移动机器人在具有高动态复杂度的大型公共室内环境中的定位与导航关键技术

Mobile robots have been involved into more daily life scenarios of human beings. Some of them requires robots to move around within very large public areas such as airport, shopping malls. In such situations, mobile robot needs to face new challenges brought by random movement of crowded people and change of some objects such as doors and furniture with very low frequency. At this proposal, we will classify the objects in the environment into three categories such as static objects, half-static objects and high dynamic objects. Then we will use different methods to map these different types of objects based on both geometrics and semantics. The mapping process covers not only the surrounding objects but also the traversable road area. Therefore, a multi-layer and multi-dimensional semantic map of the surroundings could be built by mobile robot via walking around the whole area. Furthermore, we will deal with new problems of localization and motion planning integrated with the proposed map at this proposal.

移动机器人逐渐进入到了更复杂的人类生活环境，同时工作范围也扩大到数万平方米的大型公共室内环境。因此机器人不但要处理环境中某些物体的低频动态改变比如门、家具等，也要面对人的高频动态流动所带来的挑战，同时需要在大尺度环境下实时运行。本项目将环境中的人或物区分为静态、半静态以及高频动态三部分，针对不同特性的环境进行不同的地图构建处理，从基于几何特征的低智能环境理解，到基于不同语义级别的高智能环境理解，从地面可通行区域的自主检测到地表上物体群的形态和位置绘制，最终形成移动机器人对所处环境的多维度分层地图构建。从几何特征理解环境对象有利于机器人实现局部精确控制和轨迹规划，而从语义级别理解环境对象将提高机器人导航算法的鲁棒性和运算效率，以适应大尺度环境和存在高频动态变化的场景。因此本项目将研究在高复杂动态变化的大尺度室内环境中移动机器人如何准确地建立语义地图并进行自主实时定位和动作规划问题。

移动机器人逐渐进入到了更复杂的人类生活环境，同时工作范围也扩大到数万平方米的大型公共室内环境。因此机器人不但要处理环境中某些物体的低频动态改变，也要面对人的高频动态流动所带来的挑战，同时需要在大尺度环境下实时运行。本项目主要研究了通过基于深度学习的轻量化语义分割网络生成环境语义感知和语义地图、基于语义信息的动态环境机器人同时定位与制图以及基于深度强化学习的移动机器人在线动作规划与控制，实现了在高复杂动态变化的大尺度室内环境中移动机器人准确地建立语义地图并进行自主实时定位和动作规划的研究目标。结果表明，本项目所提出的算法可以在移动机器人平台上实时对环境进行语义感知并生成语义地图，在环境中存在短期与长期动态因素的情况下提升了机器人自定位的精度和鲁棒性，并使机器人可以在环境中在线进行自主运动规划与控制。基于本项目研究成果的安防和消费移动机器人分别成功入围并应用在2021年全运会和2022年北京冬奥会，并在北京大兴机场、华润万象、天虹君尚、SM城市广场等大型交通枢纽和商场长期运营。