面向高海拔科考环境的移动机器人自主导航方法研究

At present, the application of mobile robots has expanded from indoors and roads to unstructured scenes. The problem of environmental adaptability caused by temperature variation, complex and variable terrain need to be solved when mobile robots assisting humans to engage in high-altitude environmental scientific investigation. At the same time, the implementation of large-scale cross-domain mobile work tasks puts forward higher requirements on the space-time coverage of mobile robots autonomous navigation. This project takes all-terrain wheeled mobile robots as the object and carries out research on the scientific problems such as multi-dimensional accurate perception of the environment, robot pose estimation in the off-road bumpy environment and multi-source information fusion filtering. Specifically, it includes: 1)analyzing the influence of temperature change rate, body vibration on the error characteristics of the instrument, and implementing online error compensation through modeling; 2)bumpy state identification and terrain recognition based on multi-dimensional perceptual information; 3)calculating mobile robots attitude by multi-subsample solution in inertial navigation system and optimizing the accuracy of environmental feature description based on vision and laser point cloud; 4)combining the characteristics of heterogeneous multi-source information, the multi-modal fusion filtering method with unknown noise statistical characteristics is proposed. The implementation of this project is expected to make breakthroughs in theory and technology: revealing the mechanism of interaction between environmental perception and ontology state, proposing compensation methods of inertial auxiliary visual image and point cloud fuzzy, exploring the scheme of mobile robots autonomous navigation in the off-road bumpy environment.

当前，移动机器人的应用领域已从室内、道路拓展到野外非结构化场景，在辅助人类从事高海拔科考时，大温差、复杂多变地形引起的环境适应性问题亟待解决。同时，大范围跨域移动作业任务的执行，对移动机器人自主导航的时空覆盖率提出了更高的要求。本项目以全地形轮式移动机器人为对象，围绕环境多维精确感知、非道路颠簸环境中机器人位姿估计以及基于多源信息融合滤波等科学问题展开研究。具体包括：1)分析温度变化速率和本体振动对器件误差特性的影响，并通过建模对误差实时补偿；2)基于多维感知信息实现三维地形的识别和本体颠簸状态的辨识；3)根据惯导多子样姿态解算，优化基于视觉、激光点云的环境特征描述精度；4)结合异构多源信息特点，提出变概率交互多模型滤波方法等。本项目的顺利实施预期在理论和技术上有所突破：揭示环境感知与本体状态交互作用机理，提出惯性辅助视觉图像、点云模糊补偿方法，探索非道路颠簸环境移动机器人自主导航方案。

本项目开展了移动机器人的环境建模与多源信息融合滤波算法研究，建立了基于惯性器件误差补偿的组合导航系统状态估计模型，在提高环境感知精度的同时为载体位姿的测量和估计提供基础。采用的方法和解决的问题包括：（1）围绕多源信息融合滤波器设计中的噪声统计特性不确定等问题，提出基于交互多模型的滤波方法，通过自适应选取对应于载体运动状态的权重系数，提高系统状态模型的描述精度，进而对载体的速度、姿态等信息进行估计。（2）根据移动机器人运动学模型、惯性器件测量信息及感知图像的特征，对地形特征进行识别，利用多维环境感知信息建立环境模型。同时考虑环境不确定因素等影响时，提出环境建模、特征提取等方面的改进方法，有效提升环境建模精度。（3）针对模型参数变化和不确定性影响下的运动平台侧向速度估计问题，提出一种基于鲁棒滑模观测器的速度估计方法，通过定义非线性不确定系统状态与观测器估计状态的偏差方程，根据偏差系统的状态变量渐进或有限时间收敛到原点，可以得出系统的状态估计结果。在滑模观测器设计过程中，考虑对应的滑模策略和渐进收敛条件，从而得到参数不确定情形下的运动平台侧向速度估计结果。根据本项目的研究方案和技术路线，在器件及系统误差标定及建模分析的基础上，搭建了三维激光雷达、RTK、惯性测量单元IMU、单目相机、RGB-D深度相机等构成的环境感知平台。根据构建的多传感器组合导航定位平台，开展了野外道路和非结构环境实验，相关关键技术已在西藏林芝科考站、西宁阿尼玛卿大本营等高海拔地区开展应用测试，移动机器人导航系统误差建模、环境建模、组合滤波等方法均得到了测试及功能验证。在本项目的资助下，发表的SCI/EI论文中含中科院一区论文3篇，一篇论文获得最佳展示论文，一篇论文发表期刊为仪器仪表领域高质量科技期刊T1级，申请国家发明专利3项，授权国家发明专利1项。