基于視覺的多機器人協作SLAM研究.pdf

1、移動機器人是機器人學的一個重要分支，可應用于未知環(huán)境探索、巡邏、服務等諸多領域。目前移動機器人技術還不成熟，多項關鍵技術需要改進，其中作為實現自主、智能移動機器人前提的即時定位與地圖構建(SLAM,Simultaneous Localization and Mapping)技術尤其需要進一步研究。本課題源于國家自然科學基金資助項目“基于局部不變映射的雙目移動機器人協作SLAM研究”，深入研究了基于視覺的多機器人協作SLAM及其相關技術。

2、主要內容包括以下幾個方面：
　　首先研究了多機器人系統及其任務分配算法。提出了一種基于UPnP(Universal Plugand Play)技術的多機器人系統UMRS(UPnP-based Multi-robot System)。該系統使得成員間具有互發(fā)現能力，避免了多機器人系統通常存在的單點故障、協作協議與底層通信耦合度高等問題。在此基礎上對多機器人任務分配技術進行了研究，提出一種適用于 MT-SR-TA類型任務分配問題的方法

3、CMRTA(CHNN-based Multi-robot Task Allocation)。
　　其次，研究了基于雙目視覺的自然路標提取與描述方法。針對SLAM過程中存在的作為路標的特征點過多而導致數據關聯復雜度高、準確度低的問題，提出一種以特征點的三維信息為基礎的路標提取方法。該方法從基于雙目視覺獲得的環(huán)境圖像中提取并匹配特征點，重建特征點對應的空間點的三維信息，并依據點間距離進行聚類分析得到若干點簇，將每個點簇整體作為一個路標

4、。為了便于進行路標間的快速匹配，達到數據關聯的目的，對路標進行標識，提出了一種路標描述符，論述了其生成方法和匹配過程。為了獲得合適的路標，本文對Mean Shift聚類算法進行了改進，通過最小點數、聚類半徑初始值、半徑增長幅度、最大聚類半徑等參數的調節(jié)，使得算法可以根據空間點具體的分布情況產生適當數量的不同尺寸的點簇。
　　再次，對基于視覺的SLAM進行了研究。針對基于EKF(Extended Kalman Filter)的SLA

5、M算法因為計算復雜度過高不適合大規(guī)模環(huán)境地圖構建的問題，提出了一種基于自然路標和局部地圖更新的NL-SLAM(Natural landmark and Local map based SLAM)算法。由于自然路標的使用，減少了位姿和地圖估計的誤差，同時因為路標數量的減少和局部地圖的使用，有效降低了計算復雜度。
　　最后，在以上工作的基礎上，進一步研究了基于視覺的多機器人協作SLAM。提出一種團隊共享路標信息的MR-vSLAM(Mu