基于混合特征的移动机器人级联式地图创建方法

技术领域

本发明属于智能移动机器人的领域，涉及未知环境下移动机器人利用混合特征实 现级联式地图构建方法。

背景技术

近年来，自主移动机器人已成为当今机器人技术的一个重要领域，被广泛应用于 工业、医疗及军事等领域。在机器人技术中，机器人地图构建是目前的一个热点，学者们已 经进行了很多研宄，并提出了不同的地图表示方法。可以将机器人地图分为以下两大类：几 何地图和拓扑地图，同时几何地图又可分为栅格地图和特征地图，不同的地图创建方法有 各自的优点和局限性。

栅格地图，是一种基于栅格的地图表示方法，将整个环境分为若干大小相同的栅 格，栅格中的每一个单元代表环境的一部分，对于每个栅格中是否存在障碍物，每一个栅格 都给设定了一个概率值，用来表示改栅格被障碍物占据的可能性大小。栅格图不同于特征 法的一个地方，它不需要对应用的特征信息环境进行精确的描述，并且栅格表示地图属于 近似描述，对某个栅格的感知信息可直接与探测环境中的某个区域对应，所以栅格地图易 于创建和维护，并且使用声纳这样的廉价传感器也可以进行地图创建，借助栅格地图，可以 方便地进行自主定位和路径。但当栅格数量增大时，在大型环境中或者地图建模中的分辨 率提高时，地图创建所需的内存和CPU资源迅速增长，使得计算量相应提高。

特征地图，是一种基于特征信息的地图表示方法，主要是依赖机器人对所探测环 境的信息收集，从中提取抽象的具有几何特征的数据。特征图建模是种很常用的一种方法， 在某些特定的室内结构化环境中，最常见的特征就是线段、角、边，将环境定义为面、角、边 的集合或者墙、走廊、门、房间等等，这些具有几何特征信息一般使用了颜色、长度、宽度、坐 标等一系列的参数来表示，使用这些几何信息描述环境能够使得地图的描述更为紧凑，且 便于位置估计和目标识别。特征方法建模定位准确，环境模型易于被描绘与表示，地图的参 数化设置也适用于路径规划与运动控制，但特征法需要特征提取等预处理过程，且需要一 定数量的感知数据才能得到结果，对传感器噪音也比较敏感，只适于高度结构化环境。

拓扑地图，是一种比较紧凑的地图表示方法，一般应用于室内环境，通常是根据环 境结构定义的，所以环境的复杂度决定了拓扑图的分辨率，图中的节点与节点间的连线有 着严格的对应准则，拓扑图可组织为层次结构，这种表示方法可以实现快速的路径规划，并 且为多线程的人机交互指令的下达提供了一个更为理想的接口。拓扑图把环境建模成一张 拓扑意义中的图，忽略了具体的几何特征数据，不必精确描述不同节点间的地理位置关系， 通过抽象的理论来直观地描述环境，所以拓扑地图对机器人位姿信息的准确度要求并不 高，对于机器人的位姿误差有了更好的鲁棒性。当机器人离开一个节点时，机器人只要知道 它从哪条连线行走就足够了，当遇到拐角处，一般只需要辨别4个方位，而这些都可以通过 机器人自身的里程计与罗盘来实现。在拓扑图中进行定位，机器人必须准确地分辨节点，因 此节点要求有明显可区分和辨别的标识或者特征，并能被传感器识别，如果探测环境中存 在两个或者两个以上相似地方时，并且机器人从不同路径进行探测时，使用拓扑表示方法 就很难分辨是否为同一节点。即拓扑图表示简单，易于扩展，但在精确识别具体位置上有着 很大的不足。

不同的地图创建方法有各自的优点和局限性，因此，很多学者结合几种地图的优 点引入混合地图的创建。但是单纯的地图构建都侧重于空间几何结构的表示，适用于导 航，未考虑环境中的区域性特征，且未对已探索信息进行相应的关联，没有考虑机器人服务 工作的区域性特征和局部服务空间的复杂性，因此不能对服务型操作任务提供更丰富的信 息。一些学者提出基于3D点云方法，但该方法对视觉信息处理要求高，且只适用于特定环 境。室内环境采用分层方式建模是近几年地图构建的新模式，有学者提出面向大规模室内 环境提出用分层的几何一拓扑3维地图管理广域环境特征，定义了不同层次的3维局部环 境特征及全局拓扑属性。还有学者针对结构化的简单环境，采用不同的地图表示方法提出 了两层地图模型.但这些分层地图都仅适用于导航，对于机器人的服务操作任务不能提供 丰富的房间信息，还需进一步丰富环境信息。

发明内容

为解决单独一种地图创建的缺陷，同时为提供丰富的房间信息，本发明结合几种 机器人地图的优点，创建一种融合局部信息层、全局拓扑地图层、房间分割层的级联式地 图。该级联式地图不仅包含环境探索过程中生成的拓扑地图，并且根据已探索的区域性特 征为服务型任务提供了房间分割信息。

