基于服务任务导向的机器人地图构建研究

论文摘要

随着服务机器人越来越多地走入我们的工作和生活,给人提供的服务种类也越来越广,如端茶送水、清运垃圾、货物搬运、传送信件等,因此构建适用于机器人服务任务的环境模型成为当前地图构建研究的热点。机器人传统的地图建模都侧重于空间几何结构的表示,适用于导航,但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,更没有与人交互的语义信息。要使服务机器人具有智能,应从人对空间环境的表示方式上获得启发,研究能理解人的语言信息的服务机器人环境空间表示方法。人对环境的认识是分层次进行的：对于大空间环境构建了走廊和房间概念,而人操作的对象——物品的位置与房间应有必然关联；单位房间内大物品的摆放位置为人提供区域路径规划依据；小的局部复杂空间中物品的搜寻和抓取依靠人的视觉获得的立体空间模型完成。因此,模仿人的空间模型构建模式,针对机器人的物品管理、物品移动、物品操作三级服务任务导向,构建室内未知环境的三层环境地图是本文的研究重点。基于全局语义、区域规划和局部描述的三层环境地图,形成三级递阶规划系统,使服务机器人既能获得未知环境的房间分割模型,确定房间的功能及物品与房间的归属关系,又能实现走廊、房间之间和房间内的路径规划和导航,同时建立其操作对象及其周边环境的三维地图,使机器人能基于服务任务的导向,按“语义”进行逻辑推理,确定“目标”及其位置,为以服务任务为驱动的基于分层环境地图构建模式的“智能”导航奠定基础。由于多机器人系统具有的可拆分性、可重构性、容错性和鲁棒性等优点,多机器人协作构建地图的研究逐渐展开。本文在对三层分级环境地图构建的基础上,也对多机器人协作中备受关注的探测策略和定位问题进行了初步研究和探讨。本文的研究思路分四步展开。首先在总结分析当前环境地图构建的现状和问题基础上,提出基于服务任务导向的三层环境地图构建模式：反映房间拓扑关系的全局语义地图；描述区域内物品摆放关系的区域混合地图；勾绘局部复杂空间的三维栅格地图。然后引入基于QR code技术的自相似二维人工标签——人工物标和人工路标的设计及功能,阐明人工标签在三层环境地图构建中的作用。据此,给出三层环境地图构建模式的具体创建机制及其实现过程：利用双目视觉基于DSmT证据理论构建含体素概念的三维栅格地图；基于SIFT特征匹配算法形成无向加权图,再采用谱聚类算法构建具有房间分割功能的小范围空间语义地图；基于免疫网络算法构建“自主分布式表征”机制下的大范围结构化环境的认知语义地图。最后,初步探讨多个服务机器人同时构建地图时的协作策略及从研究中获得的启示。本文的主要研究内容和结果概括如下：1.针对单纯依赖本体视觉实现场景识别和理解的复杂性和局限性,提出基于QR code技术的新的室内环境空间认知手段,将移动机器人对环境的理解从几何结构的、模糊的、被动的感知层次,提高到语义的、精确的、主动的认知层次上,形成基于QR code技术的人工标签提供语义信息的地图构建新模式。设计了含外围模式和内部编码两部分的嵌入式人工标签,解决人工标签易被遮挡、QRcode编码远距离难以识别等问题；设计了含物品、房间、走廊等的功能属性和归属关系的QR code编码信息描述规约,为三级室内环境地图的构建提供丰富的语义信息。服务机器人基于高斯模型和椭圆拟合算法搜寻人工标签；基于模糊调整策略和投影透视原理逼近和对准人工标签。2.针对室内移动机器人的服务任务,提出一种包括全局语义层、区域规划层、局部描述层的三级室内环境模型,使机器人对环境信息的掌握不仅在面向导航的几何结构上,还增加了局部复杂空间的三维栅格信息及描述走廊、房间和物品功能及关联、归属关系的语义信息,并按机器人服务的活动区域和任务执行特点形成各层不同的地图表示形式。首先,对于房间内的小范围环境,机器人依据视觉获得的深度信息及QR code标签提供的物品操作功能信息进行三维栅格地图和物品功能图的构建,形成局域层空间描述；其次,基于贝叶斯估计算法构建区域层的二维栅格地图,同时形成无向加权图,构成区域规划层；最后,基于谱聚类算法构建具有房间分割功能的拓扑地图,结合物品功能图,获得房间功能及房间之间关联关系、物品与房间归属关系等的语义信息,形成全局语义拓扑地图。