需要解决相对位姿获取、地图融合等问题。本文针对这些问题,首先分析比较常用的几种环境地图描述方法,研究两类单机器人SLAM算法;其次,提出了基于最大公共子图的栅格地图融合算法,解决未知任何先验信息的栅格地图融合问题;再次,根据多个子地图序列之间的相似性,构建多机器人SLAM的前端,并建立全局优化目标函数,实现后端优化;最后,使用实验平台采集数据,结合公开数据集,对所提算法进行验证。论文的主要研究内容如下:(1)分析比较栅格地图、特征地图、拓扑地图各自的优缺点,研究基于滤波的SLAM算法和基于图优化的SLAM算法,从理论上比较两类算法的异同。通过分析两类算法的优缺点,确定以图优化的SLAM算法作为多机器人SLAM算法研究的基础,用栅格地图对环境进行描述。(2)提出了基于最大公共子图的栅格地图融合方法。首先使用ORB算子提取待融合地图的特征点和描述子,并且对特征点进行聚类;其次,使用汉明距离计算特征点的初始匹配;再次,通过特征点空间位置关系,使用回溯法来搜索最大公共子图;最后,根据最大公共子图中特征点匹配关系,计算位姿变换矩阵,根据栅格地图融合方法,实现栅格地图的融合。(3)分析比较多机器人体系结构,结合本课题机器人的实际计算能力,使用分布式数据采集、集中式数据处理的架构研究多机器人SLAM。基于图优化的方法,将多机器人SLAM研究分为前端和后端。基于本课题栅格地图融合算法,提出多机器人相对位姿获取和闭环检测方法。基于前端提供的约束信息,结合捆绑调整,构建多机器人SLAM优化目标函数,对子地图相对位姿关系进行优化,创建全局栅格地图。(4)搭建实验平台,将Rplidar A1激光雷达搭载在Turtlebot2移动平台上。研究ROS框架,利用其话题之间的通信将激光雷达信息和小车传感器信息保存下来,创建子地图序列。根据所创建的子地图序列和公开数据集来验证本文提出的多机器人SLAM算法的有效性。