仿人机器人同时定位和三维认知地图创建研究

According to the deficiency of the current research, from the view of machine learning, we address a 3D SLAM method for humanoid robots in the large scale complex indoor environment with ramp and ladder. Firstly, we study the Stability control of humanoid robot based on second-order cone, and the complex motion planning based on Hybrid Particle Swarm Optimization. Secondly, we propose a method of active closed-loop detecting based on deep learning and a Exactly Sparse Delayed-State Filters based on mutual information. The method effectively uses the odometry information from the robot to improve the performance of the vision-based motion estimation. Combining semantic encoding, the method can create 3D cognitive maps. Experimental results in indoor environment verify that the SLAM method can successfully estimate the position of robot, and the robot can accomplish the autonomous navigation and global location.

针对现有研究的不足，本课题拟从机器学习的角度提出在非结构化、地面伴有斜坡及阶梯的大尺度室内复杂环境下，适用于仿人机器人的SLAM方法。作为该方法的有机组成部分，首先研究基于二阶锥的仿人机器人稳定性控制和基于混合微粒群进化算法的仿人机器人复杂运动规划，其次，研究基于深度学习的主动闭环探测，并研究基于互信息的精确稀疏滞后状态滤波算法，进而获得具有一致性、鲁棒性的仿人机器人位姿和环境地图的全局估计，结合语义编码完成三维立体认知地图的创建及同时定位方法，最后通过在仿真和实际机器人上进行的评价性实验，实现仿人机器人的自主导航和全局定位。

目前仿人机器人三维SLAM方法是重要的机器人研究方向之一，它能够解决仿人机器人在非结构化、地面伴有斜坡及阶梯的大尺度室内复杂环境下的应用问题。本课题从机器学习的角度提出适用于该复杂环境的方法，研究内容主要包括：研究基于二阶锥的仿人机器人稳定性控制和基于混合微粒群进化算法的仿人机器人复杂运动规划；研究基于深度学习的主动闭环探测；研究基于互信息的精确稀疏滞后状态滤波算法；结合语义编码完成三维立体认知地图的创建及同时定位方法；机器人实验。结果表明该方法能够有效定位仿人机器人的位姿，并且能够使机器人完成自主导航和全局定位。

内容获取失败，请点击重试