对于走廊的大范围环境,在获取QR code人工路标提供的语义及引导信息基础上,实现大范围区域的路径导航和认知语义地图的构建。3.针对室内局部区域的错层结构、立体装修、非结构化家具等复杂环境,构建三维栅格地图。在双目视觉获得深度信息的前提下,基于DSmT证据理论构建双目视觉信息不确定数学模型,并将新、旧信息按比例冲突分配规则进行融合,形成描述体素占有/空闲概率的三维栅格地图。基于特征点关系的稠密匹配获得三维场景的稠密重建,而体素对应匹配点的参数优化能获得最优占空值。在构建三维地图的同时,利用粘贴在大物品上的基于QR code技术的二维人工物标,为环境中的大物品添加语义标签,并基于大物品的尺寸更新对应的体素占空值,形成含大物品功能属性和归属关系描述的三维栅格地图。4.针对房间内的小范围半未知环境,根据机器人特有的服务任务和人机交互要求,结合大物品上粘贴的基于QR code技术的人工物标,构建半未知环境的以房间为单位的功能语义地图。首先基于谱聚类算法构建具有房间分割功能的拓扑地图。再利用QR code中存储的物品信息,建立物品信息库和物品归属关联图,最终获得包含物品信息描述、房间功能描述及物品-房间归属关系的语义拓扑地图。该地图为室内环境中物品的搜寻、管理和机器人服务提供完备的、拟人化的信息。基于语义地图机器人能理解人的语义命令,生成合理的服务路径,实现功能驱动的导航。5.针对走廊等大范围结构化半未知环境,提出了基于“自主分布式表征”机制的认知语义地图构建的思路和方法。按照人的路标导航模式,将基于QRcode技术的人工路标分布于环境的关键点处,形成认知导向点。机器人在大范围结构化环境中不断获取认知导向点处的人工路标信息,实现对环境的感知；从感知的信息中提取引导信息,确定目标和路径；对获取信息的逻辑分析,产生运动的行为指令。基于免疫网络算法形成“分布式表征”的环境认知机制,并基于颜色识别和SIFT特征匹配算法实现情景标签的记忆和认知,构建自主分布式的感知-引导-行为网络地图。按认知语义地图实现基于免疫算法的路径重建。6.针对多机器人协作构建地图的任务,提出了免疫网络探测算法的协作探索策略和基于无线传感网络的机器人融合定位算法。基于观测点融合的改进免疫网络探测算法（INEA）,完成多机器人对未知区域的快速、高效的探索任务。该算法在大大减少通信量,又能准确计算各全局观测点花费的情况下,将不同机器人的局部观测点融合在一张地图上,使机器人的协作能力充分发挥。利用T细胞函数修正了免疫网络浓度模型,同时免疫模型参数考虑各观测点的扩散度和探索方向对系统性能的影响。基于RSSI算法对无线传感器网络节点测得的距离数据进行处理,融合基于粒子滤波算法获得的机器人位置数据,实现多机器人的协作定位。

论文目录

• 目录
• TABLE OF CONTEXT
• 摘要
• Abstract
• 缩略词注释表
• 1 绪论
• 1.1 论文选题背景及研究意义
• 1.2 未知室内环境地图创建的研究现状
• 1.2.1 环境空间建模的分类
• 1.2.2 基于人工智能技术的认知环境空间建模
• 1.3 多机器人协作地图构建的研究现状
• 1.3.1 多机器人的协作探索策略
• 1.3.2 多机器人的协作定位问题
• 1.4 本论文的主要研究思路与研究内容
• 1.4.1 论文的研究立意与思路
• 1.4.2 论文的主要工作与技术创新点
• 1.4.3 论文的内容安排
• 2 基于QR code技术的室内环境分层建模
• 2.1 引言
• 2.2 室内三层分级环境地图构建模式
• 2.2.1 局域描述层
• 2.2.2 区域规划层
• 2.2.3 全局语义层
• 2.3 基于QR code技术的信息嵌入式标签设计
• 2.3.1 QR code二维条码
• 2.3.2 三层分级室内环境地图表示模式中QR code标签的使用
• 2.3.3 基于QR Code技术的嵌入式人工标签的设计
• 2.4 基于QR code技术的嵌入式人工标签的识读
• 2.4.1 QR code嵌入式人工标签的检测与识别
