[發明專利]一種集成情景經驗的移動機器人建圖與導航方法

有效

• 申請號: 202010327088.3
• 申請日: 2020-04-23
• 公開（公告）號: CN111474932B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 劉冬;叢明;陳飛;鄒強
• 申請（專利權）人: 大連理工大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 李曉亮;潘迅

1.一種集成情景經驗的移動機器人建圖與導航方法，其特征在于，該方法基于系統框架實現，系統框架包含三個模塊：點云地圖、情景經驗地圖與路徑規劃，移動機器人導航過程中，點云地圖、情景經驗地圖與路徑規劃三個模塊基于機器人操作系統ROS通信，其中，點云地圖為情景經驗地圖實時提供移動機器人的位姿，路徑規劃模塊根據點云地圖獲取移動機器人位姿，根據情景經驗地圖獲取事件序列，定位移動機器人當前所在事件；具體步驟如下：

第一步，構建點云地圖；

點云地圖的構建基于特征點法的前端和基于優化的后端，用于定位移動機器人在環境中的位置并且輔助構建情景經驗地圖；

第二步，構建情景經驗地圖；

建模由λ個子事件構成的事件空間E，E＝{e₁,e₂,…,e_λ}；每個子事件包含場景感知、位姿和事件轉移集，建模為三元組(o,P,C)：其中，o為場景感知，由相機采集場景圖像并提取環境顯著路標；P為位姿信息(x,y,yaw)，表達事件節點在世界坐標下的位置和朝向信息；C為事件轉移集，描述從當前事件可直接轉移到達事件集合，由激光測量數據計算得到；三元組即任意情景經驗對應唯一事件；事件轉移權值矩陣W為：

由此，情景經驗地圖M可表示為離散有限的事件空間E和事件轉移權值矩陣W組成的網絡：

M＝{E,W}， (2)

基于移動機器人場景感知傳感器和點云地圖定位系統，獲取以事件空間E為頂點、事件轉移權值為邊的增量式情景經驗，構建情景經驗地圖，具體過程如下：

(1)整合位姿

通過圖像提取環境路標點與地圖點匹配，定位當前相機位姿^wO_c；將相機位姿轉換到移動機器人位姿^wO_r，根據手眼標定獲取相機坐標系到移動機器人坐標系的變換矩陣T_RC：

其中，R為旋轉矩陣，t是平移向量；

計算得到移動機器人的定位：^wO_r＝T_RC·^wO_c； (4)

(2)確定事件轉移集

使用激光傳感器判斷事件之間是否可達，確定當前事件的轉移集；激光傳感器對于單點的測量數據為：點到激光傳感器距離激光束與激光傳感器橫坐標夾角其中k表示一周掃描中激光束的編號；激光傳感器中心在移動機器人坐標系的坐標為移動機器人坐標系在世界坐標系下的位姿為根據“激光-移動機器人”坐標關系可將激光對單點的測量數據轉換為世界坐標下的坐標

當前狀態神經元e_c為圓心，在半徑D范圍內獲取事件轉移集，即記錄的激光傳感器掃描數據，根據公式(5)計算掃描點在世界坐標下的坐標，由此，得到該區域內障礙物邊緣的采樣點集：

為簡化計算，設移動機器人為一個點，將事件間轉移需要的空間按移動機器人半徑r進行膨脹，即將移動機器人所占空間表示為事件轉移需要的空間，進一步簡化，將空間擴展為矩形；根據公式(6)、(7)可計算出矩形的四個頂點坐標：

其中，e_c＝[x_c,y_c]為當前事件位置，e_i＝[x_i,y_i]為轉移范圍內的某個事件位置；利用向量外積性質判斷激光掃描點p是否在矩形內部；對任意矩形，如果集合S中存在點p滿足向量關系：

則障礙物點p在事件轉移需要的空間范圍內，即事件間不能直接轉移；

(3)計算事件轉移權值

事件轉移權值代表事件間轉移代價，由兩部分決定：一方面為事件間的歐式距離；另一方面為場景感知的匹配度；根據公式(9)、(10)計算得到：

ε_ct＝1-Match(o_c,o_t)， (9)

其中，o_c為當前事件觀測得到的場景感知，o_t為其狀態轉移集中事件存儲的環境場景感知，Match函數計算場景感知匹配度；Eucdis函數計算歐式距離，η為權值系數；

第三步，設計基于情景經驗地圖的路徑規劃算法；

基于情景經驗地圖設計移動機器人全局事件序列規劃算法與局部行為控制算法；定位過程中，點云地圖系統僅完成跟蹤相機任務，地圖信息不更新；當新的場景圖像輸入系統，定位相機位姿，計算移動機器人在世界坐標系下位姿(x,y,yaw)；給定導航任務，結合情景經驗地圖計算一條到達目標點的所有事件轉移代價和最小的路徑，即全局最優路徑；導航過程中移動機器人在每一個事件節點利用激光測量信息更新事件轉移集，一旦事件轉移集被更新，則重新進行全局事件序列規劃；局部行為控制根據移動機器人當前位姿與局部目標事件的位姿計算得到。