本发明采用的技术方案如下：

利用激光传感器获取激光数据点，得到环境信息；探索过程中，首先获得移动机器 人可通行空间及可能目标点；对环境信息进行提取，针对准结构化环境，将几何特征划分为 规则区域和非规则区域；同时，在非规则区域采用改进的基于网格的共享近邻方法（grid basedsharednearestneighborclusteringalgorithm,GNN方法）进行非规则聚类，将 得到的几何特征存入拓扑节点中，改善拓扑节点辨识度，以提高机器人环境认知能力；提取 SURF(Speeded-UpRobustFeatures)特征关联不同拓扑节点，并采用RANSAC方法对匹配 特征点对进行优化，以降低方法的误匹配率；建立全局拓扑地图，在此基础上为提供丰富的 信息，利用拓扑节点所包含的几何特征与SURF综合匹配值构造无向加权图，借助谱聚类理 论与特征匹配信息对全局拓扑图进行区域划分，进而实现房间分割层构建。

本发明所述方法包括以下步骤：

步骤一，获取激光数据点。

激光测距是激光技术应用最早的一个领域，激光测距具有探测距离远，测量精度 高等特点。激光测距雷达通过获取距离数据，为机器人的导航提供了便捷有效的环境描述。 激光测距仪测量精度高，而且散射角很小，光波的反射性能决定了数据的可靠性，不需要考 虑多次反射和错误反射的问题，读数可以直接作为真实距离使用，结构简单，测距速度快、 系统稳定可靠。

本发明选择了日本北阳公司生产的URG-04LX型激光测距仪，作为外部传感器获 知环境信息。URG-04LX是一款高性能、价格相对较低的激光扫描测距传感器，专门为机器人 应用设计。其内部主要由微控制芯片、激光发射器、激光接收器、高速旋转镜片和反射镜构 成。通过高速旋转镜片的转动可以实现240度范围内的扫描，有效范围内所采集到的有效 数据点的个数为682个。经过微控制芯片处理得到的距离信息通过串口（RS232/USB)传送 给上位机。其高精度、高分辨率、宽视场的特点，非常适用于机器人在未知环境中自主移动。

步骤二，提取几何特征并进行特征匹配。

为更好完成自主环境认知和获取足够的信息，对几何信息进行提取，同时将环境 信息分为规则区域和非规则区域，存入拓扑节点中增加拓扑节点认知度，从而在机器人探 索未知环境时对不同的拓扑节点进行识别，提高地图创建效率。

(1)规则区域提取几何特征

本发明采用”断点检测一拐点检测一线段拟合”的三步法进行数据处理，将数据信 息用几何线段描绘出来，并提取线段中点作为特征点，存入相应的拓扑节点中作为拓扑节 点的辨识依据。

(2)非规则区域提取几何特征

本发明使用椭圆对其进行描述，采用改进的基于网格的共享近邻方法实现对不规 则区域的聚类与划分，并将聚类后的椭圆中心点作为特征点存于相应节点中作为拓扑节点 的辨识依据。

(3)进行几何特征匹配

为有效提高拓扑节点的位置精度，本发明将迭代最近点（IterativeClosest Point)ICP方法引入到机器人探索任务中，防止因位置误差不断累积而导致地图数据关联 失败。通过迭代不断更新机器人的位置，对环境进行初始校正后，利用欧氏距离对校正后环 境中不同拓扑节点所含特征点进行匹配，计算不同节点间的匹配度。

步骤三，提取SURF特征点并进行匹配。

通过分析图像信息，决定图像中的每个点是否属于一个图像特征。特征提取的结 果是把图像上的点划分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续 的区域。加速鲁棒特征SURF特征点是目前计算图像特征最流行的方法，该方法提取的特征 具有尺度不变、旋转不变的性能，同时对光照变化和仿射、透视变换具有不变性。

在机器人环境探索过程中，为描述更丰富的环境信息，本发明将SURF信息融入到 拓扑节点中。提取SURF特征点，包括特征点检测和特征点描述两个部分，并采用基于欧氏 距离的最邻近法进行特征点匹配，利用K-D树的数据结构进行搜索，根据最近两个特征点 的距离比确定是否接受这一匹配对。

步骤四，建立级联式地图。

为创建融合局部信息层、全局拓扑地图层、房间分割层的级联式地图，本发明首先 建立融合SURF特征及几何特征的局部信息层作为基层地图；在此基础上，建立全局拓扑 地图层，并在建立过程中实时更新拓扑节点，并利用Dijkstra方法计算两节点间的最短路 径，同时对类U型、类L型环境进行特殊处理，提高探索效率；最后建立房间分割层，以提供 丰富的房间信息。

步骤五，分割房间。

在生成的拓扑地图基础上，根据拓扑地图生成对应的无向加权图，结合基于规范 割集准则（Min-Ncut)的谱聚类方法对全局拓扑图进行房间分割。并利用节点间路径信息 与SURF、几何综合认知匹配值构造聚类相似矩阵，以提高聚类结果的准确性。

本发明的有益效果是：本发明可创建一种融合局部信息层、全局拓扑地图层、房间 分割层的级联式地图，解决了栅格地图、特征地图和拓扑地图等单独一种地图创建的缺陷， 可提供丰富的房间信息。

附图说明

图1为基于混合特征的移动机器人级联式地图创建方法流程图；