基于图模型后验的智能机器人闭环检测关键技术研究

This project analyzed the state-of-art of loop closure detection technology and summarized that existing algorithms have three drawbacks, which are calculation of three dimensional coordinates, large number of features, and tune the threshold by human. These drawbacks decrease the accuracy and real-time performance of these algorithms. Inspired by the way that human decide loop closures, this project studied the mechanism of loop closure detection and proposed a post-verification algorithm based on fusion of graph model and topology of features. This algorithm reserved the essence of existing algorithms and overcame their drawbacks. Both precision and real-time performances are improved. This project also proposed an adaptive key frame selection algorithm, which can adjust time interval according to the state of the robot and the framerate of the camera. The proposed graph modeling method and similarity discrimination method are the keys to realize loop closure detection. They are also supplements to graph theory. This project will accelerate the development of intelligent robot technology and fusion of multidisciplinary theories. It will also cultivate a group of young researchers with innovation abilities.

通过分析机器人闭环检测技术的国内外研究现状和发展动态，总结出现有技术在利用环境特征的空间信息进行闭环验证时存在需要计算三维坐标、需要足够多的特征点数量以保证鲁棒性、以及人为设定阈值等缺陷，进而造成了算法准确率和实时性不高的问题。本课题从人类判断场景闭环的机理出发，深入研究机器人闭环检测的过程，提出了基于图模型与特征拓扑关系相融合的闭环后验方法。该方法在吸收现有技术精华的同时克服了上述缺陷，在保证准确率的前提下提高了闭环检测的实时性。本课题提出的关键帧提取算法根据机器人的运动状态和相机采集图像的帧率自适应调整采集时间间隔，不需要人为干预，提高了机器人的自主性；提出的图模型建模方法和图模型相似性判别方法既是实现机器人闭环检测的关键手段，也是对图论理论的有益补充。通过本课题的研究，有望推动智能机器人技术的进一步发展，促进多学科理论的交叉融合与完善，并培养一批具有创新能力的青年科研人员。

正确的闭环检测可以提高机器人定位与建图的精度，是实现机器人智能化的必要环节。针对现有方法容易产生感知混淆的问题，本课题提出了基于拓扑图模型后验的闭环检测算法，通过融合特征点的空间位置关系，提高了闭环检测的准确率和召回率。具体的创新性成果如下：提出了考虑机器人运动信息的关键帧提取方法，在保证覆盖全部场景的前提下减少了待匹配图像的数量；将一种新型的特征提取网络引入闭环检测，提高了特征匹配的精度；改进了基于多曝光融合的高动态范围成像方法和基于深度学习的图像超分辨率方法，提高了机器人采集图像的质量；提出一种二维图模型构建方法，用筛选及匹配后的特征点构建图模型来表征图像，既引入了特征的空间分布信息，又避免了计算量的增加；提出新的图模型相似性判别方法，用于对闭环候选图像进行验证；将所提出的闭环检测算法应用于三维重建领域，提高了重建物体的精度。本课题充分验证了将特征点空间分布关系引入闭环检测的有效性，对提高机器人定位与地图创建精度、提升机器人智能化水平具有重要意义，对促进相关学科理论的发展也具有推动作用。依托本项目，课题组共发表SCI检索论文5篇、EI检索论文8篇（另有3篇SCI期刊论文和4篇EI会议论文正在评审中）；申请国家发明专利4项；培养博士研究生4名、硕士研究生6名，超额完成了课题任务书中制定的指标要求。