[发明专利]一种实时数据融合的移动机器人栅格地图创建方法

说明书

技术领域

本发明属于机器人和人工智能技术领域，涉及一种实时数据融合的移动机器人栅格地图创建方法。 

背景技术

近20年来，人工智能技术和计算机技术的飞速发展，自主智能移动机器人研究取得了重大关注。它要求能通过自身所载的传感器如测距仪、摄像机、红外等自动获取周围环境信息，建立空间环境模型和识别自身当前位置，沿自动规划的有效路径移动，从而完成特定任务。目前智能移动机器人广泛应用于工农业、交通运输、军事、医疗卫生等行业，解决危险环境下工作问题和取代人类繁重工作。为提高移动机器人在未知环境下的工作能力和应用范围，把环境表示为适合机器人“理解”的地图，即地图创建是急需解决的关键难题。 

移动机器人的工作环境一般可以简化为二维模型，并用占用栅格加以描述。该模型将机器人所在空间环境划分为若干规则栅格，通过提取每个栅格单元的状态(障碍物、空闲、未知)来确定环境表示。该模型表示直观，易于创建和维护。在未知环境中，机器人不了解任何先验信息，例如环境规模和障碍物的大小、形状、位置等，且环境中不存在诸如路标、灯塔等人为设定的参照物。机器人创建地图只能依赖于其传感器所获得的信息，如里程仪、声纳、激光等等。建立地图的过程，实际上就是机器人根据传感器的感知自主地对其活动环境建模的过程。由于传感器自身的限制，感知信息存在不同程度的不确定性，通常需要对感知信息再处理。地图创建中的信息处理可归纳为以下三个问题： 

(1)如何描述感知信息的不确定性； 

(2)如何依据对信息的不确定性描述创建地图，地图中不仅要反映感知信息，还要反映信息的不确定性； 

(3)当对同一目标地点有了新的感知信息时，如何处理旧信息与新信息 的，即更新地图。 

在移动机器人导航中，声纳传感器由于其廉价、简单易用、数据处理方便等特点，因此在移动机器人领域取得广泛应用，但声纳传感器本身也存在多重反射、镜面反射、角精度低等缺陷，其感知信息存在较大的不确定性。目前在地图创建的研究中，模糊逻辑和概率理论是具有代表性的两种用于描述和处理不确定信息的方法。前者通过定义模糊集表示环境中的空、非空区域与状态不确定，对各栅格单元根据测量结果计算相应的隶属度；后者对各栅格单元给出其为障碍物占有的概率，根据贝叶斯法则进行信息融合。分析与实验表明，基于概率的方法产生的地图精度较高，轮廓清楚，但对错误信息过于敏感，误判率高；而模糊逻辑方法则具有较高的鲁棒性，在信息不确定程度高时仍然稳定，但精度低，产生的地图不清晰。 

发明内容

本发明的所要解决的技术问题是提供一种实时数据融合的移动机器人栅格地图创建方法，本发明移动机器人利用声纳测距仪获取环境信息，完成环境建模，从而为移动机器人后续的自主导航提供可靠的依据。 

为解决上述技术问题，本发明所采用的技术方案为： 

一种实时数据融合的移动机器人栅格地图创建方法，其特征在于，包括以下步骤： 

1)将局部栅格地图坐标(i，j)初始化，并通过移动机器人上的多个传感器获取的障碍物与移动机器人之间的距离值； 

2)将所述的距离值中的数值最小的3个距离值用模糊逻辑及概率理论解释排列为一维数组；即对每一个距离值建立3个模糊集{O、E、U}来表示地图中栅格的占用、空闲和未知状态；定义模糊向量T＝{μ_O，μ_E，μ_U}表示每个栅格处于3种状态的可信度，栅格属于3种状态的隶属度和为1； 

μ_o(r，s)，μ_E(r，s)为栅格g(i，j)距传感器距离r在不同区域的栅格占用隶属度函数和空闲隶属度函数；μ_o，E(α，β)表示不同的波束轴线角的隶属度函数，μ_O，E(r)表示不同测量距离的隶属度函数； 

每个栅格单元被占用的隶属度函数μ_o(r，α)，栅格空闲隶属度函数μ_E(r，α)以及栅 格状态不确定隶属度函数μ_U(r，α)按以下计算所得：