动态未知环境下服务机器人主动同步定位与地图构建方法研究

服务机器人的路径规划、移动作业和导航等关键技术依赖于机器人的环境学习，而实际环境是未知的、动态的，该条件下主动同步定位和地图构建研究是当前服务机器人自主性领域的热点和难点，解决该问题对服务机器人产业化发展将产生极大的推动作用。本项目在合理解耦环境目标的基础上，通过未知环境探索问题研究，提升机器人在环境学习的自主性；针对室内服务机器人定位高精度要求，借鉴传统FastSLAM算法框架，提出基于SRUKF的SLAM新框架；考虑环境的动态因素和观测噪声，制定一种MbICP策略，进行动态路标跟踪和机器人定位，避免里程计累积误差；面向动态未知环境，设计一种基于混合地图的主动机器人定位和地图构建方法，基于探索边界最优化方法为机器人提供导航，通过MbICP策略保证度量地图数据有效，以SRUKF-SLAM框架获得高精度拓扑地图，同时对机器人状态和度量地图进行校正，由实验验证该方法高精度、强稳定特性。

随着高科技快速发展，服务机器人被认为是缓解社会老龄化压力的有效手段，但其自主性和智能程度限制，还不能走出实验室到现实生活中执行助老服务。本项目以动态未知环境下机器人自主建模开展研究，使机器人实现实际环境认知能力，提高自主性。在移动机器人运动模型和传感器模型基础上，考虑动态因素，采用了Mb-ICP策略进行动态目标跟踪，提出一种基于边界启发式主动探索方法，解决了多障碍的探索需求，克服了FFT，APF等传统探索算法的局部最优和抗动态性不足问题。为进一步研究动态目标，提出一种基于人腿步态识别的动态目标检测方法，通过估计腿部的位置信息，建立行走步态模型，提取行走步态特征实时定位，为机器人环境建模提供导航依据。针对室内自然环境建模，提出了一种基于假设检验的室内自然特征定位方法，采用点、线段和圆弧等层次化特征描述环境，在降维数据空间内，结合假设检验理论定位角点特征，并将概率与最小二乘法相结合，定位线段与圆弧特征，数据结果满足特征定位误差。面向移动机器人室内环境局部度量地图构建需要，提出一种基于尺度加权范数(PMWN)的移动机器人增量位姿估计方法。该方法克服了PSM算法的扫描匹配偏移问题，通过搜索极坐标尺度加权范数的最小值，估计机器人移动过程中的状态增量，并采用最小化极坐标尺度加权范数，求解机器人位置方程，最终获得增量位姿，解决了机器人移动里程计的累积误差问题。根据上述环境目标分析，基于贝叶斯理论进行理论分解并给出其处理策略。针对室内服务机器人定位高精度要求，采用红外标签及激光测距传感器，建立了基于SRUKF的SLAM混合框架，将拓扑地图、增量地图和动态目标有机结合，为动态环境地图构建提供解决新方案。为解决移动机器人长期环境学习的能源支持问题，研制机器人自主充电系统，并给出自主充电策略，提供了无人环境长效工作能源保障。由于本项目采用了红外标签为人工路标，在应用上受到一定程度的限制，本项目团队采用机器人头顶安装全景视觉进行了自然环境的全局地图构建，提出一种基于PCA的地图构建方法，初步验证了该方法的可行性。综上所述，本项目提出的动态环境主动探索和地图构建方法具有简单、可靠特点，能够满足服务机器人在实际未知环境深入学习，所以不仅具有理论意义，而且推动服务机器人在助老行业应用具有广阔前景。