[发明专利]基于Kinect传感器信息融合的机器人全局栅格地图构建方法

摘要

一种基于Kinect传感器信息融合的机器人全局栅格地图构建方法，其特点是：1.移动机器人使用Kinect传感器采集环境信息并建立局部栅格地图；2.将地图中的栅格分为占用、空闲和未知三种状态，每种状态的不确定性用概率值来表示；3.对局部地图采用改进的D‑S证据理论算法进行信息融合；4.使用改进的D‑S对Kinect传感器信息进行融合得到机器人工作环境的全局栅格地图。本发明可以实现机器人对周围环境的检测并能够快速、精确地建立全局栅格地图。

主权项

1.一种基于Kinect传感器信息融合的机器人全局栅格地图构建方法，其特征在于：该方法包括有以下步骤：步骤(1)：移动机器人使用Kinect传感器采集环境信息并建立局部栅格地图；步骤(2)：使用概率值表示每个栅格占用状态、空闲状态和未知状态的置信度；步骤(3)：对利用Kinect传感器建立全局地图初期栅格状态特点对D‑S证据理论进行改进并将其用于传感器信息融合；步骤(4)：使用改进的D‑S证据理论对Kinect传感器信息进行融合得到机器人工作环境的全局栅格地图；所述步骤(3)根据Kinect传感器建立栅格地图的特点，利用改进的D‑S证据理论算法对多幅局部地图进行融合，完成一次环境检测后得到的某栅格的状态为m1，原地图上该栅格的状态为m2；先判断栅格的整体状态，对其进行整体融合已提高融合效率，然后对部分栅格的融合采用Murphy方法解决冲突较大的问题；当m1为未知时，若m2为未知，则融合结果为未知；若m2为空闲，则融合结果为未知；若m2为障碍，则融合结果为障碍；即当完成一次环境检测后，检测到某栅格为未知区，那么将保留原地图中该栅格的状态；当ml为空闲时，若m2为未知，则融合结果为空闲；若m2为空闲，则融合结果为空闲；若m2为障碍，则融合结果需要调用改进的D‑S证据理论的信息融合算法；即当完成一次环境检测后，检测到某栅格为空闲区，当原地图中该栅格为未知区时，则将该栅格改为空闲区；当原地图中该栅格为空闲区时，则保持不变；当原地图中该栅格为障碍区时，则说明检测结果发生冲突，需要用改进的D‑S证据理论的信息融合算法进行融合；当ml为障碍时，若m2为未知，则融合结果为障碍；若m2为空闲，则融合结果为障碍，则融合结果需要调用改进的D‑S证据理论的信息融合算法；若m2为障碍，则融合结果需要调用D‑S证据理论的信息融合算法；即当完成一次环境检测后，检测到某栅格为障碍区，当原地图中该栅格为未知区时，则将该栅格改为障碍区；当原地图中该栅格为空闲区时，则说明检测结果发生冲突，需要用改进的D‑S证据理论的信息融合算法进行融合；当原地图中该栅格为障碍区时，因为不同距离检测到的障碍区置信度也不同，为提高障碍区的置信度，采用改进的D‑S证据理论的信息融合算法进行融合；改进的D‑S证据理论融合算法如下：采用Murphy方法先对几条规则进行平均，用平均证据代替原来的证据，最后再利用Dempster规则组合这些证据；改进的D‑S证据理论融合算法如下：采用Murphy方法先对几条规则进行平均，具体公式如下：m(Θ)＝(m1(Θ)+m2(Θ))/2 (1)m(E)＝(m1(E)+m2(E))/2 (2)m(O)＝(m1(O)+m2(O))/2 (3)上述公式中m(Θ)表示栅格为未知状态的概率值，m(E)表示栅格为空闲状态的概率值，m(O)表示栅格为障碍状态的概率值；用平均证据代替原来的证据，这样就可以降低证据体之间的较大冲突，最后再利用Dempster规则组合这些证据；公式如下：K＝m(O)m(E)*2 (4)m(E)＝(m(E)m(E)+m(E)m(Θ)*2)/(1‑K) (5)m(O)＝(m(O)m(O)+m(O)m(Θ)*2)/(1‑K) (6)m(Θ)＝1‑m(E)‑m(O) (7)上述公式中K表示冲突因子，K的大小反映了证据之间的冲突程度。