多机器人探索环境下的分布式地图融合研究

论文摘要

探索未知区域并构建环境地图是移动机器人研究领域的经典问题。从任务执行者的角度来看,近年来的研究热点正在从单机器人独自探索转向多机器人协同工作的方式上来。多机器人把未知区域划分为多个子区域并行探索,提高了任务执行的效率但却带来了新的挑战——地图融合。在实际系统中大多缺乏有效的定位措施,使得子区域内的地图信息难于合并为一张正确完整的地图,而地图融合可以有效地解决地图匹配,拼接等问题。因此研究地图融合技术对多机器人协同探索环境任务有重要意义。本课题来源于国家自然基金项目《网络环境下基于群体智能方法的虚拟机协同平台研究》。该项目希望探索一种新的并行计算模式来适应大规模的群体协作,并通过地图构建这一经典场景对性能进行验证。该项目的应用场景希望机器人随机地散落在环境中,并且硬件上不具备全局定位功能。为了解决在此种条件下的地图融合问题,本课题实现了一种基于线段表示形式的地图融合算法。算法的核心思想是提取公共区域内的障碍物特征值作为地图转化的参照物,分布执行地图融合过程,把机器人群体统一到一个坐标系下。由于机器人本身可以通过测程法记录本地坐标,通过地图融合后,本地坐标转化为全局坐标,从而解决了全局定位问题。主要研究工作包括以下几点:1.基于线段表示形式的地图融合算法:采用线段作为描述障碍物信息的基本单位。提取交集区域的线段几何关系作为地图转化的参照物,通过多次转化地图,实现机器人的坐标统一,子地图的合并。在原有算法的基础上,加入障碍物之间的相对距离这一空间特性,丰富了参照物特征信息,减少了地图转化匹配次数,提高了融合执行效率。2.分布式融合策略:利用扩散法,实现了分布式融合策略,使机器人群体可以脱离中央控制,自行完成统一坐标,合并地图。研究还加入了可信度概念以提高分布式地图融合的正确率。3.算法验证仿真器:本课题为验证算法设计开发了仿真器。模拟了无定位情况下机器人探索得到的地图信息以及分布式地图融合过程,为项目研究提供帮助。本论文通过测试多种结构化地形下的地图融合效果,证明了该算法在无全局定位情况下能够有效地解决地图合并问题。另外,相同地形下的实验数据对比也反映了优化后的算法提高了融合执行的效率。最后,采用扩散法,实现了群体内的分布式融合,有利于支持大规模机器人地图构建应用的实施。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 研究目标
• 1.4 论文结构
• 1.5 本章小结
• 第二章 地图融合关键技术
• 2.1 引言
• 2.2 地图表示法
• 2.2.1 栅格地图
• 2.2.2 几何地图
• 2.2.3 拓扑地图
• 2.2.4 混合地图
• 2.3 定位问题
• 2.3.1 单机器人定位导航
• 2.3.2 多机器人统一坐标
• 2.4 融合机制
• 2.4.1 匹配方法
• 2.4.2 融合结构
• 2.5 本章小结
• 第三章 两张地图的融合原理
• 3.1 引言
• 3.2 实验场景
• 3.3 基于线段表示形式的融合算法
• 3.3.1 基于线段的地图表示
• 3.3.2 选择参照物
• 3.3.3 寻找可能的坐标转化
• 3.3.4 评估最好的坐标转化
• 3.3.5 减小匹配转化的计算量
• 3.3.6 相似地形下提高匹配精度
• 3.4 本章小结
• 第四章 多张地图的融合策略
• 4.1 引言
• 4.2 集中式融合策略
• 4.2.1 顺序结构
• 4.2.2 树型结构
• 4.2.3 轴型结构
• 4.3 分布式融合策略
• 4.3.1 扩散法
• 4.3.2 上传终端裁剪冗余
• 4.5 本章小结
• 第五章 仿真系统开发及实验数据分析
• 5.1 引言
• 5.2 仿真平台
• 5.3 实验结果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间已发表或录用的论文