基于姿态图及场景描述的服务机器人长期作业环境感知方法

In recent years, with the ever-increasing demand for service robots in in the field of HelpAge and disabled，because the long-term perception of environmental issues limit the service robot mobile intelligence operations, mapping of long term operating environment has become a hot topic in the field of mobile robot research . Based on problems of related technologies such as data size too large, poor ability to dynamic objects and realtime updates, The project will study on the basic theory and methods to long-term mobile operation environment perception based on pose gragh and key scene discription. Research project involving long-term environmental dynamics, stability of long-term mapping, the map updating in real time, computational complexity, adaptability of mobile operations and other key scientific issues, the project intends to use data mining , clustering, pose graph theory and Bayesian inference , etc. theoretical approach to theoretical exploration and experimental validation. Performances of this project will solve the long-term environmental objects classification, adaptive constraint and update pose gragh, loop lose and key scenes recognition,local 3D modeling and other core parts, which can realize theoretical and methodological series of innovations for long-term localization and mapping. Finally，we propose a novel method with low cost, real-time, adaptable description to mobile operating natural environment for indoor service robot that will give the theoretical solid basis and programs support for robots long-term application.

近年来，服务机器人在助老助残领域需求迫切，由于环境长期感知问题制约着服务机器人智能作业，面向作业环境的长期地图构建问题成为当前移动机器人领域研究的热点。本项目针对现有技术存在数据量过大、抗动态性能差和实时更新等问题，开展基于姿态图与关键场景描述的长期移动作业环境感知的基础理论和方法研究。项目研究内容涉及长期环境动态性、地图长期构建可靠性、地图更新实时、计算复杂度和移动作业的适应性等关键科学问题，项目拟采用数据挖掘、聚类、状态图理论以及贝叶斯推断等方法对上述问题进行理论探索和实验验证。通过本项目的实施解决长期环境目标分类、状态图适应性约束及更新、闭环及关键场景识别、局部3D建模等多个核心环节，将在移动作业的长期定位及地图构建理论和方法上取得系列创新成果，并探索出适合于移动作业的室内自然环境低开销、实时性好、适应性强的描述方法，为面向服务机器人的室内长期应用奠定理论基础和方案支撑。

我国已进入老龄化社会，迫切需要服务机器人进入家庭助老机构进行助老服务，但由于目前环境感知技术面临不稳定问题面临实际应用实时性和长期性需求挑战，为此开展了以下研究： . 针对室内机器人激光测距传感器的环境建模稀疏化、点云冗余点过多等问题，提出基于假设检验的室内以圆弧特征为主的多特征并行检测方法，去除大多冗余信息超过50%；针对移动机器人抓取的三维目标机器人检测问题开展研究，提出综合先验知识的基于运动约束的多视角ICP配准算法，并以局部几何不变量进行目标姿态估计，综合定位误差小于2cm；针对室内人体运动移动目标估计，提出了一种基于运动能量流算法，利用能量不变性假设和能量地图光滑约束构建目标函数，实现人体运动状态估计；考虑助老机器人长期作业问题，本项目提出基于投影圆及尺度加权范数的移动机器人姿态估计方法，在闭环检测、“机器人绑架”、大尺度环境和长期性等多方面验证算法有效性，长期性测试超过10Km；考虑助老服务机器人房间结构复杂性，提出基于四叉树与图优化技术结合的地图快速分割算法及多分辨率表达策略，解决复杂环境自适应描述需求；针对局部三维环境构建，利用基于姿态图的闭环检测及优化技术，提出局部三维环境建模与机器人重定位技术，通过分层重投影方法，提升机器人三维环境的重定位问题。. 本课题在执行期发表科技论文21篇，其中SCI论文4篇，国际会议15篇；申请发明专利5项，其中授权3项；获得省级科技发明一等奖1项（排10），省科技进步二等奖1项（排6）；研制万向机器人平台一台，改进机器人一台；学生培养博士3人，硕士7人；指导研究生获2018 IEEE ICRA Dji 人工智能挑战赛全球冠军和第十三届“兆易创新杯”中国研究生电子设计大赛特等奖。. 上述研究在移动作业的长期定位及地图构建理论和方法上取得系列创新成果，并形成移动作业的室内自然环境低开销、实时性好、适应性强的描述方法，为服务机器人的室内长期应用奠定理论基础和方案支撑。.