[发明专利]一种无人飞行器室内同时定位与环境建模方法

说明书

技术领域

本发明属于人工智能以及计算机视觉领域，特别涉及机器人室内定位以及三维环境建模方法。

背景技术

随着智能机器人的研究不断发展，利用机器人代替人对环境进行探索和建模已经逐渐成为可能。需要解决的关键问题是机器人的室内定位和环境建模方法。

目前研究人员所研究和实验的机器人平台，大多数是地面机器人，例如智能车，人形机器人以及其他一些功能性的机器人，这些研究取得了一定的成果，覆盖了人工智能以及图像识别等很多领域。然而对于一些特定的环境，仅依靠地面机器人难以完成对环境探索的任务。机器人所处的环境一般分为室外环境和室内环境。相对于室外开阔的环境，室内环境中的智能体探索更具挑战性，首先机器人所处的环境更为杂乱和狭小，这为机器人避障增加了难度；其次在室内环境下一般没有GPS等外部导航系统的支持，所以无法直接获取自身的位置信息，通常这种问题采用同时定位与构图（SLAM）算法来解决。

SLAM(simultaneous localization and mapping)，也称为CML(Concurrent Mapping and Localization)，即时定位与地图构建。SLAM最早于1988年提出。由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。同时定位与构图问题可以描述为：移动机器人在自身位置不确定和未知环境中运动时逐步构建周围环境的地图，同时运用此地图对机器人位置和姿态进行估计，进行自主定位和导航。无人飞行器在室内飞行，首先利用外部传感器来估计相对位置变化。由于传感器自身是有误差的，特别是大规模环境中，这种测量错误会逐渐累加。一旦飞行器两次或多次通过同一个地点，就可能会算出来不一致的坐标。为了解决这一问题，首先会选用某种滤波器来融合各种可用的数据，减弱噪声的影响，获取更准确的相对位置变化估计值。另外，SLAM算法还会定期地用当前环境特征与历史环境特征进行匹配，来检测飞行轨迹是否存在一个环。如果存在，就根据环的信息来矫正之前的飞行轨迹。经过这样的定期优化过程，飞行器就能够在大规模环境中绘制出更准确且全局一致的地图。

对于外部RGB-D（即颜色、深度信息）传感器的选择，使用PrimeSense或与其相似的三维感知与扫描传感器设备。它包含有普通摄像头与红外感知设备。其距离感知原理是一种光编码技术，用光源照明给需要测量的空间编上码，这种光源叫做激光散斑，是当激光照射到粗糙物体或穿透毛玻璃后形成的随机衍射斑点。这些散斑具有高度的随机性，而且会随着距离的不同变换图案。也就是说空间中任意两处的散斑图案都是不同的。只要在空间中打上这样的结构光，整个空间就都被做了标记，把一个物体放进这个空间，只要看到物体上面的散斑图案，即可知道这个物体所在位置。

对于一些室内环境，例如地震后的倒塌的房屋，坍塌的地下矿井，甚至对于一个高层大楼，对于没有自主爬楼梯能力的地面机器人，要完成室内搜索和建模都是不可能的，面对这样的需求近年来科研人员提出将无人飞行器作为在室内复杂环境中执行探测任务的平台。因此实现无人飞行器的自主室内定位和三维环境建模，成为了一个亟待解决的问题。然而，相比于地面机器人，在无人飞行器上实现一个完整的环境探测与建模系统存在着很多挑战，主要有以下几个：

1）有限的载重：作为一种飞行器，需要不间断地提供升力才能维持自身的平衡，因此载重是有限的，难以像地面机器人那样，可以携带各种各样的重型传感器。对于外界环境信息的获取势必存在一定的局限性。

2）有限的计算能力：有限的载重决定了无人飞行器智能携带一个轻量级的嵌入式计算机系统，而基于无人飞行器的SLAM算法以及联机搜索策略时间复杂度较高，同时还要保证实时性，无人飞行器的计算能力是有限的，所以必须对相关算法进行特殊的优化或重新设计。

3）动作变化快：无人飞行器运动速度很快，任何延迟都可能会被这种特性放大，导致更大的错误，因此系统的各个模块都要保证一定的实时性。

4）频繁的震动：无人飞行器不能像地面机器人一样停止不动，在空中会轻微震动，这给规划工作带来了很大的困难。

5）三维空间：无人飞行器运行在三维空间中，以前的一些针对地面机器人的联机搜索策略往往面对二维空间，三维空间会使智能体的状态空间复杂度提升。另外，改变高度时，可能会有障碍物突然出现或消失。这要求它具备良好的鲁棒性和实时性。

6）需要对速度进行估计：四旋翼飞行器属于欠驱动系统，为了更好的控制，需要准确的估计速度。