（系统工程专业论文）基于智能空间的服务机器人定位与构图技术研究.pdf

摘要 家庭服务机器人的同步定位和地图构建( s l a m ) 技术是机器人导航技术的前 沿与关键问题，也是服务机器人研究的基础内容之一。由于家庭环境中物品杂乱， 相对比较复杂，服务机器人很难快速准确地建立环境地图并精确地确定自身的位 姿，将智能空间和机器人s l a m 技术相结合可以很好地解决该问题。论文的主要 研究内容如下： 1 ) 分析了智能空间和s l a m 问题的研究现状及相关的基础技术，根据问题 的一般模型和目前所存在的难点，结合智能空间技术提出了解决方案，给出了智 能空间下服务机器人s l a m 的基本步骤，并对其中的技术难点和关键问题做了详 细介绍。 2 ) 给出了环境的三维立体混合特征地图构建方法，以更加详细地描述环境， 提高s l a m 算法的速度。首先利用双目立体视觉传感器提取环境特征，提取环境 中物体的h a r r i s 角点，通过立体匹配算法获取角点的三维几何信息，同时还要获 取环境的这些几何特征对应的图像特征信息，并将这些混合信息进行绑定，作为 实时更新信息存入智能空间信息库中，从而构建出混合特征地图。 3 ) 给出了基于智能空间的s l a m 具体实现过程。建立起机器人的运动学模 型和观测模型，并对该模型进行重构以实现线性化，结合机器人实时地与智能空 间进行信息交互，依靠混合特征地图中的图像特征信息实现快速的数据关联，然 后利用卡尔曼滤波算法处理信息的不确定性，估计出机器人的位姿，并保存信息 更新地图。 4 ) 研究了家庭环境下服务机器人的识别定位技术。采用了两种不同的识别方 法：对于环境中不相似的物体，利用s i f t 特征匹配算法识别物体；对于相似的物 体采用人工地标法。识别出物体以后，机器人从智能空间信息库中获取物体的属 性，并运用预测估计方法确定出自身的位姿。 关键词：服务机器人；机器人导航；s l a m ；智能空间；三维立体混合特征地 图；识别定位 山东大学硕+ 学位论文 a b s t r a c t s i m u l t a n e o u sl o c a l i z a t i o na n dm a p p i n g ( s l a m ) t e c h n o l o g yo fs e r v i c er o b o ti n f a m i l ye n v i r o n m e n ti st h ea d v a n c e da n dk e yi s s u eo fr o b o tn a v i g a t i o nt e c h n o l o g i e s i ti s a l s oo n eo ft h eb a s i cr e s e a r c hi s s u e so ft h eh o m es e r v i c er o b o t f a m i l ye n v i r o n m e n ti s u s u a l l ym e s s e du pb ya l lk i n d so fo b je c t s i ti sd i f f i c u l tf o rt h es e r v i c er o b o tt or e a l i z e s i m u l t a n e o u sl o c a l i z a t i o na n dm a p p i n g q u i c k l y a n da c c u r a t e l y t h ec o m b i n e d t e c h n o l o g yo fi n t e l l i g e n t - s p a c eb a s e ds l a mc a nb eu s e d t os o l v et h e p r o b l e m e f f i c i e n t l y t h ec o r r e s p o n d i n gs t u d yw o r k sa r es u m m a r i z e d a sf o l l o w s ： ( 1 ) t h er e s e a r c hs t a t u sa n dr e l a t e db a s i ct e c h n o l o g i e so fi n t e l l i g e n ts p a c ea n d s l a mw a sa n a l y z e d a ni n t e l l i g e n t - s p a c eb a s e ds l a ms c h e m ea n di t sb a s i cs t e p sw e r e p r o p o s e da c c o r d i n gt ot h eg e n e r a lm o d e la n dp r e s e n tp r o b l e m so fs l a m ，a n da l s ot h e t e c h n i c a ld i f f i c u l t i e sa n dk e yi s s u e se n c o u n t e r e dw e r ei n t