非平坦地形下基于全景视觉的移动机器人同时定位与地图构建研究

结合未知环境、非平坦地形下移动机器人环境建模与定位的实际技术需求，项目以"全景视觉环境感知"和"未知、非平坦地形"为立足点，开展基于全景视觉的移动机器人同时定位与地图构建（SLAM）研究。重点探讨自然路标提取、视觉里程计算、环闭探索、不确定性分析与处理四个方面的科学问题与关键技术：从生物视觉的角度，结合逆深度模型描述，提出全景视觉SLAM的自然路标提取与不确定性分析新方法；以多视角几何、全景视觉成像模型为基础，研究非平坦地形全景视觉里程计算新模型；从多特征匹配、局部-全局搜索的角度探讨全景视觉SLAM的环闭新策略；从提议分布、重采样机制、降低全景视觉观测模型线性化误差等方面入手，探讨SLAM不确定性处理的新技术。从而形成统一、完善的非平坦地形下6D.O.F全景视觉SLAM理论体系结构，为最终实现室外、野外非平坦地形下移动机器人自主导航打下坚实的理论基础，具有重要的学术价值和实际应用价值。

移动机器人环境感知与SLAM是当前国际机器人领域的前沿研究方向和难点问题。受基金资助，申请人面向机器人SLAM展开研究工作，取得了较丰硕的前期研究成果，分别发表在机器人领域的SCI、EI检索刊物和具有影响力的重要国际会议上，研究成果初步受到国内外同行的好评和认可。研究团队通过三年来的科研工作和积累，对SLAM问题有了较为深刻的理解，形成了从事该领域研究的年轻学术团队，在SLAM理论、技术的研究上也过渡到了攻坚阶段。截止目前，取得的进展简要总结如下：1）在项目研究中，面向野外、大尺度环境中路标密集、传统状态空间方法难以处理的问题，开展移动机器人概率定位、概率建图与SLAM算法的理论研究工作，提出了一系列适用于大尺度环境的移动机器人定位与环境建模的新方法，并通过实验验证了算法的性能。主要包括基于扩展无迹粒子滤波的移动机器人蒙特卡洛定位算法、基于迭代Sigma点滤波的FastSLAM算法，基于容积率的Cubature FastSLAM算法及其平方根版本；2）面向移动机器人视觉动态环境感知展开了探索研究，取得了包括基于信息熵的自适应动态目标跟踪算法、在线多例子学习的动态目标检测与跟踪算法、非结构化路面在线视觉检测算法等研究成果，在这些方法中，均充分应用了在线学习的学术思想；3) 对移动机器人的全景视觉环境路标提取、匹配、深度重构问题展开了研究工作，提出相关解决方案，并结合各单元技术，实现了移动机器人全景视觉SLAM。.今后的工作将继续围绕移动机器人SLAM之一研究主题，深入探讨基于图优化理论的SLAM方法以及基于多传感器信息融合的环境感知方法。