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技术创建的地时地位与地图创建（SLAM）所生成的环境地图，是机器人对其所在工作环境的抽象表述方式。目前研究的地图表示方法主要有：栅格表示法、特征表示法和拓扑表示法。基于栅格的地图表示方法将地图划分成一些大小相等的栅格，便于表示环境中的障碍物，有益于机器人的自主导航，但是随着栅格的增多需要大量的存储空间和计算时间。基于特征的表示方法利用稀疏的几何特征来描述环境，表示更为紧凑。拓扑图法采用一些关键的节点以及它们之间的相互关系来描述环境，但是环境中的特征很相似时，拓扑图表示法很难将它们区分开，而且定位精度较低。
服务机器人往往工作在结构化的室内环境，基于线段的几何环境特征能对结构化室内环境进行有效的描述，因此可采用特征表示法来构建地图信息库。
目标映射表主要存放机器人操作目标与环境地图的映射关系表。在机器人进行同时定位与地图创建的同时，利用视觉对环境中物体进行特征提取，并根据事先创建的目标特征库对视觉提取的特征进行匹配，从而发现目标，实现环境中的目标定位，并将目标信息与地图信息进行特征映射，从而在机器人内部构造操作目标与环境地图的映射关系，便于机器人快速直接的从环境中定位操作目标。
面向目标模型的构建依赖于多传感器的并行工作，使用距离传感器和位置传感器来进行传统的机器人同时定位与地图创建工作，实时地生成环境地图信息库，与此同时，并行工作的视觉传感器进行实时的图像信息处理，提取出环境中物体的特征信息，与机器人离线创建的物体特征库进行特征匹配，一旦匹配到特征库中的物体特征，则机器人认为发现了该物体，并将此物体的相关信息与其所在的地图信息进行关联影射，从而生成物体在地图中的位置关系表，即目标映射表。图1为面向目标的环境模型的构建流程图。
二、面向目标环境建模的关键技术
技术层面上，与传统的环境建模方法相比，面向目标环境建模的关键技术主要包括同时定位与地图创建、特征提取与匹配、目标映射表与地图信息库的映射以及环境模型的维护与更新等。
（SLAM）
同时定位与地图创建问题可以描述为：移动机器人在未知环境中运动时逐步构建周围环境的地图，同时运用此地图对机器人位置和姿态进行估计。研究SLAM问题是为了解决当前在缺乏精确全局定位传感器的情况下，依赖于机载传感器（如里程计、声纳、激光及超声等）来对机器人定位的问题。
把视觉传感器提供的原始数据从高维空间经过某种映射或变换，用低维空间来表示其特征，这个低维空间的数据集合便称为特征向量，获取特征向量的过程称作视觉特征提取。当机器人执行任务时，通过将特征库中的目标特征与实时提取的图像特征进行特征匹配，若匹配成功，则机器人认为目标定位成功。
图像特征提取方式很多，可以只通过当前图像提取，也可以通过最近采集的几针图像提取。无论哪种方式，都需要从庞杂的原始数据集合中抽取出观测对象的特征信息，常用的特征提取方法有：距离度量法、概率度量法、散度准则法和最小熵特征提取法。
图像特征匹配是将目标特征向量与从实际图像提取的特征向量进行比较，当满足一定的近似关系时，则认为匹配成功。但实际中由于特征匹配的结果受许多因素影响，比如物体遮挡、光照变化和噪声干扰等，尤其是一个图像的每个特征在另一个图像中不一定都有对应的匹配，因此找一个健壮的特征匹配算法是很重要的，下式为一种
描述特征库中第i个目标特征向量与实际图像特征向量相似程度的多尺度特征匹配相似度函数：
（3）
其中， 为式（2）中第i个目标的第j个特征向量子集； 表示提取图像特征的第j个特征向量子集； 为第i个目标的特征向量所含特征子集的数目。 为第j个特征向量子集在整个特征集中的权重系数。需要注意的是：由于各个目标本身的属性不同，其在特征库中保存的特征向量子集的数目 和权重系数 也可能不同。
目标映射表与地图信息库的映射是创建面向目标环境模型的关键，成功的关联映射涉及到正确的观测与相应的状态变量匹配、探测和排除虚假观测以及时空对准等问题。本文采用拓扑树结构来描述机器人工作环境中目标和目标、目标和环境之间的位置关系。拓扑树结构由节点和连接构成，节点表示环境中的目标，连接表示目标之间的位置关系。一个家庭环境中水杯、手机、桌子和房间地图的位置关系的拓扑树表示如图2所示