r o d u c e di nd e t a i l ( 2 ) at h r e e d i m e n s i o n a lm i x e df e a t u r em a po fe n v i r o n m e n ti s b u i l ti no r d e rt o d e s c r i b et h ee n v i r o n m e n ti nm o r ed e t a i la n dt os p e e du pt h es l a ma l g o r i t h m f i r s t ， e n v i r o n m e n tf e a t u r e sc a nb eg o t t e nb ye x t r a c t i n gh a r r i sc o m e r so ft h eo b je c t si nt h e e n v i r o n m e n tt h r o u g hb i n o c u l a rs t e r e o v i s i o ns e n s o r t h e n ，t h r e e d i m e n s i o n a lg e o m e t r i c i n f o r m a t i o no ft h e s ec o m e r sc a nb eg o t t e nb ys t e r e om a t c h i n ga l g o r i t h m ，a n dt h e c o r r e s p o n d i n gi n f o r m a t i o no fi m a g ef e a t u r e sc a nb eg o t t e na sw e l l f i n a l l y , t h em i x e d i n f o r m a t i o ni sb o u n du pa n dd e p o s i t e di n t oi n f o r m a t i o nd a t a b a s eo fi n t e l l i g e n ts p a c ea s r e a l - t i m eu p d a t i n gi n f o r m a t i o n ，a n dt h e nt h em i x e df e a t u r e sm a pw a sc o n s t r u c t e d ( 3 ) t h et e c h n i c a lp r a c t i c e o f i n t e l l i g e n t - s p a c eb a s e ds l a m t h ek i n e m a t i c m o d e la n do b s e r v a t i o nm o d e lo fr o b o t sw e r ec r e a t e d ，a n dt h e yw e r er e c o n s t r u c t e di n o r d e rt or e a l i z el i n e a r i t y r o b o tc a ni n t e r a c tw i t hi n t e l l i g e n ts p a c er e a l - t i m e l y , a n di tc a n r e a l i z ef a s td a t aa s s o c i a t i o nb a s e do nt h ei m a g ef e a t u r e sr e l i e v e df r o mm i x e df e a t u r e s m a p t h e nb yp r o c e s s i n gt h eu n c e r t a i n t yi n f o r m a t i o nt h r o u g hk a l m a nf i l t e ra l g o r i t h m ， t h er o b o tp o s ec a nb ee s t i m a t e d ，a n da l s ot h ei n f o r m a t i o nw a ss a v e dt ou p d a t et h em a p ( 4 ) r e c o g n i t i o n - b a s e d l o c a l i z a t i o nm e t h o do fs e r v i c er o b o ti nt h ef a m i l y e n v i r o n m e n tw a ss t u d i e d t w od i f f e r e n tm e t h o d so fo b j e c t sr e c o g n i z i n gw e r ea d o p t e d ： i i t h ed i s s i m i l a ro b je c t sc a l lb er e c o g n i z e db yt h es i f tf e a t u r em a t c h i n ga l g o r i