基于视觉/微惯性/里程计组合的移动机器人自主导航技术研究

The project focuses on the autonomous navigation problem of intelligent mobile robot in multi environment without GNSS. The navigation system based on visual sensors, inertial sensors and odometer is studied to approach the giant challenge of autonomous navigation for intelligent mobile robot in highly dynamic unstructured dense environment. The research contains the following aspects: 1) The ORB feature point matching algorithm is studied to deal with the divergence problem of visual motion estimation in high dynamic environment and it can improve the accuracy of visual odometry; 2) In order to deal with the accumulative error of visual odometry, the visual loop detection correction module is introduced. The convolutional neural network is also used to train the advanced semantic features of images to complete the image detection and the probability of mismatch is reduced; 3) The nonlinear error model of integrated navigation system and the non-gauss environment noise are established. The asynchronous multi rate sensor data fusion information synchronization technology is researched and a new nonlinear filter sampling rule is proposed to fit the state function and improve the filter accuracy; 4) The dynamic path planning of mobile robot is researched based on the accurate location information. The accelerated search path algorithm based on dynamic potential field model and its real-time implement are proposed. The research results of this project have important guiding significance for autonomous navigation of intelligent mobile robots in multi environments.

本项目针对无GNSS环境下智能移动机器人的使用需求，研究基于视觉/惯性里程计组合的自主导航系统，以应对高动态非结构化的稠密环境下自主导航的挑战。本项目研究为：1）研究ORB特征点匹配修正算法以应对高动态环境下视觉运动估计的发散问题，提高视觉里程计的精度。2）针对视觉里程计的累计误差，引入视觉回环检测模块修正，并利用卷积神经网络训练图像的高级语义特征进行图像检测，减少了“假性”匹配的可能。3）建立组合导航非线性误差模型，并对非高斯环境噪声进行建模。并针对异步速率多传感器数据融合信息同步技术展开研究，同时提出了一种新型的非线性滤波采样规则来拟合状态函数，提高了滤波算法的精度。4）基于定位精准的前提下，对机器人动态环境路径规划展开了研究，提出了基于动态势场模型的加速搜索路径算法，并制定实时搜索整体方案。本项目研究成果对于复杂环境下特种移动机器人技术的发展有着重要的推动作用。

本项目针对无GNSS环境下智能移动机器人的使用需求，对基于视觉/惯性里程计组合的自主导航系统技术开展了研究，以满足日益增加的高动态非结构化的稠密环境下自主导航的需求。本项目完成的研究如下：1）针对项目研究目标，完成了系统的总体设计；2）研究了一种基于ORB特征点的匹配修正算法，有效抑制了高动态环境下视觉运动估计的发散问题、提高了视觉里程计的精度；3）针对视觉里程计的累计误差，引入了一种视觉回环检测模块修正方法，并利用卷积神经网络训练图像的高级语义特征进行图像检测，有效提高了匹配的准确性；4）针对无人车使用需求，设计了视觉/惯性/UWB组合式定位系统，建立了一种组合导航非线性误差模型，通过采用对非高斯环境噪声进行建模、异步数据同步技术以及非线性滤波采样规则来拟合状态函数，提高了滤波算法的精度；5）针对典型应用环境，对机器人动态环境路径规划展开了研究，提出了改进A*算法和粒子群优化的人工势场法全局路径规划算法、改进DWA和改进Q-learning局部路径规划算法，提高了移动机器人路径规划算法的可行性与高效性。.项目组已完成了本项目所有研究内容，实现并部分超过了既定目标。.本项目研究成果对于复杂环境下特种移动机器人技术的发展有着重要的推动作用。.在本项目的资助下，共发表期刊论文15篇，会议论文1篇，其中SCI收录论文10篇，EI收录论文5篇，国内核心5篇；申报发明专利11项，其中已获得授权4项。