rtm 框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機(jī)器人系統(tǒng)地圖拼接_第1頁
rtm 框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機(jī)器人系統(tǒng)地圖拼接_第2頁
rtm 框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機(jī)器人系統(tǒng)地圖拼接_第3頁
rtm 框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機(jī)器人系統(tǒng)地圖拼接_第4頁
rtm 框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機(jī)器人系統(tǒng)地圖拼接_第5頁
已閱讀5頁,還剩15頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

本文檔下載自文庫下載網(wǎng),內(nèi)容可能不完整,您可以點(diǎn)擊以下網(wǎng)址繼續(xù)閱讀或下載HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLRTM框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機(jī)器人系統(tǒng)地圖拼接1機(jī)器人論文第35卷第3期2013年5月DOI103724/SPJ1218201300292機(jī)器人ROBOTVOL35,NO3MAY,2013RTM框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機(jī)器人系統(tǒng)地圖拼接賈松敏,李雨晨,王可,李秀智,郭兵(北京工業(yè)大學(xué)電子信息與控制工程學(xué)院,北京100124)摘要針對大規(guī)模的未知環(huán)境,在機(jī)器人中間件技術(shù)(RTM)框架下,提出了一種基于視覺特征的拓?fù)涞貓D節(jié)點(diǎn)匹配方法,并結(jié)合局部掃描匹配策略,實(shí)現(xiàn)多機(jī)器人系統(tǒng)地圖拼接該方法首先建立主輔結(jié)構(gòu)的多機(jī)器人模型,利用改進(jìn)的SP2ATM算法建立未知環(huán)境的拓?fù)浣Y(jié)構(gòu)并增量式地創(chuàng)建地圖在此基礎(chǔ)上,提出了融合尺度不變(SIFT)特征的分層拓?fù)涞貓D結(jié)構(gòu),并結(jié)合迭代最近點(diǎn)算法來實(shí)現(xiàn)多機(jī)器人系統(tǒng)地圖拼接本文以RTM作為通訊平臺,使系統(tǒng)具有較高的實(shí)時性、靈活性和魯棒性USARSIM仿真平臺與真實(shí)環(huán)境下的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的可行性與有效性關(guān)鍵詞多機(jī)器人系統(tǒng);機(jī)器人中間件技術(shù);地圖拼接;尺度不變特征;迭代最近點(diǎn)算法中圖分類號TP24文獻(xiàn)標(biāo)識碼A文章編號10020446201303029207MAPMERGINGFORMULTIROBOTSYSTEMSBASEDONHIERARCHICALTOPOLOGYSTRUCTUREUNDERRTMFRAMEWORKJIASONGMIN,LIYUCHEN,WANGKE,LIXIUZHI,GUOBINGCOLLEGEOFELECTRONICINFORMATIONRTMROBOTTECHNOLOGYMIDDLEWAREMAPMERGINGSIFTSCALEINVARIANTFEATURETRANSFORMICPITERATIVECLOSESTPOINT1引言(INTRODUCTION)地圖拼接作為多機(jī)器人系統(tǒng)(MULTIROBOTSYS12TEM,MRS)導(dǎo)航領(lǐng)域中的關(guān)鍵性技術(shù),近年來引起了眾多學(xué)者的關(guān)注HHTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLOWARD3提出將RBPF(RAOBLACKWELLIZEDPARTICLELTER)算法4擴(kuò)展應(yīng)用于多機(jī)器人SLAM,初步解決了初始位姿未知情況下的拼接問題在此基礎(chǔ)上,ZHOU和ROUMELIOTIS在機(jī)器人必須相遇條件下5,借助于內(nèi)部傳感器信息來計算地圖變換矩陣,該方法需對傳感器信息不確定性進(jìn)行分析與優(yōu)化,且拼接地圖效果受限于傳感器檢測精度鑒于此,有學(xué)者提出利用相關(guān)掃描匹配策略搜索地圖公共區(qū)域來實(shí)現(xiàn)地圖拼接YU等6提出一種基于線段幾何特征(LINESEGMENTGEOMETRICFEATURE)的掃描匹配方法,該方法在結(jié)構(gòu)化環(huán)境中取得了較好的拼接結(jié)果文5基于最鄰近搜索算法(NEARESTNEIGHBORALGORITHM)建立目標(biāo)函數(shù),提出一種路標(biāo)匹配方法實(shí)現(xiàn)特征地圖融合為在保證地圖精度的同時降低算法復(fù)雜度,文7通過提取環(huán)境中的VSL(VIRTUALSUPPORTINGLINE)非迭代特征進(jìn)行匹配來實(shí)現(xiàn)拼接然而上述方法在缺少空間約束的環(huán)境中并不適用,且在大規(guī)模未知場景下,相關(guān)特征的錯誤關(guān)聯(lián)會引入拼接誤差隨著VSLAM(VISUALSLAM)算法的日益成熟,一些學(xué)者嘗試將基金項(xiàng)目北京市自然科學(xué)基金重點(diǎn)資助項(xiàng)目(KZ201110005004);國家自然科學(xué)基金資助項(xiàng)目(61175087,61105033);國家教育部留學(xué)回國人員科研啟動基金資助項(xiàng)目通訊作者賈松敏,JSMBJUTEDUCN收稿錄用修回20121022/20130112/20130325視覺特征融入系統(tǒng)8以解決地圖拼接準(zhǔn)確性問題,但視覺特征提取的實(shí)時性問題又是一個難題為解決上述研究中的問題,針對大規(guī)模未知環(huán)境,本文提出視覺特征關(guān)聯(lián)與局部掃描匹配相結(jié)合的地圖拼接方法首先提出一種融合混合特征的分層拓?fù)浣Y(jié)構(gòu),在此基礎(chǔ)上運(yùn)用關(guān)鍵幀(KEYFRAME)的思想,采取拓?fù)涔?jié)點(diǎn)匹配策略關(guān)聯(lián)場景信息以降低匹配的計算復(fù)雜度;其次,結(jié)合迭代最近點(diǎn)(ITERATIVECLOSESTPOINT)掃描匹配算法求取局部地圖變換矩陣,在主HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML輔結(jié)構(gòu)的多機(jī)器人模型下校正位姿估計誤差,同時為確保地圖信息的全局一致性,引入一種反饋機(jī)制解決拼接中誤匹配問題;在地圖融合過程中,無需考慮機(jī)器人相對位姿信息,以地圖間相似度作為度量標(biāo)準(zhǔn),搜索各局部地圖間重疊部分,進(jìn)而予以拼接此外,本文在機(jī)器人中間件技術(shù)(RTM)911框架下實(shí)現(xiàn)地圖拼接系統(tǒng)模塊化設(shè)計,從而進(jìn)一步提高了地圖拼接系統(tǒng)的靈活性、可靠性及實(shí)時性2地圖創(chuàng)建(MAPBUILDING)針對多機(jī)器人系統(tǒng)的地圖創(chuàng)建問題,本文基于SP2ATM(SIMULTANEOUSPATHPLANNINGANDTOPOLOGICALMAPPING)算法提出一種改進(jìn)的路徑規(guī)劃算法,該算法通過對未知環(huán)境中拓?