t h m ；w h i l e t h es i m i l a ro b j e c t sc a nb er e c o g n i z e db yu s i n gt h ea u x i l i a r ya r t i f i c i a ll a n d m a r k b a s e d o nt h er e c o g n i t i o no fo b j e c t s ，t h es e r v i c er o b o tc a nr e t r i e v e t h e i rp r o p e r t i e sf r o m i n f o r m a t i o nd a t a b a s eo fi n t e l l i g e n ts p a c e ，a n de s t i m a t ei t so w np o s eb yt h ep r e d i c t i o n a l g o r i t h m k e yw o r d s ：s e r v i c er o b o t ；r o b o tn a v i g a t i o n ；s l a m ；i n t e l l i g e n t s p a c e ； t h r e e d i m e n s i o n a lm i x e df e a t u r e sm a p ；r e c o g n i t i o n - b a s e dl o c a l i z a t i o n i i i 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本论 文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本 文的研究做出重要贡献的个人和集体，均已在文中以明确方式标 明。本声明的法律责任由本人承担。 论文作者签名：e l 期：塑! 堡! 矽乡 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意 学校保留或向国家有关部门或机构送交论文的复印件和电子版，允 许论文被查阅和借阅；本人授权山东大学可以将本学位论文的全部 或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他 复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：鹾导师签名：啡日 期：碰矽 第一章绪论 自1 9 5 9 年诞生第一台机器人以来，机器人技术取得了长足的进步和发展，至 今己成为一门集机械、电子、计算机、控制、传感器、信号处理等多学科为一体 的综合性尖端科学。社会的进步提出要求，希望创造出一种能够替人进行各种工 作的机器，家庭服务型机器人作为该类机器的典型代表之一应运而生。然而家庭 环境比较复杂，要想使家庭服机器人很好地完成操作任务，需要获取环境的详细 信息，能自动快速识别环境特征，实现环境地图的构建和自身的精确定位，这就 是本课题所要研究的问题。 1 1 课题背景 近年来，人们不再满足于机器人的表演和娱乐功能，如何能让机器人更加实 用、更贴近生活成为新的重点研发课题。当代机器人专家现已达成了共识：作为 计算机技术及现代i t 综合技术的一个必然延伸，家庭机器人技术将会以前所未有 的速度实现突破。随着家庭机器人产业化时代的到来，以技术为保证的家庭机器 人，将成为继家电、个人电脑之后，第三个以超规模速度走进家庭的产品。为了 抢得这个巨大未来市场的先机，日本经济产业省最近为l o 年到3 0 年后的家庭机 器人科技发展作了规划，并制作了“技术战略蓝图。据“韩国信息技术8 3 9 战略” 介绍，韩国政府将智能服务机器人确定为2 1 世纪推动国家经济增长的9 个新增长 引擎之一。该战略提出基于信息技术的智能服务机器人是能随时随地提供必需服 务的泛在机器人同伴( u r c ) ，并计划u r c 的商业服务到2 0 1 3 年在产值上达到1 3 万亿韩元 1 。2 1 。 家庭服务机器人的研究在我国也得到相当的重视，开展这方面的研究有着非 常重要的社会意义。我国老龄人口的增长量和增长速度是很惊人的，根据我国第 五次人口普查，6 5 岁以上老年人口已达8 8 1 1 万人，占总人口的6 9 6 ，按国际标 准衡量，我国已经进入老年型社会( 6 5 岁以上的人口超过7 的国家或地区就称 之为人口老年型国家或老年型社会) ，据联合国预测，到2 0 2 0 年我国6 5 岁以上老 龄人口将达1 6 7 亿人，占总人口的比重将上升至1 1 5 。在一些大城市中，有空 山东大学硕+ 学位论文 巢老人的家庭已占3 0 ，京、沪、津大城市己达3 0 以上，他们急需家庭服务， 同时还有一大批行动不方便的残疾人，可见家庭服务机器人有着非常大的需求。 其次，家庭服务机器人的研究代表了国家的综合国力，是我国科技发展的战略要 求。为了尽快提高我国家庭服务机器人技术水平，2 0 0 5 年6 月，国家科技部高新 技术与产业化司、国家“8 6 3 ”计划先进制造与自动化技术领域邀请有关企业、业 内专家在北京召开了“服务机器人 发展战略研讨会，专家组针对国内需求分析， 考虑到我国现有的技术基础，提出了将家庭服务机器人技术研究作为我国“十一 五”期间机器人技术的发展重点【】。 