[发明专利]未知环境下移动机器人三维地图构建方法

说明书

一种未知环境下移动机器人三维地图构建方法。针对室内未知三维环境的地图构建问题，提出一种将信息增益引导局部探索策略和全局边界探索策略相结合的多探索策略方法。首先构建移动机器人自主探索和三维地图构建系统框架，包括地图构建模块和探索决策规划控制模块。其次，基于香农信息论建立信息增益引导决策模型，并设计了一种应用于多步探索动作评价的信息增益目标函数计算。最后，利用离线的局部运动轨迹构造局部探索策略，并结合信息增益引导全局边界探索策略实现了一种多策略探索方法，两种策略在探索过程中根据三维地图的实时构建情况动态切换。实验结果表明本发明在快速构建三维地图的同时保证了地图构建的完整性。

技术领域

本发明属于未知环境自主探索与地图构建技术领域，特别是涉及一种未知三维环境下移动机器人三维地图构建方法。

背景技术

在未知环境中，移动机器人为完成自主导航、场景重建等各项复杂任务，必须对未知环境进行自主探索并选择合适的地图表达形式等进行地图构建，例如栅格地图、点云地图、拓扑地图。研究人员提出了多种探索策略，主要有基于几何边界的探索策略和基于信息论的探索策略。Yamauchi提出了一种基于几何边界的自主探索和二维栅格地图构建方法，将已探索区域和未知区域的邻接部分定义为边界区域，并采用深度优先的方式访问边界[1]。Bai等人提出了一种基于高斯过程回归和贝叶斯优化的自主探索方法，通过高斯过程回归对局部状态空间的信息增益进行建模，并利用贝叶斯优化的方法迭代选择最优的局部探索目标点[2]。文献[3-4]提出了一种基于POMDP模型的自主探索策略，通过速度空间随机采样生成局部探索轨迹，利用地图推演的方式建立互信息决策函数模型，从而生成局部最优探索目标点，引导机器人向地图的不确定区域进行探索，同时结合二维边界探索策略逃离局部最优区域。

随着RGBD传感器的普及和应用，PCL点云地图[5]、Octomap体元地图[6]等三维地图表达形式相继被提出和应用。由于构建的三维地图通常具备更加丰富的环境信息，因此受到广泛的研究和关注[7-8]。文献[9-10]将边界的概念扩展到三维环境中，实现对未知三维环境的自主探索和三维地图构建。Charrow等人提出了一种基于柯西-施瓦茨二次互信息的决策模型，通过随机采样方式生成对边界区域可见的可行观测视点查找表，利用Dijkstra算法生成大量的全局探索路径，并结合局部运动基元构建两层运动规划框架，实现对大范围结构化走廊环境的三维地图构建[11-12]。Isler等人提出了一种基于信息熵评价函数，通过在三维物体周围采样离散观测视点确定最优观测视点，实现了三维物体的重建[13]。Bircher等人提出了一种基于局部快速扩展随机树(RRT)的探索规划方法，利用启发式信息增益评价函数获得最优的RRT树节点，并采用滚动时域方式控制执行[14]。

相对于二维环境，移动机器人面向未知三维环境自主探索和地图构建任务时所搭载的RGBD相机存在视野范围有限、感知距离相对较短等问题，只依赖局部候选探索路径或者局部状态空间采样点的局部探索方法往往无法保证三维地图的完整构建，且容易陷入局部最优。采用基于纯几何边界的互补探索策略虽然可以使机器人逃离局部最优区域，但无法衡量不同边界区域不确定度大小，不考虑引导机器人对环境进行整体覆盖探索[3-4]；此外文献[3-4]所述地图推演方法只面向二维栅格地图，未对三维概率占据体元地图的地图推演进行讨论。同时，已有方法采用单步探索时，在行进到局部目标视点的探索过程中忽视地图的动态更新和变化，无法实现对三维环境地图的快速构建[2,13]。在多步探索过程中，已有方法对三维概率占据体元地图进行地图推演时回避多个时间步间的视野重叠现象，采用启发式方法对效益函数近似建模和计算[14]。

总结以上文献，现有的自主探索和三维地图构建方法或者没有对基于信息增益的决策模型进行准确建模并提出合适的方式对信息增益加以计算，或者忽视探索过程中地图信息的动态更新变化，难以实现对三维环境的快速探索和地图构建，且不考虑引导移动机器人在可达空间内实现整体覆盖探索，从而实现对地图的完整构建。

发明内容

本发明目的是解决现有方法存在的上述不足，提供一种未知环境下移动机器人三维地图构建方法，实现三维地图构建的快速性和完整性。