复杂环境下智能轮椅的感知与控制

区别于一般的移动机器人，智能轮椅的服务环境具有更突出的非结构化和动态特点，其环境、传感器以及"人在环中"的残疾人用户指令均具有高度的不确定性，对其感知与控制理论和技术提出了严峻挑战。本研究将围绕上述问题，探究能够贯穿感知和控制全回路的概率不确定性处理手段，并在此基础上，给出大规模环境的混合地图创建、动态环境中的鲁棒自定位、拥挤受限环境中的导航规划与控制、人机和谐的自适应共享控制的相关机制与方法，进而分析系统中不确定性的传播特性并据此设计更有效的系统结构，最终建立起具有高自主性、人机协调性和安全性的智能轮椅实验样机，在实际应用环境开展批量用户的测试实验和有效性评估。本研究将为设计和分析智能轮椅以及一般辅助机器人系统提供系统化的感知与控制理论和方法。

围绕智能轮椅在复杂环境下的自定位、地图创建和导航控制关键技术，对移动机器人定位能力进行了详尽的分析和估计，并据此提出了改进方法，进而提高了定位精度和鲁棒性以及导航路径的定位最优性。主要研究成果包括：.1、基于已知地图（概率栅格地图）模型和观测（激光测距）模型，提出了一种对机器人定位能力进行评估和量化的方法。.2、针对移动机器人全局定位，提出了一种基于定位能力的主动全局定位算法，用以在缺少明确几何特征的不同地图场景、并含有地图噪声的情况下，提高全局定位的收敛速度和鲁棒性。基于交龙智能轮椅的实验（办公室、走廊环境）结果表明，本算法在面对传感器误差，以及缺少明确几何特征的不同地图场景、地图噪声时，对于提高全局定位的收敛速度和鲁棒性是有效的。.3、针对移动机器人位姿跟踪，提出了一种基于定位能力的自适应位姿跟踪算法，用以在不同动态、高遮挡环境中，保证位姿跟踪的定位精度和鲁棒性。在真实、拥挤的环境下（办公室、走廊、食堂、地铁站）的智能轮椅实验结果表明，本算法在同时面对传感器误差，不同地图场景、地图噪声，以及环境中障碍物的动态、高遮挡时，可以保证位姿跟踪的定位精度和鲁棒性。.4、在大范围、空旷的环境中，保持稳定的数据关联并且降低算法的复杂度是SLAM问题的关键。针对这一问题，提出了基于分层匹配的增量式SLAM算法；针对智能轮椅导航的室内环境特点，提出了基于全景视觉的扩展信息滤波SLAM算法。通过在真实室内外环境的SLAM实验表明，本算法在实时性、精确性等方面可以满足智能轮椅在室内外环境中的使用。.5、基于之前建立的概率栅格地图，提出了基于定位能力估计的移动机器人路径规划算法。.本研究及成果为智能轮椅以及移动机器人将来在日常生活中的实际应用奠定了坚实的基础。