但是目前家庭服务机器人技术的发展还处在一个相对较低的水平，服务机器 人能完全实现自主导航，真正进入家庭作业为人类服务仍然存在很多问题，同步 定位与地图构建( s l a m ) 就是其中问题之一。可靠定位是自主移动机器人实现安全 导航的先决条件，在地图的指导下，机器人可以不断校正自身位置，实现精确定 位，是否具备同步定位与构图的能力被认为是机器人能否实现真正自主的关键。 因此，家庭服务机器人s l a m 技术是机器人工作的基本要求和前提，也是服务机 器人研究的基础内容之一。 家庭环境中存在较多的不确定性和较强的人为干扰，针对这样复杂的工作环 境，家庭服务机器人很难依靠自身携带的传感器构建环境的立体空间模型，并通 过自动识别环境特征实现机器人自身的精确定位。当地图和机器人的位置都事先 未知时，问题就变得非常复杂，机器人利用传感器获得的环境信息较少，并且具 有很大的不确定性，在进行定位时不可避免地存在较大误差，同时由于算法的复 杂度高和机器人自身的计算处理能力有限使得信息处理速度非常慢，可见家庭服 务机器人s l a m 面临着许多急需解决的重要基础性难题。 1 2 机器人s l a m 问题概述 1 2 1s l a m 问题的提出 移动机器人的同步定位与地图创建( s i m u l t a n e o u sl o c a l i z a t i o na n dm a p p i n g ， s l a m ) i h - 题，也称为c m l ( c o n c u r r e n tm a p p i n ga n dl o c a l i z a t i o n ) 1 - 题，最先是由 s m i t hs e l f 和c h e e s e m a n 5 1 在1 9 8 8 年提出来的。它是指让一个自主移动机器人从未 知环境中的一个未知的位置出发，逐渐建立一个环境的地图并且同时使用这个地 2 山东人学硕士学何论文 图计算自身的位置。由于其重要的理论和应用价值，被很多学者认为是实现真正 自主移动机器人的关键【6 。7 1 。 移动机器人的自主导航关键要解决三个问题：w h e r ea l ni ? w h e r ea l nig o i n g ? h o ws h o u l dig e tt h e r e ? 第一个问题就是机器人的定位问题，只有解决了定位问题 才有解决后面两个问题的基础；第二个问题关系到移动机器人的工作任务，比如 执行全区域覆盖的机器人就是要依次走遍工作区域内的所有点，或者执行其他任 务的机器人需要从一个已知的起点行驶到一个确定的终点；第三个问题就是移动 机器人的路径规划问题，如何确定一条既不碰到障碍物又能够有效完成工作任务 的最优( 长度最短或者用时最少) 路径。 然而在很多环境中机器人事先获取其工作环境的地图是非常困难的，这就向 研究者们提出一个问题：有没有可能让一个自主移动机器人从未知环境中的一个 未知的位置出发，逐渐建立一个环境的地图并且同时使用这个地图计算自身的位 置，即要在没有地图的情况下解决w h e r ea l t iig o i n g ? h o ws h o u l dig e tt h e r e ? 这两 个问题。所以地图的创建和机器人的定位技术一样是完成机器人自主导航的关键， 而且在很多情况下这两个问题是相互关联，相互影响的。移动机器人的定位和地 图创建问题成为了机器人领域的热点研究问题。 1 2 2s l a m 问题的研究现状 对于已知环境中的机器人自主定位和己知机器人位置的地图创建已经有了一 些实用的解决方法。然而在很多环境中机器人不能利用全局定位系统进行定位， 而且事先获取机器人工作环境的地图是非常困难的，甚至是不可能的，这时就必 然需要使用同步定位与地图创建的方法。在s l a m 中，移动机器人利用自身携带 的传感器识别未知环境中的环境特征，然后根据机器人与环境特征之间的相对位 置和里程计的度量估计特征和机器人的全局坐标。这是一种在线的定位和地图创 建方法，它需要机器人与环境特征之间详细的信息。近几年一些s l a m 学者己经 在室内环境【8 1 、室外环境【9 1 和水下环境【1 0 1 展开了s l a m 的研究。 目前大多数研究是采用声纳i l l j 等距离传感器来实现构图与定位，但是这些距 离传感器的分辨率较低，且存在高度不确定性，在复杂的环境中由于观测数据的 高度不确定性很难取得理想的效果，即使使用精度高的激光测距仪器，也只能建 由东大学硕七学位论文 立一维空间模型【1 2 】；也有一些研究结合使用视觉传感器，其构建的模型可扩展到 二维空间内，但包含特征较少，祝器入自身定位也不够精确；髓前，开始使用立 体视觉以获取较完备的三维空间信息【l 引，相关研究较少。关于s l a m 的算法很多， 可分为基于概率模型的方法和非概率模型的两种方法( 1 4 】，基于概率模型有卡尔曼 滤波( k i f ) 算法【强l 、蒙特卡洛( m o n t ec a r l o ) 粒子滤波器算法嗣及集合理论估计算法 0 7 1 等，非概率模型的有数据融合算法【1 8 】、基于模糊逻辑的s l a m 算法等。