基于多傳感器融合SLAM應用的室內機器人研究分析
來源:用戶上傳
作者:
摘 要：針對SLAM技術發展的限制，加上移動機器人的不確定復雜環境且不能實現長期可重新定位的導航方案，該文將在多傳感器信息融合的基礎上進行SLAM算法行為優化，以提高SLAM的速度和精度。采用2D激光雷達和一般深度相機，與里程計信息和慣性傳感器IMU相融合，優化多傳感器信息融合以及數據關聯模型。對多傳感器融合SLAM應用的室內機器人研究作出一個淺述。
關鍵詞：SLAM SLAM算法 IMU 里程信息
中圖分類號：TP242 文獻標識碼：A 文章編號：1672-3791（2019）03（c）-0013-02
SLAM研究最早出現在1986年，對空間位置關系進行了描述。室內機器人它是能夠通過傳感器感知自身狀態、環境等，實現在環境中面向目標移動的一類運動，從而完成一定的操控功能的機器人系統。SLAM技術發展飛速，現已廣泛應用于智能移動機器人和自動駕駛控制等領域，而對環境感知能力的高低直接決定了SLAM的水平。目前，室內移動機器人利用輪式里程計、慣性傳感器（IMU）、激光、視覺里程計、紅外傳感器、超聲波等傳感器實現機器人導航的相關技術已經比較成熟。21世紀，基于多傳感器信息融合的同步定位與地圖創建（SLAM）在國際上機器人應用和理論領域成為了一個新興熱點。視覺導航使用攝像頭，和一些MEMS慣性傳感器做組合，可以用一個很低的成本達到非常高的精度，多傳感器信息融合冗余性、互補性的傳感器數據合成提高了系統的可靠性。
1 RGBD、IMU和激光雷達在室內移動機器人SLAM中的應用
SLAM技術包括對環境進行辨識的同時進行地圖構建，并估算機器人當前的運行狀態。地圖構建不僅為操作者提供路徑規劃，還為限制機器人自身狀態的估算誤差提供標準;更需要為機器人錯誤定位后提供重新定位的依據（回環檢測）。
SLAM問題是描述機器人自主創建地圖，同時利用該地圖推算自己位置的一個過程。探討機器人在運動、觀測等過程中均具有不確定性，利用傳感器對環境中路標進行觀測，需要采用有效的算法不斷修正誤差，達到準確定位。
SLAM旨在為自主運動測量和回環檢測提供全局一致的環境描述?，F在用于室內運動測量的里程計算法多結合視覺和慣性信息，但是僅僅有視覺（visial）和慣性（inertial）的導航對于環境拓撲過程中相似的場景容易誤認為回環，魯棒性依然是難題。
?。?）RGBD相機：Kinect既可以提供彩色圖像，也可以提供深度信息，單獨使用定位定姿精度較差，要提高環境適應力，多跟慣性單元（IMU）組合使用。研究SURF特征提取方案。
?。?）IMU：可以做姿態結算和航位推算，處理速度快，但是單獨使用會很快出現位置漂移，常做VSLAM的輔助元件。研究初始化姿態后，跟Kinect融合估計平移、旋轉和加速度姿態。
?。?）激光雷達：技術成熟，但3D元件價格昂貴，2D信息量不足，但可以以二維點特征為路標的位置環境的分析及區域劃分，所以該項目中跟Kinect和IMU組合使用，克服VSLAM的缺點。研究區域劃分的動態閾值，確定地標分區，解決回環檢測的魯棒性問題。
2 多傳感器融合算法
多傳感器信息融合技術常用的方法有下面幾種。
?。?）加權平均法：加權平均法是一種底層數據融合方法，它是將多個傳感器的冗余數據進行加權平均一下。
（2）貝葉斯推理：貝葉斯推理是基于貝葉斯定理的條件，或者是后驗概率的統計數據融合的一種算法，能夠通過已知的事實條件對未知的事件進行分析判斷。
?。?）D-S證據推理：D-S證據推理是貝葉斯推理方法的拓展，它特別適應于處理多個傳感器集成系統的信息融合問題，它使用了一個不穩定區間，可通過未知前提的先驗概率來彌補貝葉斯推理方法的不足。
?。?）卡爾曼Kalman濾波：卡爾曼Kalman濾波也是在基于貝葉斯推理方法框架下，同樣是運動預測到一個感知更新的遞推的一個過程，是一種最優最有效的線性遞推估計算法。
?。?）人工神經網：人工神經網通過一定的學習算法可將傳感器的信息進行融合，獲得網絡數據參數。
多傳感器系統采集信息量大，而且這些信息在時間、空間、可信度和表達方式上不盡相同，建立合理的多傳感器信息融合模型是提高信息可信度和算法實時性的關鍵。具有高魯棒性和靈活性的先進的傳感器系統需要融合多傳感器數據到多個層次上。項目的傳感器融合分為3個等級：低等級首先進行數據融合;然后將結果與高等級的測量數據進行融合;最后獲得最終的決定。采用改進的卡爾曼濾波構建多傳感器數據融合的最佳模型，進行數據層、特征層以及決策層等不同層次的融合，也可以實現測距傳感器信息、內部航跡推算系統信息、全局定位信息之間的信息融合，進而準確、全面地認識和描述被測對象與環境，從而使移動機器人能夠作出確的判斷。
?。?）將分布在不同位置的不同種類的傳感器所提供的局部環境的不完整信息加以分析，進一步研究多傳感器融合技術和數據關聯問題。
