基于压缩感知的多机器人主动同步定位与地图构建研究

本课题拟结合压缩感知理论来研究多机器人主动同步定位与地图构建问题，把压缩感知理论已取得的成果及其思想方法运用到移动机器人地图构建和定位中，结合现有的机器人定位与地图构建算法，为移动机器人同步定位与地图构建提供一种新的研究方法。具体为：建立基于压缩感知的机器人环境感知模型，研究解决压缩域中地图构建和定位问题，在此基础上设计基于压缩感知的同步定位与地图构建算法；以RBPF-SLAM算法框架为基础，研究实现基于压缩感知的分布式多机器人SLAM算法；研究机器人网络的代数连通性估计与控制方法，建立包含机器人自身信息增量和通信信息增量的统一信息熵模型，得出多机器人主动环境探测策略；通过仿真和实际机器人实验，验证并改进理论研究结果。课题研究可为同步定位与地图构建提供新的理论方法，同时也是对压缩感知理论自身的丰富与发展。课题成果加以推广可应用于更广泛的移动传感器网络系统。

本项目结合压缩感知理论来研究移动机器人同步定位与地图构建问题，把压缩感知理论已取得的成果及其思想方法运用到移动机器人地图构建和定位中，结合现有的机器人定位与地图构建算法，为移动机器人同步定位与地图构建提供了一种新的研究方法。具体研究成果主要包括：从理论和实验两方面比较了常见的几种正交基用于室内环境移动机器人压缩感知的优缺点，得出采用离散Haar小波作为环境压缩感知的稀疏基在空间和时间复杂度都有优势的结论，而且其恢复能力也很强；利用对数变换和占据-空闲比的概念，推导出了在小波域中地图更新的表达式，进一步理论推导了压缩域地图（类似小波地图）的递增构建算法、小波地图中的Monte Carlo定位公式；提出了一种基于虚拟机器人运动的多机器人SLAM过程中的地图合并算法；针对多机器人同步定位与地图构建过程中，由于通信距离受限或网络拓扑变化造成信息缺失、从而影响全局地图构建的问题，提出一种基于信息增益一致性原理的动态地图融合算法；理论推导得出了一个基于分层粒子滤波器的同步定位与地图构建算法，该算法允许局部信息先融合（即执行局部SLAM），然后完成上一层次的融合，以此类推完成全局的SLAM；提出了一种基于启发式搜索的主动定位算法；对实验室的机器人平台进行了软件改造，在开放软件ROS的基础上，设计、搭建了一台智能轮椅。另外，在项目研究过程中，针对RGB-D SLAM相关问题进行了研究，提出了一种基于视觉航迹推算和扩展信息滤波的RGB-D SLAM方法，简称VO-EIF SLAM；深入研究了基于二进制描述符的快速特征关联算法，并将其应用于RGB-D SLAM快速闭环检测；对云机器人的体系结构进行了初步的研究。项目研究为同步定位与地图构建提供了新的理论方法，同时也是对压缩感知理论自身的丰富与发展。课题成果加以推广可应用于更广泛的移动传感器网络系统。