fù)浣Y(jié)構(gòu)的建立來實(shí)現(xiàn)移動機(jī)器人路徑探索并增量式地創(chuàng)建連續(xù)地圖,算法流程如圖1所示算法中建立一種分層拓?fù)涞貓D結(jié)構(gòu),該結(jié)構(gòu)中包含SIFT角點(diǎn)、拓?fù)涔?jié)點(diǎn)、場景信息等混合特征的精確描述,同時依據(jù)節(jié)點(diǎn)更新規(guī)則,避免多機(jī)器人間重復(fù)探索,有效提高地圖創(chuàng)建效率21AST建立AST(ADMISSIBLESPACETREE)1是用來描述當(dāng)前局部地圖中的機(jī)器人可通行空間及可能目標(biāo)點(diǎn)的集合AST建立方法如下利用獲取的激光數(shù)據(jù)信息,將距離機(jī)器人最近的障礙物到激光最大量程的掃描區(qū)域劃分為若干層,每層包含若干段弧線,稱之為SECTION為確定在SECTION中是否存在可能目標(biāo)點(diǎn),本文假設(shè)存在一個矩形通道,將大于機(jī)器人寬度的給定閾值W作為矩形的寬,并使該矩形以機(jī)器人當(dāng)前位置為中心進(jìn)行旋轉(zhuǎn),在每個SECTION中尋找可通行角度區(qū)間圖2表示對可能目標(biāo)點(diǎn)的搜索方法,其中W為所選擇的閾值,紅線之間表示可通行的角度區(qū)間在已建立的AST中,為確定機(jī)器人的前進(jìn)方向和目標(biāo)點(diǎn),選取最外層SECTION中的可見點(diǎn),將其作圖1路徑規(guī)劃算法流程FIG1FLOWCHARTOFPATHPLANNINGALGORITHM圖2當(dāng)前可能目標(biāo)點(diǎn)搜索方法FIG2SEARCHINGFORTHHTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLECURRENTPOSSIBLEGOAL為當(dāng)前目標(biāo)點(diǎn)PJC,則機(jī)器人的可能目標(biāo)集合描述為PCPCJ其中,PC是當(dāng)前可能目標(biāo)點(diǎn)集,PCJ是該點(diǎn)集中的第J個可能目標(biāo)點(diǎn)圖3為機(jī)器人在仿真環(huán)境中所生成的SECTION和可能目標(biāo)點(diǎn)以及其角度區(qū)間假設(shè)第J個節(jié)點(diǎn)的可通行空間集合為SI,則此時AST所表示的集合AI可描述為AISI,PI圖3SECTION及可能目標(biāo)點(diǎn)的生成FIG3THEGENERATIONOFSECTIONSANDTHEPOSSIBLEGOALS22分層拓?fù)浣Y(jié)構(gòu)為實(shí)現(xiàn)環(huán)境探索,在AST的基礎(chǔ)上建立一種融合混合特征的分層拓?fù)涞貓D(HIERARCHICALTOPOLOGYMAP,HTM1)結(jié)構(gòu)在HTM分層結(jié)構(gòu)中維護(hù)了兩層地圖第一層地圖是當(dāng)前節(jié)點(diǎn)的AST集合A;第二層是已生成拓?fù)涔?jié)點(diǎn)集合T,這里稱為拓?fù)鋵舆@樣HTM可以描述為MA,T其中TTI,AAITI是集合T中的第I個拓?fù)涔?jié)點(diǎn)為描述更豐富的環(huán)境信息,將比例不變特征SIFT)12融合到分層拓?fù)涞貓D結(jié)構(gòu)當(dāng)中,如圖4所示拓?fù)涔?jié)點(diǎn)集合TI可描述為TIS,A,P其中,S是TI處所提取的SIFT特征向量,A為TI處建立的AST集合,P表示機(jī)器人當(dāng)前位姿LAYER2ASTSIFT圖4分層拓?fù)浣Y(jié)構(gòu)FIG4HIERARCHICALTOPOLOGYSTRUCTURE在機(jī)器人自主探索過程中,為保證可能目標(biāo)點(diǎn)提取的全局最優(yōu)性,需根據(jù)已建立HTM結(jié)構(gòu)中節(jié)點(diǎn)的全局信息,