[发明专利]基于显著场景点检测的移动机器人级联地图创建方法

说明书

技术领域

本发明涉及移动机器人导航技术领域，特别是涉及一种基于显著场景点检测的移动机器人级联地图创建方法。

背景技术

智能机器人对其工作空间环境的深层次理解和利用是机器人实现自主智能行为的重要前提。移动机器人只有获取了环境地图，才能进行路径规划、轨迹跟踪、全局定位等，从而顺利达到目的地。目前，移动机器人常用的自主地图创建方法主要分为以下三类：

1、机器人在环境中自主探索导航，通过激光传感器扫描环境信息，里程计等传感器创建栅格地图（参见“Grisetti G.Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters.IEEE Transaction on Robotics,2007,23(1):34-46”），该类地图容易维护并用于定位计算，但是度量信息的准确性依赖于里程计精度以及测距传感器的不确定性处理程度，存储和维护的数据量大。

2、机器人在环境中根据一定规则自主导航，在一段时间内通过声纳和里程计等传感器进行拓扑定位，并将移动路径连通成为拓扑结构，形成拓扑地图（参见“B.Kuipers.Local Metrical and Global Topological Maps in the Hybrid Spatial Semantic Hierarchy.IEEE International Conference on Robotics and Automation,2004,4845-4851”）。拓扑地图着重于时空坐标上对象的定量描述，优点是精确且表述简约，但是无法提供环境几何信息的精确描述。

3、机器人在操作人员控制下运动，利用带云台的激光传感器或立体摄像机获得深度图像，通过点云拼接重建环境的三维深度点云地图（参见“P.Henry.RGB-D mapping:Using Kinect-style depth cameras for dense3D modeling of indoor environments,The International Journal of Robotics Research,2012”）。三维点云地图能够描述障碍物高度信息，但是创建过程计算量巨大，大范围环境中沉重的计算负担难以满足实时要求。

传统基于栅格的同时定位与地图环境建模方法虽然能够在机器人自身位姿与环境特征耦合不确定的条件下，解决在线栅格地图创建的联合概率估计问题，但是随着环境规模的增大、环境复杂程度以及未知性的提高，该方法存在环境描述过于简单、计算效率低下的问题，制约了机器人对环境的深层次理解能力。如何从人类理解自然环境场景的特性出发，不借助人工路标手段，利用机器人车载视觉、测距等多传感器信息融合，建立高效的环境描述模型，并在解决同步机器人定位与在线地图创建问题，具有重要的意义。

当需要描述大规模复杂环境的路标、地点、栅格、环境传感器位姿等混合信息时，应建立混合形式的环境模型，例如拓扑/栅格混合地图、栅格/特征混合地图等（参见“Z.Lin.Recognition-based Indoor Topological Navigation Using Robust Invariant Features.IEEE/RSJ International Conference on Intelligent Robots and Systems.2005,3975-3980”）。此类环境描述下的同时机器人定位与地图创建（SLAM）方法一般遵循层次化（Hierarchical）基本思路，也称为子地图方法。一般该种方法需要依赖某种地图分割原则，利用测距传感器建立若干相互独立的子地图，再利用子地图之间的共享信息对子地图进行拼接融合（参见“J.Tardós.Robust mapping and localization in indoor environments using sonar data,The International Journal of Robotics Research,2002,21(4):311-330.”）。层次化SLAM方法的关键难点包括栅格子地图中的同时定位与地图创建、子地图的自动分割、子地图间拓扑关联，以及全局层面全局一致性等问题，是决定地图创建结果精度和可靠性的关键。