[發明專利]一種蛇形機器人基于激光測距儀的地圖創建方法

有效

• 申請號: 201410510657.2
• 申請日: 2014-09-28
• 公開（公告）號: CN104236551B
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 王超杰;趙旭;蘇中;連曉峰
• 申請（專利權）人: 北京信息科技大學;北京理工大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 北京市合德專利事務所11244
• 代理人: 王文會,劉榜美

技術領域

本發明屬于移動機器人地圖創建技術領域，特別涉及一種基于激光測距儀在未知環境中的地圖創建方法。

背景技術

移動機器人通常是基于環境地圖才能夠實現定位和導航，所以地圖創建是研究移動機器人的一個基本問題。SLAM問題在智能移動機器人領域的重要性受到了廣泛的關注，出現了許多較為成熟的理論和實現方法。目前有很多針對SLAM問題的研究，SLAM常見的算法有EKF-SLAM算法、FastSLAM算法、DP-SLAM算法等。

基于EKF-SLAM的算法在不確定信息的表達上非常簡潔和高效，它采用一個多維的高斯模型N(μ_t,∑_t)來描述機器人位姿和地圖的聯合后驗分布，其維度為(2N+3)，N為環境特征的數目，但EKF-SLAM算法難以解決高度非線性和數據關聯問題。

FastSLAM算法運用RBPF思想對后驗概率進行因式分解，將SLAM問題分解成機器人路徑估計和基于路徑估計的地圖創建兩個子問題，其中路徑的估計采用粒子濾波器，環境特征的估計采用EKF。其相比于傳統的EKF-SLAM算法，降低了算法的復雜度，效率更高，但計算量仍然比較大，程序實現復雜。

基于粒子濾波的DP-SLAM算法是通過粒子濾波保持機器人的位姿和地圖的聯合概率分布，采用的是子地圖系統，它為每個粒子創建一個子地圖，然后再進行子地圖關聯來獲得一幅完整的環境地圖。這個算法在計算和環境地圖創建過程中會消耗大量的內存。此外，該算法需要一個功能強大且價格昂貴的激光傳感器(SICK)。

大多數SLAM算法都是針對緩慢移動的機器人進行測試，速度一般不超過1米/秒。到目前為止幾乎所有SLAM算法的計算和實現都需要大量代碼，要理解并測試他們的算法需要花費很大精力。

發明內容

本發明所要解決的技術問題在于克服現有技術的不足，提供一種MiniSLAM算法，具有算法簡單易懂、計算量少、適用于快速移動的蛇形機器人等優點。

本發明采用以下技術方案：

一種蛇形機器人基于激光測距儀的地圖創建方法，包括如下步驟：

步驟(1)：通過激光測距儀進行環境感知，獲取環境信息；

步驟(2)：將當前激光測距儀的測量值與當前地圖進行匹配；

步驟(3)：對蛇形機器人粒子集的粒子位姿及權值進行更新；

步驟(4)：進行地圖更新。

步驟(1)中，所述激光測距儀為測距范圍20mm到4000mm的URG04-LX激光測距儀，該激光測距儀的最大測量距離小于4m；采用閾值濾波方法對掃描的激光數據進行預處理濾除噪聲點；并采用一個恒定的縱向和轉速值對每次激光掃描值進行糾正。所述采用恒定的縱向和轉速值對激光數據糾正并非本領域技術人員的常規技術實踐，本申請是在蛇形機器人建圖的過程中對蛇形機器人的運動步態進行建模，分析運動步態對激光數據及建圖的影響，創造性的采用恒定的縱向和轉速值對激光數據進行糾正。

進一步的，步驟(2)中，所述激光測距儀每一次掃描完后，會將觀測值與當前地圖中的特征點進行匹配；當與環境中的特征點較遠時，依據最近鄰數據關聯準則，選取距離觀測值最近的環境路標作為其匹配點；環境特征點間的距離相距越遠，誤匹配率越低，當誤匹配率小于最大匹配誤差閾值時，認為匹配成功。

進一步的，步驟(3)所述的對蛇形機器人粒子集的粒子位姿及權值進行更新，采用的是Monte-Carlo算法；每次蛇形機器人感知完環境后這些粒子會重新采樣；算法結束時，粒子會收斂于蛇形機器人的實際位置；在每個時刻，由初始狀態和到當前時刻所有的測量值Z^k＝{z_i,i＝1...k}估計當前蛇形機器人的狀態。

進一步的，所述Monte-Carlo算法包含3個階段：

預測階段：預測階段用運動模型以概率密度函數的形式來預測當前蛇形機器人的位姿；假設當前的狀態x_k僅依賴于之前的狀態x_k-1和已知的控制輸入u_k-1，該運動模型被認定為條件密度p(x_k|x_k-1,u_k-1)，對于一階馬爾可夫過程，先驗概率密度就可以通過積分得到