一种普适机器人体系一起定位、标定与建图办法

　　机器人定位、传感器网络标定与环境建图是普适机器人体系中三个彼此耦合的基本问题，其有用处理是普适机器人体系供给高效智能服务的条件。本文提出了普适机器人体系一起机器人定位、传感器网络标定与环境建图的概念，经过剖析三者之间的耦合联系，给出一起定位、标定与建图问题的联合条件概率表明，依据贝叶斯公式和马尔科夫特性将其分解为若干可解项，并学习Rao-Blackwellized粒子滤波的思维别离求解。首要，联合传感器网络对机器人的观测、机器人对已定位环境特征的观测以及机器人本身操控量，规划了位姿粒子的采样提议散布和权值更新公式;其次，联合传感器网络对机器人运动轨道及已定位环境特征的观测，规划了传感器网络标定的递推公式;然后，联合传感器网络和机器人对（已定位或新发现）环境特征的观测，规划了环境建图的递推公式。给出了完好的一起定位、标定与建图算法，并经过仿真试验验证了该算法的有用性。

　　在机器人研讨范畴中，普适机器人体系是传感器网络技能与服务机器人技能的穿插范畴［1−3］，经过将这两种技能有用结合完结了两者的优势互补：一方面，传感器网络可视为机器人感知才能的延伸，遍布整个环境的传感器网络可以为机器人供给大局感知才能，补偿机器人对大局环境感知才能的缺点;另一方面，机器人可视为传感器网络的执行机构，从而使传感器网络具有了自动服务才能。因而，普适机器人体系在面积较大、动态性较强的服务环境，如家庭、医院、展览馆等具有重要使用远景。

　　众所周知，本身定位和环境地图构建是移动机器人进行环境认知及途径规划，并终究供给高效智能服务的根底［4］。对普适机器人体系而言，传感器网络标定同样是保证其高效作业的重要一环，已标定传感器网络可以实时定位机器人和环境动态方针，并据此动态更新环境地图。事实上，不知道传感器节点方位而收集的数据在实践使用中并没有太大含义［2］。在将普适机器人体系引进某一服务环境伊始，机器人定位、传感器网络标定和环境建图就成为其面对的三个根底问题［3］。其间定位贯穿于机器人作业的一直，而传感器网络标定和环境地图构建则在普适机器人体系正常作业之初完结，并在作业过程中随网络节点或环境改变而实时更新。此外，剖析可知，普适机器人体系中机器人定位、传感器网络标定和环境建图三个问题相对独立而又相互耦合：一方面，传感器网络供给大局观测，能辅佐机器人完结动态环境下的定位;另一方面，传感器网络的准确标定是其辅佐机器人定位的条件。更进一步地，经过对已建地图的观测，将有助于进步传感器网络标定精度和机器人定位精度。若仅评论机器人定位、环境建图二者之间耦合联系，则退化为现在国内外学者广泛研讨的一起机器人定位与环境建图（Simultaneouslocalizationandmapping，SLAM）问题。

　　在一起机器人定位与环境建图方面，使用概率办法处理SLAM问题是现在的研讨方向和热门［4］，其间，依据扩展卡尔曼滤波（ExtendedKalman?l-ter，EKF）的SLAM办法不适于处理存在非高斯噪声状况的估量问题［5］;粒子滤波办法适用于非线性和非高斯景象，但这种办法在问题维数较高时核算量过大，难以满意体系实时性要求;Rao-Blackwellized粒子滤波用扩展卡尔曼滤波处理非线性部分，用粒子滤波处理非高斯部分，因而一起具有扩展卡尔曼滤波和粒子滤波的优势，并已被成功使用于SLAM中［6−8］。但是，因为传感器机载，机器人观测差错与运动差错相耦合，定位和建图差错会随机器人运动间隔产生不可防止的分散［9］。文献［10］提出了依据粒子滤波的无线传感器网络辅佐SLAM办法，用于处理求解问题空间维数高和多数据相关问题;文献［11］提出了依据传感器网络散布式感知的移动机器人SLAM办法，来创立大规模环境的准确地图;文献［12］提出了无线传感器网络环境下依据粒子滤波的移动机器人SLAM算法。上述办法尽管都表现了使用传感器网络的大局观测来辅佐SLAM的思维，但都没有考虑传感器网络节点的标定问题，而该问题的有用处理是传感器网络辅佐机器人定位和环境特征建图的根底。

　　在一起传感器网络标定与机器人定位方面，文献［13］提出了一种依据机器人的摄像机网络在线自标定办法，以此为根底，文献［14］提出了一种散布式感知协作的移动机器人MonteCarlo定位办法，使用已完结标定传感器网络的观测来辅佐机器人定位。事实上，类似于SLAM问题，传感器网络标定与机器人定位可以一起进行（即一起传感器网络标定与机器人定位），针对该问题，文献［15］提出了一种依据Rao-Blackwellized粒子滤波的一起传感器网络标定与机器人定位办法，但关于联合机器人定位、传感器网络标定和环境建图的研讨，现在没有打开。

　　考虑到普适机器人体系一起机器人定位、传感器网络标定与环境建图问题的耦合联系，为充沛交融定位、标定和建图过程中触及的多类信息来历，并防止繁琐的传感器网络离线标定环节，本文提出了普适机器人体系一起定位、标定与建图的概念。在进行三者的联合求解时，从概率的视点进行理论剖析，将联合条件概率分解为若干可解项别离求解。依据Rao-Blackwellized粒子滤波思维，联合机器人操控信息、传感器网络对机器人的观测，以及机器人对已建环境地图的观测估量机器人位姿粒子及其权值散布，从而依据传感器网络对机器人和已建环境地图的观测来标定传感器网络的参数，最终联合机器人和传感器网络对环境的观测构建家庭环境的特征地图。

　　1体系描绘

　　1.1体系构成

　　本文评论的方针为普适机器人体系，该体系主要由三个部分构成：具有普适感知和处理才能的传感器网络及处理主机、与普适处理主机交互的移动式服务机器人，以及环境中的各种方针（包含服务方针、操作物品及环境路标等，这儿统称为方针）。图1给出了一个典型的家庭普适机器人体系的示意图，其完结计划如下：由RGB-D摄像头作为节点构建传感器网络，该摄像头可以一起获取视域规模内方针的色彩和间隔信息，各RGB-D摄像头经过数据线连接到一台处理主机的图画收集卡上，该主机担任剖析处理各摄像头所捕获的图画，并经过无线网络完结与服务机器人的通讯;家庭服务机器人渠道选用装备手眼体系的Pioneer3DX型移动机器人，并为该机器人规划标识色块以便传感器节点观测定位;选取家庭环境和方针的标准不变特征改换（Scaleinvariantfeaturetransform，SIFT）［16］进行特征检测、匹配和辨认。此外，为家庭常见方针张贴标识其称号、功能及用法等信息的QRcode标签，经过阅览标签机器人能完结对物品的深层次认知。

　　传感器网络的节点布置需求归纳考虑节点观测规模、能耗、妨碍散布等要素，该问题已有相关文献论说［17−19］，在此不做过多评论，假定传感器节点已被较为合理地布置。