對可能點(diǎn)進(jìn)行添加、綁定與刪除等動態(tài)更新操作其中,假設(shè)T為已生成的拓?fù)涔?jié)點(diǎn),其可能點(diǎn)集HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML合為Q1,Q2,QJ;TPR為當(dāng)前節(jié)點(diǎn),其可能點(diǎn)集合為P1,P2,PI;DPI,T表示PI與T間距離,CPI,T表示PI與T是否存在可通行通路,VR為節(jié)點(diǎn)間距離閾值;TT/PI表明將PI從T的可能點(diǎn)集合中刪除,TTPI表明將PI與T綁定具體節(jié)點(diǎn)更新規(guī)則如下(見圖5)RULE1IFDPI,TPRVR,THENTPRTPR/PI(圖5A)RULE2IFDPI,TVR,THENTPRTPR/PI(圖5B)RULE3IFDPI,QJVR,THENTPRTPR/PI(圖5C)RULE4IFDPI,TVRTHENTANDCPI,TFALSE,PRTPRPI(圖5D)RULE5IFDQJ,TPRDQJ,TANDCQJ,TPRTRUE,THENTT/QTJ,PRTPRQJ(圖5E)CDE圖5節(jié)點(diǎn)更新規(guī)則FIG5NODEUPDATINGRULE若機(jī)器人當(dāng)前不存在任何可能目標(biāo)點(diǎn),為完成對環(huán)境的遍歷,機(jī)器人必須回溯到距離機(jī)器人最近且存在未訪問可能目標(biāo)點(diǎn)的節(jié)點(diǎn)處,將此節(jié)點(diǎn)設(shè)置為目標(biāo),并利用BELLMANFORD算法選擇一條到達(dá)該目標(biāo)的最短路徑BELLMANFORD算法描述為DKJMINDK1J,DK1IDI,J1式中DKJ表示當(dāng)前位置與第J個節(jié)點(diǎn)的距離,DI,J是第I個節(jié)點(diǎn)與第J個節(jié)點(diǎn)的距離回溯過程中,機(jī)器人將最遠(yuǎn)的可見節(jié)點(diǎn)TV(見式2)作為目標(biāo),若探索到新HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML的可能點(diǎn),機(jī)器人將沿此可能點(diǎn)方向繼續(xù)遍歷環(huán)境DPR,PTVRMAXKVDPR,PTK2式中,DI,J表示I、J兩點(diǎn)之間的歐氏距離,PR表示機(jī)器人當(dāng)前位姿,PTV表示拓?fù)涔?jié)點(diǎn)V處位姿23地圖創(chuàng)建本文基于上述路徑規(guī)劃算法完成多機(jī)器人系統(tǒng)地圖創(chuàng)建多機(jī)系統(tǒng)包含類似HTM結(jié)構(gòu)的兩類地圖一類是存儲著所有節(jié)點(diǎn)的拓?fù)涞貓D;另一類是在拓?fù)涔?jié)點(diǎn)處,記錄所有可能節(jié)點(diǎn)的局部地圖HTM結(jié)構(gòu)不僅有著存儲空間小、易于實(shí)現(xiàn)路徑規(guī)劃的優(yōu)(勢,并且基于HTM結(jié)構(gòu)的節(jié)點(diǎn)更新規(guī)則提供了一種全局最優(yōu)的路徑規(guī)劃策略,可進(jìn)一步提高探索效率同時,為避免多機(jī)器人間的重復(fù)探索,每個機(jī)器人通過自身的HTM地圖實(shí)時更新拓?fù)浣Y(jié)構(gòu),并依據(jù)節(jié)點(diǎn)更新規(guī)則檢查所有節(jié)點(diǎn),防止節(jié)點(diǎn)的重復(fù)訪問,以充分提高地圖創(chuàng)建效率探索過程中,每個機(jī)器人建立自身的拓?fù)錁湫徒Y(jié)構(gòu),并利用節(jié)點(diǎn)更新規(guī)則判斷當(dāng)前AST,若不存在任何可能節(jié)點(diǎn),系統(tǒng)將停止工作單機(jī)器人地圖創(chuàng)建效果如圖6所示圖6單機(jī)器人地圖創(chuàng)建FIG6MAPBUILDINGOFASINGLEROBOT3多機(jī)系統(tǒng)地圖拼接(MAPMERGINGFORMULTIROBOTSYSTEM)本文利用上述路徑規(guī)劃算法創(chuàng)建增量地圖,建立一種包含SIFT特征的分層拓?fù)涞貓D結(jié)構(gòu),并結(jié)合ICP掃描匹配算法降低誤匹配率,最終完成局部地圖拼接31比例不變特征變換比例不變特征變換,簡稱為SIFT12SIFT特征對圖像的尺度縮放、旋轉(zhuǎn)、3維視角變化具有較好的不變性,并且對噪聲、光照影響不敏感因此,本文通過提取環(huán)境中的SIFT特征角點(diǎn)來描述未知環(huán)境,并將節(jié)點(diǎn)間的SIFT匹配度作為地圖拼接的先驗(yàn)信息首先,在尺度空間中利用高斯模糊差分圖像DX,Y,(見式3)的極值點(diǎn)檢測方法來計算SIFT特征DX,Y,HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLGX,Y,KGX,Y,IX,YLX,Y,KLX,Y,3其中符號代表卷積運(yùn)算,為比例因子MX,YLX1,YLX1,Y2LX,Y1LX,Y12X,YTAN1LX,Y1LX,Y1LX1,YLX1,Y4通過式4來計算圖像中像素點(diǎn)的梯度大小MX,Y及方向X,Y在圖像中的44區(qū)域上建立包含8個方向的梯度方向直方圖,這樣,每個特征點(diǎn)對應(yīng)一個448128維特征向量描述器提取特征后,采用基于KD樹的最鄰近點(diǎn)搜索算法進(jìn)行特征匹配,如果相似度滿足閾值條件,則認(rèn)為匹配成功應(yīng)用SIFT特征的難題在于特征提取和匹配的實(shí)時性問題特征提取的時間主要消耗在高斯模糊差分圖像計算上,雖然降低圖像比例在一定程度上可以減小運(yùn)算復(fù)雜度,卻提高了誤匹配率針對此問題,本文運(yùn)用關(guān)鍵幀的思想,將SIFT特征融入拓?fù)涞貓D結(jié)構(gòu)在地圖創(chuàng)建過程中,視覺系統(tǒng)僅在拓?fù)涔?jié)點(diǎn)處提取SIFT特征來描述環(huán)境信息,并將特征向量存儲于當(dāng)前節(jié)點(diǎn)信息當(dāng)中,一定程度上提高了算法的實(shí)時性32迭代最近點(diǎn)算法ICP算法13于1992年由BESL和MCKAY提出,用來在同一坐標(biāo)系中匹配兩個給定的點(diǎn)陣ICP算法是一個快速、精確的算法,該算法已廣泛地應(yīng)用于移動機(jī)器人定位與地圖創(chuàng)建中ICP算法的評估函數(shù)如式5所示14EDIST,TRMINMRQ2P,T,J1,2,NITJI125STRTRIL,DETR1/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLPAR其中,R是旋轉(zhuǎn)變換矩陣,是旋轉(zhuǎn)角,T是平移向量即通過最小化誤差和EDIST求兩個點(diǎn)集間的相對坐標(biāo)變換X,T本文利用ICP算法實(shí)現(xiàn)地圖拼接,并通過計算兩個局部地圖之間的相對坐標(biāo)變換矩陣來更新機(jī)器人精確位姿33地圖拼接本文以多機(jī)器人在未知環(huán)境中進(jìn)行地圖拼接為研究背景,建立主輔結(jié)構(gòu)的多機(jī)器人模型,如圖7所示YLLLL圖7主輔多機(jī)器人模型FIG7MAINAUXILIARYMULTIROBOTMODEL圖7中,RI(I1,2,M)表示M個移動機(jī)器人,其中RL定義為主機(jī)器人;其余RI為輔機(jī)器人,與主機(jī)器人之間相對位姿未知系統(tǒng)狀態(tài)表示為XSTGTTTTXR1T,GXM1T,GXL2T,GXLMT,LT,LTTX2T,XMT6其中,GXGXTR1TRT,GYRT,GRT,表示主機(jī)器人在全局坐標(biāo)系中的位姿,GXM1T表示主機(jī)器人的全局地圖;GXLIT(I2,3,M)表示輔機(jī)器人I的