未知环境中自主机器人环境探索与地图构建.pdfVIP

第45卷第4期 郑州大学学报(理学版) Vol_45No．4 2013年12月 J．ZhengzhouUniV．(Nat．Sci．Ed．) Dec．2013 未知环境中自主机器人环境探索与地图构建 王东署， 王海涛 (郑州大学电气工程学院河南郑州450001) 摘要：研究了未知环境中自主机器人同时进行环境探索和拓扑地图构建问题．基于实时获得的激光传感器数据，提 出了具有避障功能的环境探索策略．在环境探索的基础上，提出了以增长的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．仿真试验验证了所提方法的有效性． 关键词：自主机器人；环境探索；地图构建；增长的神经气网络 242．6 中图分类号：TP 文献标志码：A 文章编号：1671—6841(2013)04—0052—06 DoI：10．3969／i．issn／1671—6841．2013．04．011 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、交通、服务、医疗和军事 等领域．随着应用环境的复杂化，人类对移动机器人的自主性和智能性提出了更高的要求，特别是在大规模 未知极限或复杂环境下，如深海探索、太空探索及核事故处理等领域，人类期望机器人能自主完成环境的探 索，并创建环境地图．因此，在未知环境中进行环境探索，并根据任务的不同同时构建相应的环境地图是自主 移动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(nextview)问题【11，即在已探测的环境中选取一个最好的观 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 器人必须解决如下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 中前两步可归为环境探索，第三步可归为地图构建，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旧1，该方法具有很大的随机性，研究人员必须考虑对随机点 的过滤和环境遍历等问题．为了提高机器人环境探索的效率，Yamauc“川提出了前沿探测理论，其基本思想 是将已知区域与未知区域的交界定义为前沿，探索过程中使机器人尽可能地驶向未知区域，并使期望的信息 增益最大，同时能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，被广泛采用旧“J．除此之外，Freda等¨1提出了利用前沿理论随机生成观测位置，并使候选位置趋 向于未探测区域的混合算法．该算法的核心思想是创建一个结构树，为树中的节点生成随机探测方向，在该 探测方向上选择候选观测点．这种方法可以使候选观测点分布于信息增益较大的边界上，提高了探测效率． 候选观测点的评估则主要通过建立一个效用函数∞“，8一¨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、机器人与目标点间的运动距离、探测未知区域面积(信息增益)、机器人运动损耗 等信息．早期的效用函数采用单一指标，如文献[1]采用最小运行距离作为评价候选观测点的参考指标．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1及非线性组 合一J，最小运行距离、信息增益和重叠率的加权平均‘1圳等． 机器人在对环境进行探索的过程中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 收稿日期：2013—07一叭 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：w”gdo“gshu@zzu．edu．cn． 第4期 王东署，等：未知环境中自主机器人环境探索与地图构建 53 2I．自主机器人未