未知环境中移动机器人的环境探索与地图构建.pdfVIP

第46卷第3期 郑州大学学报(理学版) V01．46No．3 2014年9月 Univ．(Nat．Sci．Ed．) Sep．2014 J．Zhengzhou 未知环境中移动机器人的环境探索与地图构建 王东署1， 段谊海1， 王 佳2 摘要：研究了未知环境中移动机器人同时进行环境探索和地图构建问题．基于实时获取的激光传感器数据，设计了 具有避障功能的环境探索策略，并对候选观测点的产生和评估方法进行了改进，使选择出的候选点能同时兼顾信 息增益的最大化与环境信息的完整性，保证了环境探索的连续性和遍历性．在环境探索基础上，提出了以增长神经 气网络的网络节点作为拓扑网络节点的环境地图模型，该模型利用神经气网络的增长特性，通过不断增加新的拓 扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达，构建出了易于机器人理解的环境地图．仿真 试验验证了本文所提方法的有效性． 关键词：移动机器人；环境探索；地图构建；增长的神经气网络 242．6 文献标志码：A 中图分类号：TP DOI：10．3969／i．issn／1671—6841．2014．03．021 0 引言 自主移动机器人是机器人技术的一个重要研究领域，已广泛应用于工农业生产、服务、医疗和军事等领 域．随着应用环境的复杂化，人类对自主机器人的自主性和智能性提出了更高的要求，期望机器人能自主完 成环境的探索，创建所在环境的地图，并能根据地图实现在环境中的高效导航．因此，在未知环境中进行环境 探索，并同时构建相应的环境地图是自主机器人应具备的基本能力． best 机器人对环境的探索通常看作是NBV(next 测点作为目标点，并驶向该观测点，然后通过多次迭代，直到完成对整个工作环境的遍历．在探索过程中，机 器人必须解决3个关键问题：如何根据传感器提供的信息来产生一系列候选观测点；如何从机器人当前位置 运动到下一最优观测点；如何对获得的传感器信息进行相应处理以构建出机器人能理解的环境地图．其中前 2步可归为环境探索，第3步可归为地图构建，环境探索又可进一步细分为候选观测点的选取和评估． 早期候选观测点的选取主要采用随机算法。2。3]，该方法具有很大的随机性，研究人员必须考虑对随机点 ex— 未知区域，并使期望的信息增益最大，同时快速降低地图信息中的不确定性因素，该探索策略具有一定的趋 向性，是目前探索策略的核心思想，被广泛采用H。5 位姿，并使候选位姿趋向于未探测区域的混合算法． 候选观测点的评估则主要通过建立一个效用函数H。5‘7。91来衡量候选观测点的效用值，效用函数中一般 包括机器人的转向角度、机器人与目标点问的运动距离、探测到的未知区域面积(信息增益)、机器人运动损 耗等信息．早期的效用函数多采用单一指标，现在更多的效用函数采用两个或多个指标的组合，如最小运行 距离与信息增益的线性组合一1及非线性组合[8]、最小运行距离、信息增益和重叠率的加权平均p。等． 在环境探索的过程中机器人需要将对外界环境的感知以地图的形式存储起来．目前常用的地图表示方 法分为3类：度量地图，拓扑地图，混合地图．度量地图和拓扑地图都各有自己的优缺点，混合地图则综合了 1120 收稿日期：2013 基金项目：国家自然科学基金资助项目，编教育部高等学校博士学科点专项科研项目，编号20114101110005 作者简介：王东署(1973一)，男，副教授。博士，主要从事机器人智能控制研究，E-mail：wangdongshu@ZZH．edu．Clq． 第3期 王东署，等：未知环境中移动机器人的环境探索与地图构建 97 二者的优点． 自主机器人未知环境探索与地图创建是两个相辅相成的研究内容，应该是在同一过程中同时进行 的u…．但很多研究