局部坐標(biāo)系L在全局坐標(biāo)系G中的位姿;LXLTTXTITRIT,LXMIT(I2,3,M),為局部坐標(biāo)系下的系統(tǒng)狀態(tài);LXRTLXRT,LYRT,LRTT,表示輔機(jī)器人在各自局部地圖中的位姿;LXMIT中表示輔機(jī)器人I的局部地圖輔機(jī)器人I的局部地圖與全局地圖之間的映射是通過GXLIT實(shí)現(xiàn)的探索過程中,每個機(jī)器人均采用前述改進(jìn)算法建立和維護(hù)增量地圖GXM1T和LXMIT本文利用SIFT特征關(guān)聯(lián)不同拓?fù)涔?jié)點(diǎn),每個機(jī)器人將獲得SIFT特征向量集S12JI,HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML,SI,其中SJI,SI表示機(jī)器人I在拓?fù)涔?jié)點(diǎn)J處提取的SIFT特征當(dāng)機(jī)器人I獲得某一節(jié)點(diǎn)的SJI后,將與其他機(jī)器人已生成SNK進(jìn)行匹配若特征向量匹配程度滿足閾值條件,則表明兩節(jié)點(diǎn)間具有很高的相似度,因此,對局部地圖LXMIT與全局地圖GXMKT使用ICP算法進(jìn)行點(diǎn)集間匹配來實(shí)現(xiàn)拼接為降低SIFT特征的誤匹配率,將ICP匹配誤差作為反饋值來提高地圖拼接的準(zhǔn)確率PLXMIT|LXRIT,GXMKT7式7表示機(jī)器人I在當(dāng)前位姿所生成的局部地圖與全局地圖的相似度,若滿足閾值要求,即實(shí)現(xiàn)拼接,否則重新進(jìn)行SIFT匹配地圖拼接后,將此時機(jī)器人K的位姿LXRKT與機(jī)器人I在節(jié)點(diǎn)J處位姿LXRIT進(jìn)行相對坐標(biāo)轉(zhuǎn)換,進(jìn)而更新機(jī)器人I的位姿,如圖8所示圖8位姿更新模型FIG8POSEUPDATINGMODEL圖8中,PIJ是由激光采集的局部坐標(biāo)點(diǎn),PI和PK是機(jī)器人I和K的全局坐標(biāo)點(diǎn),相對坐標(biāo)變換矩陣R,T由ICP算法求得4基于RTM的模塊化實(shí)現(xiàn)(COMPONENTSIMPLEMENTATIONBASEDONRTM)41機(jī)器人模塊化技術(shù)概述RTM最早是由日本國家高級產(chǎn)業(yè)科學(xué)技術(shù)研究院(AIST)開發(fā)的它所依托的OPENRTMAIST技術(shù)采用了公共對象請求代理體系結(jié)構(gòu)(CORBA),能夠加快實(shí)現(xiàn)機(jī)器人系統(tǒng)在組件層面上的集成RTM的核心優(yōu)勢在于,它給機(jī)器人的硬件及軟件開發(fā)層提供了標(biāo)準(zhǔn)平臺,可以提高軟件及功能構(gòu)件的可重用性,避免大量重復(fù)工作,縮短開發(fā)周期,降低開發(fā)成本;不僅如此,RTM技術(shù)還可以使系統(tǒng)的各個中間件通過通信網(wǎng)絡(luò)將各種機(jī)器人要素進(jìn)行自由組合從而構(gòu)成多樣的機(jī)器人系統(tǒng),提高現(xiàn)有軟件資源和通用功能構(gòu)件的再利用性,提高構(gòu)筑機(jī)器人系統(tǒng)的效率42模塊化設(shè)計與實(shí)現(xiàn)本文從功能構(gòu)件具有最小機(jī)能、傳輸數(shù)HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML據(jù)具有通用性、盡量減少各功能構(gòu)件間的依存性、盡可能減少輸入輸出數(shù)據(jù)文件等基本原則出發(fā),將系統(tǒng)最底層的功能構(gòu)件分為電機(jī),驅(qū)動器,基于視覺的圖像處理,識別,基于激光測距的地圖生成模塊等將不同的底層構(gòu)件組合實(shí)現(xiàn)更高級的模塊,如地圖創(chuàng)建模塊、定位模塊及導(dǎo