机器人地图创建的研究.pdfVIP

第 1 章 绪论 Chapter 1: Introduction 第一章 绪 论 Yangming Li Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China 1.1 论文选题及研究意义 移动机器人必须回答这样的问题：我周围的世界是什么样的？[1]在近来的 三十年间，机器人地图创建问题的研究是机器人学及人工智能领域内一个高度 活跃的研究方向，并且对以上问题做出了初步的回答。[1] 机器人地图创建的研究已经有很长的历史。在二十世纪八十年代和九十年 代初期，地图创建领域的研究主要集中在对地图描述方法的研究上，具体可分 为基于度量地图的方法和基于拓扑地图的方法。度量地图精细的描述了环境的 几何信息；拓扑地图则着重描述环境的连通性。度量地图的代表性研究是单元 格地图创建算法 （Occupancy Grid Mapping Algorithm）[2][3][4]，这种方法 将环境细致的划分为状态为空白或占用的单元格。这种算法被广泛的应用于机 器人系统之中。[5][6][7][8][9][10][11][12] 拓扑地图将环境表示为一组连 接起来的地点，其研究工作包括[13]、 [14]和 [13][14][15][16][17][18][19] [20][21][21][23][24]。事实上，度量地图和拓扑地图之间的区分并不是那么 的清晰：真正可用的拓扑地图中总是需要引入度量信息。 在同一时期，对地图创建系统的第二种分类法是将其分为世界中心地图和 机器人中心地图。世界中心地图是在全局坐标空间内表示地图。机器人中心地 图在度量空间内描述世界。比较而言，机器人中心地图容易创建，但是，它有 两个缺点：第一，它难以从已知的观测中推断详尽的观测；第二，如果不同地 点之间非常相似，机器人中心地图系统难以对他们进行区分。所以，在这两种 方法之间，世界中心地图更为常用。 从二十世纪九十年代开始，基于概率方法的机器人学逐渐成为了领域内研 究的主流方法。Smith、Self 和 Cheeseman 等人的一系列关于利用统计学方法 来同步的解决地图创建问题和定位问题的论文奠定了同步定位与地图创建 （SLAM：Simultaneous Localization And Mapping）问题研究的基础。自此后， 1 第 1 章 绪论 SLAM 问题的研究几乎成为了地图创建问题的代名词。[25][26] SLAM 问题早期 的研究多数采用了基于卡尔曼滤波算法族的方法。[27][28][29][30][31] [32][33]这些方法地图创建的结果通常为一个包含路标点位置和相应不确定度 的列表。随后，基于 Dempster 的极大似然法的方法被引入 SLAM 领域来解决所 谓的数据关联问题，也就是决定一组观测和一组路标点是否来源于相同的物理 特征的问题。[34][21][35][36][37]之后，注意到 SLAM 问题的结构与图论之间 的相似性，学者们提出了一系列基于图论的 SLAM 算法。[53][54]与此同时，学 者们发现了与协方差矩阵不同，SLAM 问题所对应的信息矩阵是天然稀疏的，特 别是在经过一定的预处理后，这种稀疏性更加明显，从而可以极大的简化 SLAM 问题的计算复杂度，所以，SLAM 领域中涌现出了大量的基于信息矩阵的方法。 这些方法的出现，将机器人地图创建问题的研究推到了一个前所未及的顶峰。 [38][39][40][41] 然而，真实世界是复杂的、动态的、充满了杂乱性；机器人的移动是不精 确的，受到环境条件、时间等诸多因素的影响，而观测总是充满噪声的，所以， 地图创建问题是复杂的。如何对真实不确定环境进行地图创建，仍然是一个没 有完全回答，而又一定要去回答的问题。[1] 本论文的研究来源于两个课题：国家自然科学基金重点项目 “月球探测系 统的建模、传感、导航和控制基础理论及关键技术研究”和美国国防