额感器在水下SLAM中作用与价值分析.pdfVIP

2017年IEEE国际机器人与自动化会议（ICRA）新加坡，至6月3日

额外传感器在水下同时定位与建图中的应用

11

RobertCodd‑Downey和MichaelJenkin

—同时定位与建图（SLAM）是实现真正自主机器人M3J1P3，{robert,jenkin}@cse.yorku.ca

的重要一步。对于存在较大估计问题的机器人，如在水面

上操作的GPS环境中的机器人，SLAM尤为重要，因为这

种环境中缺乏局部地标，使得SLAM和精确导航变得复杂。视

觉传感器已被证明是解决一般SLAM问题的有效工具，并具有

广泛的应用性，但在这种环境中，仅靠视觉是否足以解决

SLAM问题？其他传感器，如指南针和水柱深度，在解决水下

表面车辆的SLAM问题中有多重要？本文表明，在这种情况下，

的传感器几乎总是有助于提高SLAM性能，但指南针对于

水下表面车辆的SLAM尤其有用；这表明为这种机器人投资一

个指南针是值得的，当在既无GPS又无指南针的环境中操作自

主车辆时，应考虑使用指南针替代方案。

I.引言

机器人在环境中定位自身并同时创建该环境的表示

是机器人学领域的一个基本问题。这个问题通常被称为

同步定位与地图构建（SLAM），并在文献中受到了大

量关注。自SLAM早期（例如，[1]）以来，已经有许多

流行的数学（例如，EKFSLAM[2],、

GraphSLAM[3]和FastSLAM[4]）为SLAM问题提

供了概率解决方案的框架。尽管许多SLAM支持多

种传感器类型，但其他一些则针对单一传感器。这种单

一传感器的趋势可以在更现代的SLAM中看到，例

如PTAM[5]，它围绕单个视觉传感器使用稀疏特征重

新定义了其方法，MCPTAM[6]将这种方法扩展到多

个头。

本文所呈现的工作试图回答一个问题：将额外的传

感器类型集成到SLAM过程中是否会产生更好的结果？

显然，增加一个已经表现得尽可能好的系统的复杂性是

不切实际的。这只会帮助回答额外的传感器是否对性能

有害。一些传感器可能额外的数据，可以用来增加

生成地图的细节。例如，垂直安装的侧扫传感

器将为GMAPPING[7]等方法创建3D地图的能力。

红外相机可以有关环境中物体和表面的热信息。

1电气工程和计算机科学系，约克大学，多伦多，安大略省，

声纳传感器为自主水面车辆水深数据。所有这些传环境结构（地图）的模型。现代解决方案通常以概率形

感器都了关于环境的额外信息，可以用来增强生成式来表述SLAM问题，旨在构建并解决一个分布，该分

的地图；然而，问题仍然存在，这些传感器在SLAM上布代表在给定命令、传感器数据和植物模型的情况

下文中如何交互。为了使这个问题更加具体，考虑解决下地图和车辆轨迹的概率。在环境、传感器和植物模型

自主水面车辆（ASV）在视线范围内沿岸线操作且处于表现良好的情况下，SLAM通常被认为已经得到解决。

GPS拒止环境中的SLAM问题。这样的环境既存在于地然而，在非结构化和行为较差的环境中，使用弱植物模

球表面的自然/人工峡谷中，也存在于水库和储罐中。型时，仍然存在广泛的SLAM问题。以水下表面船只的

它们还存在于地球以外的地方，那里发现了湖泊，这