)航模塊等構(gòu)件實(shí)現(xiàn)的系統(tǒng)結(jié)構(gòu)圖如圖9所示基于RTM的地圖拼接系統(tǒng)有著良好的靈活性、可靠性及實(shí)時性圖9多機(jī)器人系統(tǒng)的地圖拼接構(gòu)件結(jié)構(gòu)FIG9THECOMPONENTSSTRUCTUREOFMAPMERGINGFORMULTIROBOTSYSTEMABFIG10圖10地圖拼接結(jié)果SOMERESULTSOFMAPMERGINGUSINGTWOROBOTS5實(shí)驗(yàn)結(jié)果(EXPERIMENTALRESULTS)51仿真結(jié)果為了驗(yàn)證方法的可行性,使用USARSIM作為多機(jī)器人系統(tǒng)地圖拼接的仿真平臺仿真中選用PIONEER3AT作為機(jī)器人平臺,機(jī)器人配備激光測距儀和相機(jī)系統(tǒng)選用SICK激光測距儀,測量角范圍是180,角精度是05仿真環(huán)境為20M20M的區(qū)域,兩臺機(jī)器人的線速度為05M/S,角速度為1RAD/S,激光測距儀測量距離的范圍為0,10M,夾角范圍為/2,/2使用機(jī)器人配備相機(jī)獲取環(huán)境中SIFT特征信息兩臺機(jī)器人在相對位姿未知情況下,分別從不同起始位置探索未知環(huán)境,采用本文方法進(jìn)行地圖拼接實(shí)驗(yàn)圖10A中一系列連續(xù)點(diǎn)代表兩臺機(jī)器人所生成的拓?fù)涔?jié)點(diǎn),藍(lán)色細(xì)線表示機(jī)器人可通行的方向,在標(biāo)記的節(jié)點(diǎn)處,機(jī)器人車載視覺系統(tǒng)提取的SIFT特征角點(diǎn)匹配成功,此時采用ICP算法將兩臺機(jī)器人的局部地圖進(jìn)行拼接,拼接結(jié)果如圖10A所示實(shí)驗(yàn)結(jié)果證明了本文方法的有效性52實(shí)機(jī)實(shí)驗(yàn)為驗(yàn)證方法在實(shí)際環(huán)境下的可行性以及不同環(huán)境規(guī)模下HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML的適用性,利用本文所提方法在真實(shí)環(huán)境下進(jìn)行地圖拼接實(shí)驗(yàn),拼接結(jié)果如圖10B所示同時,為驗(yàn)證本文基于關(guān)鍵幀理論提取SIFT特征方法的優(yōu)勢,在上述實(shí)驗(yàn)環(huán)境下,針對基于關(guān)鍵幀理論提取SIFT特征(KEYFRAME)與實(shí)時提取SIFT特征(FRAME)兩種算法的實(shí)時性進(jìn)行對比分析,結(jié)果如圖11所示圖中利用CPU使用率衡量算法的實(shí)時性,可以看出,基于FRAME的特征提取方法的CPU使用率始終保持較高狀態(tài),而基于KEYFRAME的SIFT特征提取方法僅在拓?fù)涔?jié)點(diǎn)處CPU使用率上升,因此本文算法具有較高的實(shí)時性/UPC圖11基于KEYFRAME與FRAME的特征提取方法實(shí)時性對比FIG11COMPARISONOFTHEREALTIMEPERFORMANCEBETWEENKEYFRAMEBASEDANDFRAMEBASEDFEATUREEXTRACTIONMETHODS6結(jié)論(CONCLUSIONS)本文系統(tǒng)地研究了未知環(huán)境下多機(jī)器人系統(tǒng)的地圖拼接問題,引入機(jī)器人中間件技術(shù)作為系統(tǒng)的通訊平臺,借助于拓?fù)涞貓D節(jié)點(diǎn)匹配,利用一種基于SP2ATM的改進(jìn)算法完成局部地圖創(chuàng)建,在此基礎(chǔ)上,提出了一種融合混合特征的分層拓?fù)涞貓D結(jié)構(gòu),并結(jié)合ICP掃描匹配算法實(shí)現(xiàn)多機(jī)器人在未知環(huán)境下的地圖拼接,同時校準(zhǔn)機(jī)器人位姿實