文档介绍:一种面向目标的环境模型及其构建方法
一种面向目标的环境模型及其构建方法
环境地图是机器人环境认知并提供服务的基础。以服务机器人为实际应用背景,综合应用多传感器数据,将环境中的具体目标信息映射到利用SLAM技术创建的地图中,生成面向目标的环境模型。本文详细介绍了该环境模型的表示、构建和更新方法,并通过实验证明该模型可有效地提高机器人的环境理解能力和工作效率。
The environment map is the basis for robot understanding surround and providing services. Take service robots for example, multi-sensor data are integrated and specific objects are rejected into the environment map called as object-oriented map using SLAM technology, the paper describes the representation, construction and update methods of the environment model. The experiments show that with the model, robot can effectively improve environment- understanding ability and working efficiency.
作为机器人的重要分支,服务机器人工作于家庭、医院、办公室等环境中,代替人完成一定的服务性作业或对身体不便者提供帮助。这样的服务机器人往往工作于结构化的室内环
境,对环境的理解比较容易。对于这种结构化或半结构化的环境描述方法研究较为广泛,文[1]给出了基于几何特征的同时机器人定位与环境建图(simultaneous localization and mapping, SLAM)算法,文[2]给出了一种基于几何特征的室内服务机器人环境地图表示方法,此外,一些表象地图,如Bag-of-words[3]、FAB-Map[4]和Appearance-Map[5]被构建出来,其实质仍然是基于视觉特征的地图描述;文[6]设计了Gamma-SLAM算法用于构建环境的栅格地图;文[7]提出了一种适于机器人在大规模室内环境下自主导航的拓扑地图;综合考虑几何和拓扑两种表示方法的优缺点,研究者们创建了几何-拓扑混合环境地图[8-10]。然而,上述地图模型都是面向机器人路径规划的,仅仅约束了机器人的可活动空间,而没有融入操作物品和服务对象等必要信息,这种地图难以满足机器人家庭服务任务的需要。文[11]和[12]提出了用于实现环境分类和识别的语义地图表示方法;文[13]提出了针对机器人环境及其中物品认知的概念表达;文[14]提出了一种基于机器人服务任务导向的环境地图;文[15]针对服务机器人任务需要设计了融合物品信息的环境地图构建方法。近年来,移动机器人同时定位与地图创建方法(SLAM)越来越受到人们的重视,当环境是动态或者未知情况时,SLAM可以很好地解决移动机器人的定位与导航要求。然而在服务机器人实际研发与应用中,仍然面临如下几个问题:
人执行任务时目标搜索的环节,提高了机器人的工作效率。基于上述思想,为服务机器人设计了面向目标的环境模型。本文所说的目标指的是环境中服务机器人执行任务时的操作对象。
面向目标的环境模型由目标特征库、地图信息库和目标映射表来表示,具体描述如下:
目标特征库中保存了服务机器人的主要操作目标的特征模板,这些特征主要是为服务机器人进行目标发现时提供依据,由于服务机器人主要依靠视觉传感器发现目标,所以目标特征库中存放的是目标的图像特征主要包括目标的颜色特征、纹理特征、形状特征等。按照集合论的观点,目标实际上可以看作由众多的特征词条构成的多维信息空间。
向量空间模型(VSM)是应用较多且效果较好的特征表示方法之一,借助于向量空间模型,目标特征库可被看作是由一组正交词条向量所组成的向量空间,每个目标表示其中的一个范化特征向量集。假设目标特征库为由m个目标特征向量集构成的向量空间S:
(1)
其中 表示第i个目标的特征向量集合。假设 由 个特征向量子集构成,即:
(2)
其中 表示第i个目标的第j个特征向量子集。由(1)(2)可表示出所有目标的特征。 目标特征库由机器人离线创建,并可以通过自学****不断进行更新,