面向室内场景的空地多机器人协作环境感知.docx

面向室内场景的空地多机器人协作环境感知 出，其中大部分方法都是基于被动的视觉传感器。Quattoni和Torralba提出了一种基于 单目视觉的场景识别模型[2]，它成功地结合了局部的和全局的判别信息；为了处理机器 人穿过相同的区域由于方向的变化而导致认知的失败，文献[3]提出了一种用于描述1〈同 场景的精简的全局特征；Cummins和Newman使用全景摄像头提出了一种基于图像特征 的地图构建算法t4]; Cadena等人[5]提出一种基于bag-of-words和条件随机场的立体视觉 系统很好的完成了场景认知任务。尽管被动的视觉传感器非常有效，并且被广泛的使用 在移动机器人导航任务中，但是它不能工作在黑暗的环境中，而且对于光照的变化非常 敏感。 除了采用视觉传感器进行场景认知以外，激光传感器也被广泛的使用。相比较于视 觉传感器，激光传感器具有更为广阔的视角，不受到光线条件的影响，同时它们可以提 供被测场景中物体的详细距离信息。大量小?同的深度传感器被幵发用于移动机器人获取 周围环境信息，例如2-D激光测距仪（例如SICK或Hokuyo)、PMD、Kinect以及Lecia HDS3000激光传感器等。在参考文献[6]中，采用2-D的深度图对3-D激光进行表述， 并在其中提取特征点用来表述场景从而完成认知任务；Magnusson等人提出了一个新 的场景认知算法，采用法方向分布变换作为3-D扫描数据的全局描述；Spin images是一 种经典的3-D激光特征描述方法，用于表述3-D点云的局部几何特征，然后通过匹配的 方式完成场景和物体的识别认知 四旋翼飞行器的研究热点主要有两个方面：（1)飞行控制算法的研究。主要目的 在于保证四旋翼飞行器具有稳定的飞行姿态，以及在受到外界干扰时可以保持飞行的稳 定性并快速回到预设的姿态。（2)基于四旋翼飞行器上配备的视觉、激光等传感器， 完成其自主导航、地图构建以及环境探索等功能。由于本文并未涉及四旋翼飞行器的姿 态控制算法的设计，因此主要针对上述的第二个方面给予讨论介绍。 四旋翼飞行器的悬停是其执行其他更为复杂任务的前提，有大量的论文在这方面做 出了很好的研究。文献[9]通过机载摄像头和IMU究成四旋翼飞行器自动悬停在指定标 志上方的任务。为了估计四旋翼飞行器的姿态，采用图像处理的方法对指定的标志进行 检测与估计。在标志检测部分采用了标志的几何特征作为约束条件检测出图像中标志的 位置，然后结合IMU数据，釆用几何形变分析估算出四旋翼飞行器与地面标志的相对 位姿，最后将获取的姿态信息传递给PID控制器，实时调整飞行器的运动姿态，完成自 主悬停的任务。采用两个同心圆作为标志完成飞行器的位置估计，实现其自主悬停的功 .能文中采用了图像处理中的区域增长算法对图像进行分割，并釆用图像矩究成标志 的识别，然后通过圆形标志的形变分析完成其相对位置估计，最后使用LQG-LT控制器 _ 2 - 大连理工大学硕士学位论文 实现了其自主悬停的任务。霍夫线变换和颜色分割算法被用来对人工构建的路面区域进 行提取，通过计算得到的路面边缘线完成四旋翼飞行器的高度和位置的估计，同时釆用 光流法来估算其相对于路面的速度，最后使用分层的控制策略完成了四旋翼飞行器的悬 停控制[11]。文献[12]中的四旋翼飞行器系统结合了基于视觉的飞行控制和基于前向立体 视觉的障碍物检测模块有效地完成了视觉定位、障碍物检测等问题。文中系统的关键在 于使用硬件时间戳电路同步了 IMU和视觉数据，有效的解决了 USB传输图像数据的延 迟问题，提升了基于视觉的位姿估计的准确性和鲁棒性。通过结合视觉和IMU信息估 算出飞行器在三维空间中的位置和速度信息，通过非线性控制器完成了自主悬停的任 务。视觉算法中采用了经典的Lucas-Kanade金字塔算法进行速度分析，同时通过对图像 中标志的几何分析得到了位置信息[13]。 为保证四旋翼飞行器与地面移动机器人长期的协同工作，需要四旋翼飞行器可以自 主的降落在地面移动机器人上，以减少四旋翼飞行器不必要的作业时间，同时可以为四 旋翼飞行器进行电力补充。SIFT(Scale Invariant Feature Transform)特征匹配的方法被用 来完成地面降落平台的标志检测，使用单应性技术和随机釆样一致性算法(Ransac)来估 计飞行器相对于降落平台的三维方位，然后将该信息反馈给飞行器的姿态控制器，从而 完成飞行器以期望的方位和速度降落到移动平台上的任务[14]。文献[15]采用机载的球面 相机和IMU获取四旋翼飞行器周围环境信息和自身的姿态信息，通过平均光流并结合 IMU姿态解算的数据，估算出四旋翼飞行器的相对运动状态，从而利用非线性PI控制 器完成了自主悬停的功能。为了完成垂直降落，文中采用