寻求复 杂度低、速度快、准确性更高、鲁棒性更好的算法是垦前的研究趋势。要更好地 实现s l a m 不仅需要研究更合理的算法，还需要借助其他的技术手段解决一些关 键问题。 1 3 识别定位技术的研究现状 1 3 1 识别定位概述 物体识别就是从复杂环境中辨识患物体，它楚生物界思维中理性分析的：；遘程。 识别需要通过视觉得到作为环境全局的一组信息，并从这组信息中提取感兴趣的 目标【1 9 】。可以这样认为，识别是视觉的主动性工作，是强加于意识的能动作用， 它与被动地接收外界感观刺激是有区别的。 基于图像的物体识别具有很好的应用前景。利用物体识别技术，机器人能够 快速确定自身位置f 2 0 1 。随着摄像机性能的提高和价格的降低，获取图像的成本越 来越低，使得物体酶图像数据库很容易建立。屈时，在辊器入上安装摄像枫，得 到的图像可以方便地输入识别系统。通过对周围环境中物体的识y 3 j j 能够帮助机器 人获取物体的信息，实现自主定位【2 ，进而完成执行各种操作任务。 1 3 2 识别定位的难点与方法 物体识别是机器视觉系统的重要组成部分，它的研究发展与图像处理和模式 识别学科的理论和技术怠息相关，目前物体识别研究的主要工作在于特征提取和 特征匹配两个方面。基于物体图像识别的机器人自主定位技术面临很多困难：首 先，从不同视点得到的物体图像各不相同，如果输入图像和已知图像的视点【2 2 1 不 同，得到正确的识别结果并非易事；其次，物体的图像可能是在不同光照条件下 获取的，光照的影响会导致物体外观发生变化；再者，识别完成以后得到环境中 矗 山东大学硕士学位论文 物体的具体信息，如何根据这些信息运用快速有效的定位算法确定机器人的位姿 也是一个非常值得研究的问题。 近年来，兴趣点等局部特征被广泛应用于物体识别领域中 2 3 。2 5 1 。基于局部特 征的识别方法在视点和光照条件变化时具有较高的鲁棒性，在局部遮蔽的情况下 也能够可靠地进行识别。然而，在某些情况下基于局部特征的识别方法不能得到 正确的结果。利用提取兴趣点和边缘轮廓相结合的方法，对于家庭环境下多样性 的物品，机器人能有效地提高识别的准确性。还有一些识别方法将人工地标用于 特定物体( 如相似的物体) 的识别，人工地标的使用可以大大提高图像处理的速 度和目标识别的精度，降低对视觉传感器的要求。在机器人定位算法上采用较多 的是基于概率论的预测估计方法，基于概率论的预测估计方法计算量较小、速度 快、准确性较高。要实现更加快速、准确的识别定位技术，必须和其它具有快速 信息处理能力的技术相结合。 1 4 智能空间研究概述 服务机器人s l a m 和识别定位技术都需要一种新的技术手段，既能提供丰富 精确的环境信息提高它们的精度，又具有高效快速的信息处理能力保证它们的速 度，而智能空间作为一种新的技术思想恰好满足了它们的需要。 1 4 1 智能空间的概念 1 9 9 6 年日本东京大学的h a s h i m o t o 实验室率先提出了“智能空间 的概念【2 5 | ， 它将p c 机、c c d ( c h a r g ec o u p l e dd e v i c e ) 摄像机、麦克风、显示器等设备通过网 络连接到一块，最早构建出了智能空间。 智能空间的主要思想是通过在室内环境安放传感器、服务p c 机、可触摸显示 器、网络系统以及数据库等软硬件设施，使普通的室内环境具备观测能力并能够 为服务机器人下达命令，使机器人准确地进行导航、定位工作，同时完成抓取、 运送等各种家政服务 2 6 】。在智能空间的支持下，服务机器人能在未知或半未知的 动态环境中，自主地连续长时间稳定地进行家政服务工作，同时能够完成对需要 服务的用户进行监护和交流，并及时为其提供所需的服务。 山东大学硕士学位论文 1 4 2 研究现状与发展趋势 目前国际上对智能空间的研究开展地相当广泛，并将智能空间的概念应用于 很多领域。如麻省理工学院人工智能实验室( m i t a il a b ) 的i n t e l l i g e n tr o o m 2 7 1 通过 观察人的姿态并通过接受人的语音命令指导房间控制系统为用户服务，国内清华 大学的s m a r tc l a s s r o o m 2 8 】为了方便于远程教学，该系统使教师能够摆脱键盘鼠标 的束缚，通过手势、语言控制讲义和多媒体板上的内容，并且可以像在黑板上那 样直接用手在多媒体板上书写板书。另外斯坦福( s t a n f o r d ) 大学的i n t e r a c t i v e w o r k s p a c e 、佐治亚技术理工学院( g i t ) 的a w a r eh o m e 、微软研究院( m i c r o s o f t r e s e a r c h ) 的e a s yl i v i n g 、德国信息技术国家研究中心( g m d ) 的i l a n d 也是智能空 间思想的很好应用。 将来的智能空间可能会具有层次的结构，空间与空间之间将会互联，并且若 干单个智能空间可能联合起来构成一个大的空间，如a d a c 实验室和h a s h i m o t o 实验室合作完成了洲际智能空间( i s p a c ei n t e r - c o n t i n e n t a lp r o j e c t ) ，传感器和激励设 备在日本，而计算和处理控制设备在美国，通过i n t e m e t 完成两个实验室合作构建 智能空间【2 9 】。