基于激光测距仪和视觉传感器的三维地图构建

未知环境地图构建是机器人和人工智能研究领域的重要课题。由于问题的复杂性和高维度，现有研究成果主要集中于二维地图构建，然而对于复杂环境中的导航规划和空间运动规划等任务而言，三维环境地图构建是必须要解决的基础问题。本项目对三维地图表示方法和相应的信息处理、数据关联、同时定位与地图构建算法、探测规划等问题展开研究。拟采用三维激光测距仪和单目摄像机相获取环境三维信息，构建适合多类型传感器导航的多索引多平面几何特征地图表示方法。提出以线段为中间操作量的平面拟合方法、基于边缘信息不变特性的多信息融合匹配方法。通过点线相合或线面相合的相邻位姿数据关联、多特征索引的局部优化地图数据关联和多层优化方法解决三维SLAM问题，确保算法的实时性和低存储量。拟探索三维地图中的候选观测点生成方法和基于分布估计的最优探测搜索算法，以提高探测规划的最优性。最后通过不同传感器下的定位导航应用实验验证所构建地图的适用性。

未知环境地图构建是机器人和人工智能研究领域的重要课题，是机器人辅助人探测环境并在各类环境中智能作业的基础和关键。早期的研究成果主要集中于二维地图构建，但是对于地理测绘、军事探测、灾难救援、城市电子地图构建、以及机器人在环境中识别物体、对环境语义理解等应用需求，构建详细而逼真的三维环境模型是必须要解决的基础问题。本项目研究了基于激光测距仪和视觉传感器信息融合的三维环境地图表示与构建、数据关联、地图复杂度控制、导航规划等关键问题。在地图表示与构建方面，比较了多种环境模型表示方法，为有效融合深度信息和纹理信息，采用mesh平面描述环境表面模型，并提出了结合分割的点云数据重采样方法和概率框架下的环境密集表面模型构建方法，实现了保留良好边角特性的表面模型重构与融合。在数据关联方面，针对ICP算法的不同变种，提出将数据关联也纳入到统一的概率框架下，并导出了基于期望值最大化的点到平面ICP算法，得到了更好的对准效果。同时，提出了采用栅格矢量特征表示的动态数据识别方法、以及边缘曲线特征表示与特征关联方法，面向机器人跟随人的问题改进了样本联合概率数据关联滤波方法。针对图模型SLAM在长期运行时由于数据量不断增加导致计算复杂度不断提升的问题，提出了基于KL度量的图模型SLAM节点修剪方法，实现了可在线运行的具有常数复杂度的SLAM系统。针对移动机器人在环境中自主导航规划的需求，提出了采用局部观测Monte Carlo规划的主动语义自定位方法、移动机器人速度加速度饱和约束下的时间最优控制算法和基于参数化控制的加速度连续的轨迹规划算法，并结合仿人机器人对象，提出了落脚点规划和调整方法。设计并研制了一种融合多个激光测距仪和视觉传感器的RGBD感知单元，结合上述技术的突破，实现了室内外均可用的环境三维RGBD信息采集与三维场景点云模型重构和高逼真度的纹理模型重构。此外，本课题研究了视觉识别问题、高维复杂最优化求解问题，提出了多种新方法。发表论文16篇，SCI收录3篇，EI收录14篇，国家发明专利授权2项，公示中2项，申请受理5项。培养博士后1名，博士毕业生2名、硕士毕业生4名，在读博士生5名。