论文部分内容阅读
在机器人研究及应用领域中,同步定位与制图技术是非常基础和关键的。近年来,单机器人的同步定位与制图研究已经比较深入,取得了突出的成效,但是在大面积环境区域,实时应用等情况下已经无法满足需求。而多机器人同步定位与制图的高效及鲁棒等特性能够满足这些需求,实现准确定位和快速的大面积区域的制图。此外,在多机器人个体上安装不同的传感器,可以利用它们不同的信息绘制多特性地图。因此研究基于异构传感器的同步定位与制图具有重要实际意义。多机器人同步定位与制图研究的主要难点包括机器人的可扩展性,机器人相对位姿的计算以及地图融合等问题。本文针对其中的地图融合问题采用了一种结合自适应蒙特卡洛定位和迭代最近点的方法,能够有效地解决携带多异构传感器多机器人系统绘制得到的占有网格地图的融合问题。自适应蒙特卡洛定位方法中有一个非常优异的性能就是全局定位。它使得文中算法不需要事先知道机器人的相对位姿。此外,蒙特卡洛定位算法能够集合传感器的所有信息来优化地图的融合,其具有很强的鲁棒性。本文方法在TurtleBot多机器人系统上进行了实验验证。两个机器人上分别配置了激光测距仪和具有RGB深度信息的摄像头Kinect。两个机器人在相同的环境下以不同的初始位姿分别运行用FastSLAM2.0算法绘制环境的占有网格地图,同时记录带有时间标记的里程计和测量信息,以及绘制地图时最佳的位姿信息。当两张地图绘制完成后,用机器人A的里程计和测量信息在机器人B绘制的地图上用蒙特卡洛定位方法对机器人A进行定位。比较机器人A重新定位出来的位姿信息和它原来制图时的位姿信息的时间标记和方差,可以求得两张地图的粗糙转移矩阵。利用这个求得的转移矩阵作迭代最近点算法的初始转移矩阵来计算更为精确的转移矩阵,最后由该矩阵求得平移和旋转矩阵并进一步实现两张地图的融合。实验表明,此方法能够较好地融合多异构传感器绘制的占有网格地图。