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法的可行性與有效性對目前算法的改進(jìn)及多機(jī)器人間的協(xié)作和通訊策略將是后續(xù)研究的重點(diǎn)參考文獻(xiàn)(REFERENCES)1GEASS,ZHANGQ,ABRAHAMAT,ETALSIMULTANEOUSPATHPLANNINGANDTOPOLOGICALMAPPINGSP2ATMFORENVIRONMENTEXPLORATIONANDGOALORIENTEDNAVIGATIONJROBOTICSANDAUTONOMOUSSYSTEMS,2011,593/42282422/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLRABRAHAMAT,GESS,TAOPYATOPOLOGICALAPPROACHOFPATHPLANNINGFORAUTONOMOUSROBOTNAVIGATIONINDYNAMICENVIRONMENTSC/IEEE/RSJINTERNATIONALCONFERENCEONINTELLIGENTROBOTSANDSYSTEMSPISCATAWAY,NJ,USAIEEE,2009490749123HOWARDAMULTIROBOTSIMULTANEOUSLOCALIZATIONANDMAPPINGUSINGPARTICLELTERSJINTERNATIONALJOURNALOFROBOTICSRESEARCH,2006,2512124312564HAHNELD,BURGARDW,FOXD,ETALANEFCIENTFASTSLAMALGORITHMFORGENERATINGMAPSOFLARGESCALECYCLICENVIRONMENTSFROMRAWLASERRANGEMEASUREMENTSC/IEEE/RSJINTERNATIONALCONFERENCEONINTELLIGENTROBOTSANDSYSTEMSPISCATAWAY,NJ,USAIEEE,20032062115ZHOUXS,ROUMELIOTISSIMULTIROBOTSLAMWITHUNKNOWNINITIALCORRESPONDENCETHEROBOTRENDEZVOUSCASEC/IEEE/RSJINTERNATIONALCONFERENCEONINTELLIGENTROBOTSANDSYSTEMSPISCATAWAY,NJ,USAIEEE,2006178517926YUY,WANGN,LIANGA,ETALINTEGRATINGLINESEGMENTBASEDMAPSINMULTIROHTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLBOTSEXPLORATIONC/2NDINTERNATIONALCONFERENCEONFUTUREINFORMATIONTECHNOLOGYANDMANAGEMENTENGINEERINGPISCATAWAY,NJ,USAIEEE,20092302337LEEHC,LEEBHIMPROVEDFEATUREMAPMERGINGUSINGVIRTUALSUPPORTINGLINESFORMULTIROBOTSYSTEMSJADVANCEDROBOTICS,2011,2513ZKUCURNE,AKINHLCOOPERATIVEMULTIROBOTMAPMERGINGUSINGFASTSLAMC/LECTURENOTESINARTICIALINTELLIGENCEVOL5949BERLIN,GERMANYSPRINGERVERLAG,20104494609JIASM,MURAKAMIT,CHUGOD,ETALINTERACTIVEROBOTSYSTEMFORSUPPORTINGOBJECTACQUISITIONBASEDONROBOTTECHNOLOGYMIDDLEWAREC/IEEEINTERNATIONALCO

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論