最终智能空间将构成一系列智能社区( s m a r tc o m m u n i t y ) ，智能社区 中的智能空间以一定的形式组织在一起，各智能社区之间可以进行跨空间的交互 以及跨空间的资源访问。 智能空间思想应用广泛，本文将智能空间技术用于家庭服务机器人应用系统， 研究了在智能空间的支持下服务机器人的构图与定位问题，以及与智能空间交互 实现物体识别并根据识别物体属性进行快速定位的问题。 1 5 课题研究思路及主要研究内容 家庭服务机器人的同步定位与地图创建是实现服务机器人自主移动的关键， 而家庭环境比较复杂，机器人很难依靠自身携带的传感器进行准确地构图与定位， 智能空间作为一种新的技术手段，可以有效地解决许多机器人靠自身无法解决或 难于解决的问题。智能空间中包含了丰富的环境信息和信息处理技术，如果以它 为平台，服务机器人与智能空间进行信息交互，那么机器人能够快速地识别环境， 实现精确地构图与定位，从而很好地适应家庭环境动态变化并完成服务任务。将 智能空间与家庭服务机器人s l a m 相结合是机器人研究领域的一个新发展方向。 6 山东大学硕士学位论文 本文将智能空间与家庭服务机器人s l a m 相结合，研究了基于智能空间的机器人 s l a m 和识别定位技术。主要工作如下： 1 给出了智能空间下s l a m 的实现步骤。分析了智能空间和s l a m 技术的国 内外现状，阐述了相关的基础技术，根据s a l m 问题的一般模型和目前所存在的 难点，结合智能空间技术提出了解决方案，给出了智能空间下服务机器人s l a m 的基本步骤，并对实现过程中的技术难点和关键问题作了详细介绍。 2 构建了三维立体混合特征地图。为了更加详细的描述环境，并能提高s l a m 算法的速度，构建了环境的三维立体混合特征地图，首先利用双目立体视觉传感 器提取环境特征，提取环境中物体的h a r r i s 角点，通过立体匹配算法获取角点的 三维几何信息，同时还要获取环境的这些几何特征对应的图像特征信息，并将这 些混合信息进行绑定，作为实时更新信息存入智能空间信息库中，从而构建出混 合特征地图。 3 实现了基于智能空间的机器人s l a m 。在s l a m 实现过程中，建立了系统 的模型，给出了机器人的运动学模型和观测模型，并对该模型进行了重构以实现 线性化，机器人实时地与智能空间进行交互，依靠混合特征地图中的图像特征信 息实现快速的数据关联，然后利用卡尔曼滤波算法处理信息的不确定性，估计出 机器人的位姿，并保存信息更新地图。 4 研究了家庭环境下的机器人识别定位技术。物体识别在智能空间中完成， 定位算法机器人自身完成，利用它们各自的计算能力可有效提高识别定位的速度。 采用了两种不同的识别方法：对于环境中不相似的物体，利用s i f t 特征匹配算法 识别物体，对于相似的物体采用人工地标法。识别出物体以后，机器人从智能空 间信息库中获取物体的属性，并运用预测估计方法确定出自身的位姿。 最后对本论文进行了总结，指出了研究中存在的不足之处，并对家庭服务机器 人定位与构图技术提出了展望。 7 第二章基于智能空间的s l a m 问题解决方案 家庭服务机器人s l a m 技术是机器人工作的基本要求和前提，也是服务机器 人研究的基础内容之一。然而家庭环境中存在较多的不确定性信息和较强的人为 干扰，针对这样复杂的工作环境，家庭服机器人很难依靠自身的传感器构建环境 地图，并通过环境地图实现机器人自身的精确定位，而智能空间作为一种新的技 术手段，可以有效地解决许多机器人靠自身无法解决或难于解决的问题。本章结 合s l a m 的技术要求和智能空间技术，给出了家庭服务机器人s l a m 问题的解决 方法和实现步骤。 2 1s l a m 问题技术基础 可靠定位是自主机器人实现安全导航的先决条件，在先验地图的指导下，机器 人可以不断校正自身位置，实现精确定位。但在未知环境中，机器人完全没有或只 有很少、很不完整的环境知识，机器人对环境的认识只能通过所携带的传感器，如 摄像头、激光、声纳等获得相关信息，经过处理后抽取有效信息建造环境地图，并 据此进行定位，这种情况下构图与定位问题被形象地称为“先有鸡还是先有蛋” 的问题【3 0 1 。因此，s l a m 问题可以描述为：机器人在未知环境中从一个位置开始 移动，在移动过程中根据位置估计和传感器数据进行自身定位，同时建造增量式地 图。定位与增量式构图融为一体，而不是独立的两个阶段。 2 1 1s l a m 问题的一般模型 可以将s l a m 问题定义为一个m a r k o v 链【3 i 】，记f 时刻机器人位姿为s ，路标 的位置为o ，= ( 岛，o x , ) ，q 和o ，的转移过程分别为 p ( s ，i 坼，一1 ) ( 2 1 ) o ，= o f _ l( 2 2 ) 式( 2 1 ) 中吃为控制输入。尽管机器人一次可观测多个路标，为数学描述方便， 假定机器人观测只对应于一个路标，而当一次观测多个路标时可顺序处理。