动态环境下的移动机器人长期定位方法

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61573243
项目类别：
面上项目
资助金额：
65.0万
负责人：
陈卫东
依托单位：
上海交通大学
学科分类：
F0306.自动化检测技术与装置
结题年份：
2019
批准年份：
2015
项目状态：
已结题
起止时间：
2016-01-01 至2019-12-31

项目参与者：
何弢；怀峥；章闻曦；刘力；赵文锐；高小斌；王炜杰；邱亮；彭伟；
关键词：
长期定位定位能力动态环境移动机器人地图创建

项目摘要

As robot applications are continully extending, there has been an increased demand for having robots continue to perform autonomously over time. However, in contrast with short-term deployments, the envoronments of long-term deployments of mobile robots can chang over time, especially, in such human enviroments as households, offices, warehouses and parking lots, the change is more obvious. These changes typically lead to difficulties in matching between observations and maps and thus decrease the localization accuracy or even defeat the localization globally. This project aims at developing a probabilistic long-term localization method for hybrid dynamic environments, establishing a framework for combination of particle filter localization based on estimation of dynamic localizability and multi-timescale dynamic map building, and exploring novel solutions to the problems of robustness, accuracy and computational complexity in long-term localization. Finally, a mobile robot prototype equiped with laser range finder and visual sensory system will be built, that will be used to conduct long-term test and evaluate the adaptibility and reliability of the proposed methods in dynamic real-world environments. An effective long-term localization method will come out for improving the autonomy of mobile robots deployed in real environments over extended periods of time.

随着机器人技术的发展，对机器人自主长期作业的需求日渐迫切。区别于短期作业，长期作业的移动机器人所处的环境会随时间变化，在家居、办公室、仓库和停车场等人类环境中这些变化就更加明显，这些变化会导致观测与地图的匹配困难，降低定位精度甚至造成全局定位失效。本项目将围绕上述问题，提出一种面向混合动态环境的长期定位的概率方法，构建基于动态定位能力估计的粒子滤波定位与多时间尺度动态地图创建的综合机制，探索长期定位中的鲁棒性、精确性和计算效率等难题的创新解决方案。最终建立起集成激光雷达和视觉等多种传感器的移动机器人实验样机，在动态真实环境下开展长期测试，检验所提方法的适应性和可靠性。为提高移动机器人在实际环境中长期作业的自主能力提供有效定位手段。

结项摘要

围绕动态环境下移动机器人的长期作业需求，本项目研究了面向混合动态环境的长期定位方法与系统框架，研制了集成激光雷达和视觉等多种传感器的移动机器人实验样机，开展多种典型动态变化环境下的移动机器人定位实验，结果表明所提方法对环境变化具有较强的适应性和鲁棒性。主要研究成果包括：.1、针对现有长期定位方法无法对环境变化的非周期性规律进行建模的不足，提出了一种基于时间序列建模的动态环境地图预测和更新方法。针对激光雷达和视觉两类传感器，分别研究了地图建模、预测和更新算法，建立了动态环境下的长期定位系统框架，与现有典型频域地图建模和预测方法的对比实验结果表明，本方法在定位精确性和鲁棒性方面具有优越性。.2、针对空旷、大尺度环境中移动机器人长期定位算法面临的累积误差不断增大的问题，采取了基于增量式图优化SLAM算法的解决思路，针对定位过程中的特征稀疏和定位时效性问题，提出了一种基于高效数据结构的多层粒子滤波定位算法，开展了典型室外场景下的地图创建和定位实验，实验结果表明了地图创建和定位的准确性。.3、针对长期导航作业中，特别是当机器人处于定位特征模糊或稀疏的非结构化环境中时，移动机器人传感器的观测不确定性以及地图噪声对定位性能的不利影响，提出了一种基于定位能力约束的自主移动机器人路径规划方法，有效兼顾了路径长度和定位性能的最优性。并且与现有典型路径规划方法进行了对比，实验结果表明本方法在定位性能方面具有优越性。.本研究及相关理论成果为提高移动机器人在复杂环境中长期作业的自主能力提供了有效的定位方法。