• 2.4.2 搜寻QR code嵌入式人工标签的策略
• 2.4.3 嵌入式人工标签的对准
• 2.5 试验结果及分析
• 2.5.1 人工路标的识别与处理
• 2.5.2 人工物标的识别与处理
• 2.5.3 人工路标和人工物标的比较试验
• 2.6 小结
• 3 局域描述层的三维栅格地图构建
• 3.1 引言
• 3.2 基于双目视觉的观测点全局坐标计算
• 3.2.1 基于SIFT算法的特征点提取和匹配
• 3.2.2 基于对极约束关系的匹配结果修正
• 3.2.3 特征点深度信息获取和全局坐标转换
• 3.3 基于单帧信息的体素占空概率模型的建立
• 3.3.1 体素及占空概率函数定义
• 3.3.2 单帧信息涉及体素的集合
• 3.3.3 基于特征点关系的稠密匹配
• 3.3.4 体素对应匹配点的参数优化
• 3.4 体素占空值的更新及匹配
• 3.4.1 DSmT证据理论
• 3.4.2 视觉不确定数学模型
• 3.4.3 基于DSmT算法的信息融合
• 3.4.4 基于QR code语义信息获取的三维栅格地图构建步骤
• 3.5 室内局部三维栅格地图构建仿真实验
• 3.5.1 局部区域单帧图像三维栅格地图构建试验结果
• 3.5.2 基于DSmT证据理论的体素占空值更新试验
• 3.5.3 基于人工物标的体素占空值的锁定
• 3.6 小结
• 4 小范围半未知环境功能语义拓扑地图的构建
• 4.1 引言
• 4.2 基于谱聚类算法的房间分割全局拓扑图构建
• 4.2.1 半未知环境中构建基于SIFT特征匹配的无向加权图
• 4.2.2 基于min-Ncut算法的谱聚类理论
• 4.2.3 基于谱聚类算法的全局拓扑图的获得
• 4.3 基于QR code技术的概念化语义生成
• 4.3.1 采用基于QR code技术的人工物标的必要性
• 4.3.2 QR code信息描述规约的确定
• 4.3.3 基于QR code技术的功能语义地图的建立
• 4.3.4 小范围空间功能语义地图构建的实现步骤
• 4.4 基于功能语义地图的服务任务实现
• 4.4.1 基于UA—GF—SI关系的物品搜寻和管理
• 4.4.2 基于上下文关联的机器人定位
• 4.5 实验及结果分析
• 4.5.1 功能语义地图构建试验及分析
• 4.5.2 基于语义地图的机器人房间位置确定试验
• 4.5.3 基于UA—GF—SI关系的物品搜寻试验
• 4.6 小结
• 5 大范围半未知环境认知语义地图的构建
• 5.1 引言
• 5.2 基于QR code技术的分布式信息表征
• 5.2.1 应用于导航的分布式信息表征的内容
• 5.2.2 基于分布式信息表征的各级路标构成模式
• 5.3 基于分布式信息表征的认知语义地图的构建
• 5.3.1 认知导向点的感知引导行为记忆
• 5.3.2 机器人情景标签记忆
• 5.3.3 认知语义地图的记忆机制
• 5.3.4 基于分布式信息表征的机器人导航实现
• 5.4 基于认知语义地图的路径重建
• 5.4.1 免疫参数设置
• 5.4.2 基于免疫算法的路径重建步骤
• 5.5 试验结果及分析
• 5.5.1 基于分布式信息表征的人工路标设计
• 5.5.2 情景标签的记忆及定位分析
• 5.5.3 地图构建及路径重建试验结果
• 5.6 小结
• 6 多机器人协作构建地图的研究初探
• 6.1 引言
• 6.2 未知环境探索的多机器人协作策略研究
• 6.2.1 多机器人探索模型
• 6.2.2 改进的免疫网络探测算法
• 6.2.3 协作探索策略的形成
• 6.3 基于无线传感器网络的多机器人协同定位
• 6.3.1 基于RSSI的单机器人定位
• 6.3.2 基于粒子滤波的多机器人协同定位
• 6.4 仿真结果及分析
• 6.4.1 多机器人协作策略仿真结果
• 6.4.2 多机器人协作定位仿真结果
• 6.5 小结
• 7 结论与展望
• 7.1 本文的工作总结
• 7.2 工作展望
• 参考文献
• 致谢
• 攻读博士学位期间发表的学术论文
• 攻读博士学位期间参加的科研项目
• 英文论文
• 学位论文评阅及答辩情况表