基于集理论的野外移动机器人地形环境建模和定位方法研究

随着移动机器人应用范围的日益扩展，在未知的、非结构化的野外复杂地形环境下提高其自主行为能力已成为移动机器人研究领域的前沿和热点，而其前提和首要问题就是如何对周边环境进行自主感知和建模。本课题探索建立一种基于集理论的方法体系来统一处理野外移动机器人的三维地形环境建模和定位问题：提出描述地形环境的集值高程模型并建立相应的在线环境建模方法，以综合考虑地形中存在的多高程、多层次的复杂特征，以及环境感知中存在的多源不确定性；同时，提出新的自适应集员估计方法对机器人进行实时位姿估计，并将定位信息和地形信息进行融合以改进地形模型的精度。本课题提出的方法可在保证实时性的情况下提供更为复杂和细致的地形特征，并给出地形和位姿估计的偏差边界信息，从而引入了更多的稳定性和鲁棒性，为自主行为优化生成和底层高性能控制等任务的完成提供了必要的知识基础，具有很高的理论意义和应用价值。

随着移动机器人应用范围的日益扩展，在未知的、非结构化的野外复杂地形环境下提高其自主行为能力已成为移动机器人研究领域的前沿和热点，而其前提和首要问题在于如何对周边环境进行自主感知、理解表达和实时建模。本项目提出了基于集理论表示的方法体系来统一处理野外移动机器人的三维地形在线环境建模和实时定位问题，主要研究成果包括：.1）完成了基于集理论的不确定性表示、在线估计和多传感器融合的共性方法研究，提出了结合最优规划理论且具有噪声边界自适应机制的实时集估计和滤波方法，并围绕该方法体系进行了相关的应用研究和验证，为项目的实施奠定了理论基础；.2）提出了基于集理论的扩展集值高程地形模型用于解决野外三维地形特征的表达问题，以综合考虑野外地形中存在的多高程、多层次的复杂特征，以及环境感知中存在的多源不确定性干扰。在此基础上提出了相应的在线环境建模、更新和融合算法，实现了对三维地形环境的实时感知和建模；.3）提出了基于非线性集员估计理论的多传感器融合方法实现了对野外机器人的大范围实时鲁棒定位研究，获取了具有保证边界信息的位姿估计结果，并将其与地形信息进行融合以改进地形模型的精度；.4）自主构建了搭载多种传感器设备的高性能野外移动机器人实验平台，完成了相应的软硬件开发，从而针对上述研究内容在野外大范围环境下进行了广泛的实验验证。.本项目所提出的集理论方法体系可在保证实时性的情况下提供更为复杂和细致的地形特征，在不确定性的表达、估计和融合方面更为自然且更容易得到实现，并给出地形和位姿估计的偏差边界信息，从而较之常规的概率化地形建模方法引入了更多的稳定性和鲁棒性，为自主行为优化生成和底层高性能控制等任务的完成提供了必要的约束条件，对于实现野外移动机器人的全自主控制具有重要的理论意义和应用价值。