观测 9 p ( z zis 1 , 0 t ，魏) ( 2 3 ) 式( 2 - 3 ) 中：z f 为f 时刻观测值；n t 1 ，k ) 为r 时刻观测到的路标个数。确定 n ，的过程称为数据关联。在此假设n t 为确定变量。 s l a m 问题的一般形式，就是根据截至到，时刻的观测数据z 。= z l ，名和运 动控制输入信息甜= 甜”_ 鲍估计当前的路标位置0 ，和机器人位姿s ，即求下面的 若初始的先验概率分布函数p ( s o ， 。| z o , u o ) = p ( s o ， 。) 已知，根据贝叶辫估计 p ( s ，o ，i 彳，u ) 。根据贝叶斯公式和马尔可夫性有 鼬加_ 等箸鬻u 掣幽 p 5 ， 矽lz 。iz 4 i p ( z ，s ，10 ，) p ( s ，o ，iz 卜1 ，材卜1 ) r 叫 宙c h a p m a n k o l m o g o r o v 方程和马尔可夫性有 p ( s f ， ， z t - iu 卜1 ) = p ( & ，o ，h 。，。t - i ，z t - 1 u t - i 劢( s h ， 硝iz - t , u - 1 ) d ( s , 巾 纠) ( 2 - 6 ) = p ( _ ，。，h 巾9 ，豁p ( 誓小 iz t - l , 秘) d ( s t 小0 ) p ( s ，o ，lz ，u 。) ：猡( 芬h 。；) - ( s t ，。；$ t - i , 。t - i u tp ( s t - 1 , 蹦 z t - l , u t - ) 讯，) ( 2 _ 7 ) 式( 2 7 ) 中p ( s ，o ，is t - 1 , ，- l ，u ) 根据式( 2 一1 ) 和( 2 - 2 ) 确立；野为归一化常量。这 就是s l a m 问题的一般模型。 可以用动态贝时斯网络来可视他地表达s l a m 问题 3 2 - 3 3 】。如委2 - 1 所示，机 器人初始位姿为s 。，在一系列运动控制输入铭2 ，u 3 ，u ，的作用下，机器人运动到 位姿墨。在运动过程中，机器人观测其附近的路标：在t = l 时刻机器人观测到路 标最( 即n ，= 1 ) ，观测值记为z ，；在f = 2 时刻机器入观测到路标晓( 鞠雄：= 2 ) ， 观测值记为z ，；依此类推。 1 0 山东大学硕士学位论文 z f 图2 - 1s l a m 问题的动态贝叶斯网络模型 从图2 1 可以看出s l a m 问题所隐含的马尔可夫性：机器人在某一时刻的位 姿只与前一时刻的位姿和控制输入相关：路标观测只与当时的机器人位姿和路标 状态相关【3 4 1 。 2 1 2s l a m 问题的技术难点 s l a m 问题中的主要技术难点包括：环境地图表示方法、环境特征提取、不 确定性信息处理及数据关联技术。 2 1 2 1 环境地图表示方法 环境地图主要表达形式有：几何特征图、米制坐标图和拓扑结构图。几何特 征图是用参量化的几何特征描述环境，在室内结构化环境中，最常见的几何特征 是直线段、角、边，这些特征可用它们的颜色、长度、宽度、位置等参数【3 5 1 表示。 基于几何特征的地图一般用如下的特征集合表示： m = fi 歹= l ，2 ，珂)( 2 8 ) 式( 2 - 8 ) 中f j 是一个特征( 点、线、角等) ，刀是地图中的特征总数。几何特征 法定位准确，模型易于由计算机描述和表示，参数化特征也适用于路径规划和轨 迹控制。 用米制坐标图描述环境是1 9 8 8 年由m o r a v e c 3 6 1 最先提出来的，后来一些研究 者对该方法做了详细的阐述和进一步完善37 1 。移动机器人导航空间的米制地图表 示是指用绝对坐标系来表示移动机器人的空间环境特征，这些环境特征在绝对坐 标系下有精确的数值坐标。该方法构建的地图直观、精度高，比较容易实现立体 1 1 山东大学硕士学位论文 环境的地图构建，同时参量化的描述还非常适合于不同坐标系之间的转换以及对 不同传感器信息的融合。拓扑结构图用拓扑结点和相关连接线表示环境，其中结 点表示环境中的重要位置点，连接线表示结点间的连接关系。 2 1 2 2 环境特征提取 移动机器人配备多种内部和外部传感器，内部传感器主要有里程计、陀螺仪 等，外部传感器有视觉、激光、声纳、红外等。移动机器人融合内部传感器信息 和外部环境特征信息进行精确定位和地图创建，外部传感器信息经过处理形成外 部环境的特征。环境特征的选择和描述不追求细节，注重特征的鲁棒性和稳定性， 主要采用环境标识的最小环境模型，提取能够反映大范围环境的结构化特征，如 直线和线段、角、点、垂直线等，分别与墙、墙角、凸角、门等特征对应。特征 提取的方法很多，对于直线和点特征主要采取哈夫变换方法，如加权哈夫变换法、 直方图法【3 8 j 等。对于外部传感器由于单目视觉系统不能提供环境特征的深度信息， 无法表征环境特征的位置，因此移动机器人同步定位与地图创建中，主要通过声 纳或激光传感器在二维平面上的扫描信息( 距离、角度、强度等) 获得外部环境的特 征及其位置信息【3 9 】。然而对于杂乱、不规则环境，对环境进行二维建模不能满足 需要，提取环境的三维特征进行同步定位与地图创建是目前的研究方向。 2 1 2 3 不确定性信息处理 作为s l a m 的信息来源，机器人本体的运动学模型及其携带的各种传感器的 准确性是决定地图精度的一个关键。