[发明专利]基于免疫自适应遗传算法的机器人栅格子地图融合方法

说明书

技术领域

本发明涉及多移动机器人系统中各个机器人独立创建局部环境栅格子地图的融合方法。

背景技术

移动机器人在未知环境中自主完成各种智能任务的前提是机器人能够自主地不断探索、感知环境并逐步创建环境地图。多机器人系统可以完成单个机器人无法完成的复杂任务，如危险区域搜救、有毒物品处理和军事应用等。

分布式系统结构可充分发挥多机器人系统的鲁棒性，各机器人融合其自身所配置传感器获得的感知信息独立创建局部环境子地图，在适当时候，机器人融合其他机器人创建的局部环境子地图，实现信息共享，提高探索和感知环境的效率。何时及如何将局部环境子地图融合，是提高多机器人协同探索效率的一个关键问题。目前，对地图融合的研究已取得了一些成果，大多数的研究假设各机器人配置有全球定位系统或初始位置相近，机器人在探索过程中估计相对位置，在通讯全连通条件下，定期性地将局部环境子地图进行融合。

最近，研究者们开始研究更一般性的地图融合问题，即当各机器人的相对位置信息未知时，如何实现局部环境子地图融合，这一问题的解决，具有实际意义。如各机器人因为应用场合限制无法使用全球定位系统；各机器人的初始位置可能相距很远，无法确定全局坐标系，在探索过程中，当两个机器人达到通讯范围之内，但无法获得相对位置信息时，如能实现局部环境子地图融合，不仅能够尽早避免冲突，而且可以尽早在机器人之间实现信息共享，有效实现多机器人之间的协调探索，提高探索效率。

环境地图一般分为两类：栅格地图和拓扑地图，地图融合研究也分为两类。2005年《International.Journal of Robotics Research》(《机器人学研究国际期刊》)在24(8)：601-613发表的论文《Topological map merging》(《拓扑地图融合》)借鉴图匹配和图像配准算法，从图结构和图几何关系出发，搜索两个拓扑地图的重叠区域，实现拓扑地图的融合。2003年发表在《International Conference on Intelligent Robots and Systems》(《智能机器人及系统国际会议论文集》)212-217的论文《Map merging for distributed robotnavigation》(《用于分布式移动机器人系统导航的地图融合》)利用决策理论处理室内特征(如门、拐角和交叉点)的匹配，实现特征地图融合，拓扑地图多应用于结构化的室内环境。机器人在非结构化的应用环境中，大多采用栅格地图，栅格地图易创建、易进行路径规划、导航等任务，特别适合于环境特征难于提取的场合，2000年发表在《Proceedings of IEEEInternational Conference on Robotics and Automation》(《IEEE机器人学及自动化国际会议论文集》)321-328的论文《A real-time algorithm for mobile robot mapping withapplications to multi-robot and 3D mapping》(《移动机器人地图创建实时算法及其在多机器人三维地图创建中的应用》)的研究虽然假设各机器人的初始位置相互未知，但是假设各机器人可以在一中央机器人的全局地图上进行定位，由该中央机器人实现局部环境子地图的融合，通讯量大、存在单点故障等缺点。针对没有公共参考坐标系和机器人相对位置信息未知情况下的栅格子地图的融合问题，2003年发表在《Proc.IEEE/RSJ InternationalConference on Intelligent Robots and Systems(IROS)》(《IEEE/RSJ智能机器人及系统国际会议论文集》)3232-3238的论文《A practical，decision-theoretic approach tomulti-robot mapping and exploration》(《一种用于多机器人环境建模与探索的决策理论实用方法》)做了开创性研究，提出两机器人互相向对方传递栅格地图，在对方的栅格地图上利用粒子滤波器进行定位，获得相对位置信息的估计，然后再进行栅格地图的融合，由于采用集结策略，影响探索效率。2006年在《Proceedings of the IEEE》(《IEEE论文集》)94(7)：1384-1397发表的论文《Merging occupancy grid maps from multiple robots》(《多机器人栅格地图融合》)则不考虑位置估计，把栅格地图的单元格是空闲或占有的情况用颜色表示，栅格地图表示为一个图，地图融合的问题就转化为将一幅图固定，另外一幅图作平移和旋转等平面变换TR:(t_x，t_y，θ)，直到两幅图的相同部分相重叠，利用随机游走搜索策略寻找最优的平移和旋转参数TR^*:(t_x，t_y，θ)^*，但随机游走搜索策略收敛速度低，寻优效率不高。