[发明专利]机器人分布式表征智能语义地图创建方法

说明书

技术领域

本发明属于移动机器人导航技术领域，涉及一种室内环境下面向移动机器人同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)问题的机器人分布式表征智能语义地图创建方法。

背景技术

近年来，随着移动机器人在服务、探测、物流等领域的广泛应用，SLAM问题受到了学术界及工程界的密切关注，被视为移动机器人实现完全智能化的关键。

然而，大部分的SLAM研究仍停留在机器人自身的定位和物理环境的重建上，没有涉及到机器人与人的交互，这使得机器人无法完成人类语义命令，大大限制了机器人的工作职能，降低了工作效率。事实上，室内办公环境存在多种带有语义信息的大物体，当移动机器人在室内办公环境中工作时，机器人需要获得复杂工作环境的区域信息和全局信息，创建具有语义信息的全局地图，实现与人类的语义交互，协助人类完成多种复杂工作。因此，一个有效的室内环境下移动机器人精确定位和智能语义地图构建方法具有重要的理论意义及应用价值。

C.Nieto-Granda等人利用高斯区域分析方法，将环境特征按照概率进行划分，从而实现了基于语义的地图划分；而H.Wu等人提出利用快速识别码(Quick Response Code，QR code)存储环境信息，机器人通过视觉传感器来捕获信息，进而确定空间语义关系。然而，前者只考虑了自然路标，在室内工作环境中，一般缺少易于捕获的自然环境特征，故无法解决自然路标稀疏带来的问题；而后者虽然考虑到了自然路标稀疏，辅以QRcode来表述环境，但视觉传感器容易受到视角和距离的限制，且在大物体阻挡情况下会失效，进而导致定位精度下降，影响语义地图构建的可靠性。

发明内容

针对移动机器人在室内办公环境下难以获取语义信息、完成语义命令的问题，提供一种面向移动机器人SLAM问题的分布式表征智能语义地图创建方法，机器人在环境中进行遍历式扫描时，利用视觉传感器和射频识别系统(Radio Frequency Identification，RFID)联合定位，同时获取大物体上的QR code信息，将室内环境按照功能进行划分与语义更新，既提高机器人定位的准确性，又实现了语义地图的构建。

室内环境下机器人分布式表征语义地图创建方法，包括以下步骤：

步骤1：采集环境图像，实现机器人视觉定位。

步骤1.1，移动机器人通过双目视觉传感器采集环境图像，获取人工路标集合。

步骤1.2，考虑到极几何约束，基于三角测量原理，利用视差法获取图像中人工路标的深度信息，并计算该路标的全局坐标。

步骤1.3，通过拓展卡尔曼滤波(Extended Kalman Filter，EKF)算法，对机器人位姿及人工路标的位置进行定位。

步骤2：利用RFID系统进行机器人接收信号强度值(Received Signal Strength，RSS)定位。

步骤2.1，根据实际参考标签的坐标和阅读器读取的RSS值，求取虚拟参考标签的坐标值和RSS值。

选用对数距离路径损耗模型表述虚拟参考标签与实际参考标签上的能量差值随两者距离的变化，获取虚拟标签的RSS值。

步骤2.2，基于边界虚拟标签(Boundary Virtual Labels，BVIRE)算法确定目标标签(机器人和人工路标)的坐标值。

根据目标标签和参考标签RSS值的差来选取最近邻标签。设定阈值，构建模糊地图。对于目标标签来说，由于每个阅读器都有自己对应的一个模糊地图，将多个模糊地图求取交集可以求得最近邻参考标签，从而确定目标标签的坐标。

步骤3：修正机器人的全局坐标值，并利用自适应谱聚类算法进行地图划分。

步骤3.1：修正机器人及人工路标的坐标值。

根据视觉传感器和RFID系统获得的机器人坐标值，利用最小二乘法(Least Square，LS)对两者进行修正，得到更加准确的机器人全局坐标值。

步骤3.2：利用自适应谱聚类算法，将修正后的机器人坐标集合进行拓扑层划分。

步骤4：语义信息更新。

步骤4.1：机器人判断视界中的红色圆形区域，并利用椭圆拟合方法快速识别和读取QR code中的语义信息。

步骤4.2：根据QR code中的语义信息，将机器人观测点和相应物品之间进行关联，每个子集的语义拓扑地图可以实时更新。

步骤4.3：根据更新的语义信息实时修正拓扑层子地图分类，直至机器人完成遍历性扫描。