?。?）消除多傳感器之間可能存在的冗余和矛盾。
（3）降低定位和地圖構建的不確定性，獲得機器人在工作空間中的位置、方向和環境信息，從而提高建立環境模型的魯棒性。
采用嵌入式ROS開源機器人操作系統的husky平臺上實現組合定位制圖，為提高SLAM算法的實時性、準確性和魯棒性提供測試和分析。 應用于移動機器人的傳感器有兩大類，分別是內部傳感器與外部傳感器。內部傳感器包括里程計、陀螺儀、磁羅盤及光電編碼器等用于檢測機器人系統內部參數;外部傳感器主要有視覺傳感器、激光測距傳感器、超聲波傳感器、紅外傳感器等用于感知外部環境信息，由于單一傳感器難以保證信息的準確性和可靠性，不足以充分反映外界環境信息。因此，采用多個傳感器可實現環境信息的充分理解，便于機器人做出正確的決策。
3 移動機器人導航技術的展望
目前，移動機器人導航技術已經取得了很好的研究成果。計算機網絡技術、電子通信技術、傳感器技術、控制技術等迅猛發展必將使移動機器人在導航技術領域取得更多更好的研究成果?，F如今移動機器人導航技術的發展有以下幾方面的趨勢。
?。?）構建多傳感器信息融合和數據關聯模型，實現多傳感器信息融合算法優化。視覺導航具有信息量大、探測范圍廣等特點， 仍然是移動機器人導航技術的主要發展方向;多傳感器系統采得的信息會大大增加，而且這些信息在時間、空間、可信度和表達方式上不盡相同，重點和用途也不同。
?。?）研究算法優化方案。提高SLAM算法的實時性和精確度，為移動機器人自主導航提供可靠的數據支持。導航系統結構將朝著分布式、模塊化、網絡化、多機器人協作的方向發展。分布式和模塊化的結構有利于減少機器人的體積和自重。通過互聯網實現機器人的遠程操作以及基于網絡的多機器人協作是導航技術新的研究熱點。
?。?）路徑規劃將朝著多層規劃和多方法相結合的方向發展。采用基于反應式的行為規劃與基于慎思行為規劃相結合的方法。全局路徑規劃和局部路徑規劃相結合更有利于復雜環境的避障規劃;實現快速有效自主定位制圖的移動機器人系統，為解決SLAM實時性問題的解決提供應用參考。
?。?）新的研究技術、新的研究方法將促進移動機器人導航技術更快地發展。機器人位姿的變化、特征的變化、特征的干擾以及判斷中的虛假成分等使得數據關聯將成為一個非常困難、復雜的過程。
4 結語
該文提出一種多傳感器信息融合技術算法，降低SLAM技術成本，2D激光雷達和RGBD相機的組合，避免了3D激光雷達的昂貴投入。高效率實現回環檢測：視覺+IMU組合的VSLAM的魯棒性因為合理劃分激光雷達掃描點區域而得到提高。有利于后續的避障導航：局部一致性的測量地圖有利于避障導航的實現。對于該算法的優化提升以及如何更加快速準確地確定最佳偏好度等方面是今后仍需研究的問題。機器人技術發展迅猛，機器人逐漸走進人們的平常生活，但室內機器人的普及還存在許多問題，如定位與導航，研究方向有3個：機器人定位準確度、地圖建設模塊的精準、路徑實時改變的規劃。在近幾十年的研究中，都出現了各種有效的解決方法，相比機器人硬件技術的不斷成熟，軟件方面的開發卻顯得跟不上步伐。所以，需要研究開發面向全局性能優化的導航理論與方法。相信隨著機器人技術、人工智能技術以及智能控制等技術的發展，移動機器人導航技術必將取得更大的突破和發展。
參考文獻
[1] 杜釗君，吳懷宇.基于激光測距與雙目視覺信息融合的移動機器人SLAM研究[J].計算機測量與控制，2013，21（1）：180-183.
[2] 張毅，杜凡宇，羅元，等.一種融合激光和深度視覺傳感器的SLAM地圖創建方法[J].計算機應用研究，2016，33（10）：2970-2972.
[3] 丁偉，孫華，曾建輝.基于多傳感器信息融合的移動機器人導航綜述[J].傳感器與微系統，2006，25（7）：1-3.
[4] 胡春旭，熊梟，任慰，等.基于嵌入式系統的室內移動機器人定位與導航[J].華中科技大學學報：自然科學版，2013，41（Z1）：254-257.
[5] 趙增順，沈繼畢，王繼貞，等.基于Bayes濾波的移動機器人定位方法[J].計算機科學，2011，38（2）：199-201.
[6] 李宇波，朱效洲，盧惠民，等.視覺里程計技術綜述[J].計算機應用研究，2012，29（8）：2801-2805.
[7] 羅榮華，洪炳榮.基于信息融合的同時定位于地圖創建研究[J].哈爾濱工業大學學報，2004，36（5）：566-569.
[8] 黃先偉.基于多傳感器信息融合的家用移動機器人SLAM系統的研究[D].廣東工業大學，2013.
[9] 李金良，孫友霞，谷明霞，等.基于多傳感器融合的移動機器人SLAM[J].中國科技論文，2012，7（4）：312-316.
[10] 路丹暉.融合視覺與慣性導航的機器人自主定位[D].浙江大學，2012.
轉載注明來源:http://www.hailuomaifang.com/8/view-14874931.htm
