[发明专利]一种基于边缘的三维自主探索方法

说明书

技术领域

本发明属于人工智能以及计算机视觉领域，特别涉及一种基于边缘的三维自主探索方法。

背景技术

随着对于智能机器人的研究不断发展，利用机器人代替人对环境进行探索已经逐渐成为可能。需要解决的关键问题是机器人的室内自主探索方法。

机器人的室内自主探索，是指在不经人为干预的前提下，机器人完全自主决策和寻路，从起点出发，完成对整个未知环境的探索，并记录环境的地图信息。其中关键的问题是机器人无人为干预，如何决定自己下一步的目标点。通常这种问题采用基于边缘的算法来解决。

目前的机器人室内导航普遍采用的是由Yamauchi在1997年提出的基于边缘的方法。其主要的思想是：为了得到更多关于外界的新的信息，尽量移动到自由空间和未知空间的交界称为边缘的区域，通过令机器人每次移动到新的边缘的方式来不断探索整个环境。完整的探索过程描述如下：机器人以当前自身位置为起点，利用传感器扫描周围环境，找到若干边缘，挑选一个最优边缘，移动到该边缘，继续扫描新的未知区域，将新的信息添加到地图中，以这种方式不断完成地图的扩张。我们将这种策略称为基于边缘的探索策略。

采用栅格地图表示法，将整个空间划分为若干个相同大小的栅格，每个栅格中的值代表这个空间位置的状态是被占据的、空闲的、或者未知的。借鉴计算机视觉中边缘检测的方法来提取边缘，提取出的栅格被标记为边缘栅格。如图1a所示，这是一幅栅格地图，表示的是一段走廊，走廊的尽头分别有两扇敞开的门；图1b中是在1a中提取出的边缘栅格；图1c将这些边缘集合成了3个可能的目标点，记做目标点0,1,2，分别代表了两扇门和未探索的走廊。

目前研究人员所研究和实验的机器人平台，大多数是地面机器人，例如智能车，人形机器人以及其他一些功能性的机器人，这些研究取得了一定的成果，覆盖了人工智能以及图像识别等很多领域。然而对于一些特定的环境，仅依靠地面机器人难以完成对环境探索的任务。例如机器人所处的环境一般分为室外环境和室内环境。

相对于室外开阔的环境，室内环境中的智能体探索更具挑战性。首先机器人所处的环境更为杂乱和狭小，这为机器人避障增加了难度；其次在室内环境下，一般没有GPS等外部导航系统的支持，所以无法直接获取自身的位置信息。

其次，传统的基于边缘的探索策略存在着以下几个不足：第一，由于最初这个搜索策略的提出针对二维地面机器人，选用传感器为二维的激光传感器，所以该算法只适用于二维的探索，无法进行三维环境的自主探索；第二，现有搜索策略的搜索效率较低，借鉴计算机视觉中的边缘检测和提取算法，需要掌握整个地图的信息，遍历所有已知和未知区域栅格，搜索的时间代价太大，不适用于快速变化的环境和高效的探索任务；第三，现有算法无法满足动态的进行边缘搜索，往往需要飞向一个目标点，停下后，收集环境信息，再提取新的边缘，这会导致如图2所示的情况出现。

图2a中，机器人检测到一个边缘，并规划向该边缘移动，在移动过程中，在图2b时刻，机器人的探测区域已经覆盖了这个目标点，但此时由于还没有移动到该点，机器人会继续向该点移动，并不更新边缘情况，图2c中，机器人已经移动到该目标点，此时会继续提取新的边缘。但实际上，在机器人移动向该边缘的过程中，就已经发现，这个边缘并不是一个很好的边缘，因为它位于一片开阔空间的中间，此时应该在图2b时刻就重新探索新的边缘，并规划路径向新的边缘移动。

发明内容

本发明提供一种新的基于边缘的三维自主探索方法，能够提高边缘提取的效率，满足三维探索的需求，实现动态规划路径。

本发明通过以下技术手段实现：

一种基于边缘的三维自主探索方法，包含以下步骤：

S1，构建无人机平台，所述的无人机平台搭载主控CPU、飞行控制板、三维传感器，所述无人机还设有惯性测量单元IMU；选定探索空间的任意一点，启动无人机，并将该位置记录为无人机的起点；

S2，采用同时定位与构图算法进行无人机的定位，即利用三维传感器收集外界环境的三维信息，提取前后两帧的图像信息，求解所述两帧之间的相对运动矩阵，再通过惯性测量单元IMU进行EKF扩展卡尔曼滤波，求得精确的相对变换；结合三维传感器收集到的环境信息，进行机器人周围局部地图的构建，将局部地图信息利用三维栅格表示出来形成三维栅格地图；

S3，在所述三维栅格地图的基础上，利用三维传感器的测量数据，提取出传感器的测量轮廓，所述的测量轮廓是传感器返回的深度点组成的一个曲面；