室外移动机器人环境认知与自主规划方法及实验研究

机器人环境认知和自主规划是实现移动机器人自主导航的重要共性技术。本项目借助认知科学的研究成果，运用系统与控制、传感器与感知、机器人视觉、模式识别、智能计算、智能规划和数学等理论与方法，结合移动机器人的感知和行为能力需要，研究室外环境下的移动机器人环境认知和自主规划，实现移动机器人以校园及周边环境为例的非结构化或半结构化整体或局部未知环境有效的理解和环境知识提取，研究室外移动机器人的基于场景知识的关系型拓扑地图及分层关联地图模型，研究基于拓扑地图的运动规划、机器人的行为设计和行为学习，通过Seekur移动机器人校园及周边自主导航实验研究，实现实用意义上自主移动机器人环境认知、自主规划和自主导航。该研究对于自主移动机器人在战场攻防、公共安全、核（电）工厂、安全巡逻等人类不能到达或高度危险性的环境下的应用具有重要意义。

机器人环境认知和自主规划是自主移动机器人的重要共性技术。本项目借助认知科学的研究成果，运用系统与控制、传感器与感知、机器人视觉、模式识别、智能计算、智能规划和数学等理论与方法，结合移动机器人的感知和行为能力需要，研究室外环境下的移动机器人环境认知和自主规划。.在机器人环境认知方面，本项目分别在复杂场景下目标识别与跟踪、室外自然场景分类与定位、机器人环境建模等开展研究。分别提出了一种自适应多特征融合的核函数目标跟踪算法、基于 H-S直方图反向投影的双目视觉定位等算法；提出一种基于五层空间金字塔划分的IBOVW模型的自然场景识别方法、将室外场景图像整体识别匹配与拓扑地图节点信息相融合的视觉自定位、多视角特征点匹配的室外场景目标定位、基于深度神经网络多任务空间金字塔池化深度卷积神经网络的动态目标分类、联合物体检测与语义分割的场景理解等方法；提出了基于GNG自增长网络的移动机器人同时定位与构建拓扑网络地图、基于区域的空间知识表示模型和基于混合超图(hybrid hypergraph)的空间知识表示模型，为复杂的空间知识的表示、组织和分析提供了一种新的工具和思路。.在移动机器人自主运动规划方面，本项目分别在受人类导航机制启发移动机器人自主规划与仿生导航系统、目标搜索、任务规划、多机器人合作与协调控制等方面开展研究。分别在区域化空间知识模型的基础上，提出了基于人类寻路策略的在线路径规划算法FTC-A* (fine-to-coarse A*)，提出了一种移动机器人仿生导航系统，构建了自主规划与仿生导航系统的物理实验系统；提出了基于碰撞信息检测机制、A*启发式代价函数的改进的RRT算法、一种低计算复杂度的移动机器人局部运动规划方法；提出了编队控制中的机器人行为与基于服务的运动行为结构设计、多机器人系统合作控制器设计、多机器人系统行为决策框架设计等方法。.本项目研究过程中所产生的理论与技术成果对国内机器人环境认知与自主规划领域的研究和开发具有重要意义，相关技术对于机器人领域有潜在的应用价值。