实际上这些渠道获得的信息都带有不同程度 的不确定性。感知信息的不确定必然导致地图和定位双方的不确定，而同样的， 当依据地图和感知决策后移动时也就带有不确定性，造成不确定性的逐步传递。 因此必须解决以下问题【3 0 j ： a ) 在地图和位置的表示中，如何描述运动和感知信息的不确定性? b ) 在迭代过程中，如何处理旧信息与新信息的关系，连续更新地图与位置? c ) 如何依据不确定的信息进行估计校正? 对于上述问题，目前使用的主要方法有基于概率论的方法【4 0 】和基于模糊逻辑 的方法【4 。以概率描述信息的不确定性其优点在于适应不确定模型，对于性能差 1 2 山东大学硕十学位论文 的传感器也能表示其感知信息，在实际应用中鲁棒性较好，在很多实现中得到了 应用，缺点是计算量较大。模糊逻辑提供了一个处理不确定性( 特别是声纳感知的 不确定性) 较为鲁棒且有效的工具，同时在对多种不确定性信息进行建模和融合时 可以有更多的操作符供选择。 2 1 2 4 数据关联技术 数据关联是对两个特征标志进行匹配，确定它们是否对应环境中的同一物体。 为了获得全局的环境地图和实现定位，还需要将不同时间、不同地点的感知信息 进行匹配和联合，存在局部数据之间的关联问题，也存在局部数据与全局数据的 关联与匹配问题。在s l a m 中使用的数据关联算法也多种多样，如最近邻算法和 联合相容性算法【4 2 1 等。由于根据机器人的里程计提供的位置信息一般存在累计误 差，感知数据通常要融合其他外部传感器的数据，如声纳、激光测距仪或视觉传 感器等等，这些传感器提供的丰富和多样的感知数据既为数据关联提供了资源， 也对数据描述的一致性和数据关联算法的适用性提出了挑战。 2 1 3s l a m 算法 s l a m 算法中最流行是基于卡尔曼滤波器( k a l m a nf i l t e r , k f ) 的方法【1 5 ，4 3 1 。k f 算法是线性系统的估计方法，广泛应用于定位、创建地图和导航等算法上 4 4 舶1 。 将环境特征和机器人状态作为系统状态，建立整个系统的运动模型和观测模型， 并实现系统模型的线性化，s l a m 的目标就是估计系统的扩展状态和伴随协方差 阵。基于k f 的s l a m 可以归结为一个迭代的预测一更新过程：首先预测机器人的 新位姿和环境特征的观测值，接着与实际观测值比较计算信息增益和滤波增益， 最后用更新方程估计状态和协方差阵。卡尔曼滤波器的计算复杂度为o ( n 2 ) ，随着 环境特征的持续增加，运算速度大大减慢，为使算法能运行更持久，可以在每个 预测阶段只对局部区域计算，继而当机器人从一个位置运动到另一个位置时利用 此局部地图去更新全局地图，这种方法称为压缩的k f 算法( c o m p r e s s e dk f ) 【4 7 】， 而压缩卡尔曼滤波法复杂度为o ( i 2 ) ，为当前位置下环境特征的数目。k f 算法在 处理不确定信息方面有独到之处，因此受到机器人导航领域的广泛欢迎。 山东大学硕+ 学位论文 其它的s l a m 算法还有基于粒子滤波器( p a r t i c l ef i l t e r ) 、基于空间扩展信息滤 波器以及基于集合理论饿计的s l a m 等。基于粒子滤波器的s l a m 也称为m o n t e c a r l o 法1 4 8 】，其基本思想是用一组滤波器来估计机器人的可能位置( 处于该位置的 概率) ，每个滤波器对应一个位置，利用观测对每个滤波器进行加权传播，从而使 最有可能的位置的概率越来越高。基于空闻扩展信息滤波t 4 9 的s l a m 是由 s e b a s t i a nt h r u n 等人提出，该方法最大的优点是更新阶段的运算与环境特征的数 量无关，保持固定的时间开销。这是圈前几乎所有算法都达不到的。但这种方法 的理论和实践还处于初始阶段，仍然存在许多问题。基于集合理论h 7 】的方法不假 设噪声服从某种分布，而只假设噪声未知但有界。具体方法是定义一个可行状态 集合( f e a s i b l es t a t es e t ) 和一个观测集合( m e a s u r e m e n ts e t ) ，前者表示机器人和环境 特征的状态估计，后者表示符合条件( 观测误差小于边界) 的状态集合。算法首先根 据机器人本身的状态方程计算可行状态集合，然后根据观测值计算观测集合，最 后取两个集合的交集作为某时刻经估计校正后的机器人与环境特征的状态集合。 该算法也不成熟，有待予进一步的研究。 2 2 智能空间技术基础 智能空间是机器人研究领域中的一种新的技术手段，在它的支持下机器人可 以有效地解决许多靠自身无法解决或难于解决的问题，为提高机器人的自主运行 能力，快速地适应家庭环境动态变化，更好地完成服务任务提供了一个平台。 2 2 1 智能空间的结构 家庭服务机器人智能空间是指采用知识分布和智能分布技术，利用多种传感 器设备并基于网络技术，构成智能空间平台，机器人与智能空间各自利用自己获 取信息的长处感知环境，同时相互之闻也能够实时地进行信息交换和互补，结合 二者的信息处理能力使得机器入能够稳定、快速、精确地自主运行，并适应家庭 环境动态变化