一種面向目標(biāo)的環(huán)境模型及其構(gòu)建方法

吳云良　李鵬飛　毛秉智

環(huán)境地圖是機(jī)器人環(huán)境認(rèn)知并提供服務(wù)的基礎(chǔ)。以服務(wù)機(jī)器人為實際應(yīng)用背景，綜合應(yīng)用多傳感器數(shù)據(jù)，將環(huán)境中的具體目標(biāo)信息映射到利用SLAM技術(shù)創(chuàng)建的地圖中，生成面向目標(biāo)的環(huán)境模型。本文詳細(xì)介紹了該環(huán)境模型的表示、構(gòu)建和更新方法，并通過實驗證明該模型可有效地提高機(jī)器人的環(huán)境理解能力和工作效率。

The environment map is the basis for robot understanding surround and providing services. Take service robots for example， multi-sensor data are integrated and specific objects are rejected into the environment map called as object-oriented map using SLAM technology， the paper describes the representation， construction and update methods of the environment model. The experiments show that with the model， robot can effectively improve environment- understanding ability and working efficiency.

作為機(jī)器人的重要分支，服務(wù)機(jī)器人工作于家庭、醫(yī)院、辦公室等環(huán)境中，代替人完成一定的服務(wù)性作業(yè)或?qū)ι眢w不便者提供幫助。這樣的服務(wù)機(jī)器人往往工作于結(jié)構(gòu)化的室內(nèi)環(huán)境，對環(huán)境的理解比較容易。對于這種結(jié)構(gòu)化或半結(jié)構(gòu)化的環(huán)境描述方法研究較為廣泛，文[1]給出了基于幾何特征的同時機(jī)器人定位與環(huán)境建圖（simultaneous localization and mapping， SLAM）算法，文[2]給出了一種基于幾何特征的室內(nèi)服務(wù)機(jī)器人環(huán)境地圖表示方法，此外，一些表象地圖，如Bag-of-words[3]、FAB-Map[4]和Appearance-Map[5]被構(gòu)建出來，其實質(zhì)仍然是基于視覺特征的地圖描述；文[6]設(shè)計了Gamma-SLAM算法用于構(gòu)建環(huán)境的柵格地圖；文[7]提出了一種適于機(jī)器人在大規(guī)模室內(nèi)環(huán)境下自主導(dǎo)航的拓?fù)涞貓D；綜合考慮幾何和拓?fù)鋬煞N表示方法的優(yōu)缺點(diǎn)，研究者們創(chuàng)建了幾何-拓?fù)浠旌檄h(huán)境地圖[8-10]。然而，上述地圖模型都是面向機(jī)器人路徑規(guī)劃的，僅僅約束了機(jī)器人的可活動空間，而沒有融入操作物品和服務(wù)對象等必要信息，這種地圖難以滿足機(jī)器人家庭服務(wù)任務(wù)的需要。文[11]和[12]提出了用于實現(xiàn)環(huán)境分類和識別的語義地圖表示方法；文[13]提出了針對機(jī)器人環(huán)境及其中物品認(rèn)知的概念表達(dá)；文[14]提出了一種基于機(jī)器人服務(wù)任務(wù)導(dǎo)向的環(huán)境地圖；文[15]針對服務(wù)機(jī)器人任務(wù)需要設(shè)計了融合物品信息的環(huán)境地圖構(gòu)建方法。近年來，移動機(jī)器人同時定位與地圖創(chuàng)建方法（SLAM）越來越受到人們的重視，當(dāng)環(huán)境是動態(tài)或者未知情況時，SLAM可以很好地解決移動機(jī)器人的定位與導(dǎo)航要求。然而在服務(wù)機(jī)器人實際研發(fā)與應(yīng)用中，仍然面臨如下幾個問題：

（1）環(huán)境建模。服務(wù)機(jī)器人工作在復(fù)雜的環(huán)境中，只對環(huán)境進(jìn)行二維建模不能滿足任務(wù)的需要，提取環(huán)境的三維特征是提高服務(wù)機(jī)器人環(huán)境理解和智能程度的重要途徑。

（2）工作效率問題。由于服務(wù)機(jī)器人需要完成如取藥等緊急任務(wù)，在接收到指令后能否得到目標(biāo)在環(huán)境中的位置并及時找到目標(biāo)，是衡量服務(wù)機(jī)器人工作效率的重要指標(biāo)。

本文針對上述兩個問題，設(shè)計了一種面向目標(biāo)的環(huán)境模型表示方法，在進(jìn)行同時定位與地圖創(chuàng)建的同時，加入并行的視覺處理，提取三維環(huán)境和目標(biāo)的信息，并將視覺提供的目標(biāo)信息映射到環(huán)境地圖中，從而提高了服務(wù)機(jī)器人的環(huán)境理解能力和工作效率。

一、新型的面向目標(biāo)環(huán)境建模方法

1.1設(shè)計思想

如何充分地理解所處環(huán)境并確定自身和目標(biāo)在環(huán)境中的位置，是服務(wù)機(jī)器人提供各種服務(wù)的前提和基礎(chǔ)。一般的距離傳感器所獲取的知識都是對特定水平面的二維描述，難以描述環(huán)境中的立體物體，而且只通過距離傳感器提供的信息無法辨認(rèn)出環(huán)境中的物體具體是什么，而視覺傳感器提供的環(huán)境信息則相對更加豐富，特別是通過圖像處理算法得到的小物品如手機(jī)等是對特定平面環(huán)境特征的必要補(bǔ)充。通過視覺辨識并確定目標(biāo)物體在環(huán)境中的具體位置，使得機(jī)器人對環(huán)境中具體目標(biāo)及其相互位置關(guān)系更加明了，減少了機(jī)器人執(zhí)行任務(wù)時目標(biāo)搜索的環(huán)節(jié)，提高了機(jī)器人的工作效率。基于上述思想，為服務(wù)機(jī)器人設(shè)計了面向目標(biāo)的環(huán)境模型。本文所說的目標(biāo)指的是環(huán)境中服務(wù)機(jī)器人執(zhí)行任務(wù)時的操作對象。

1.2面向目標(biāo)的環(huán)境模型表示

面向目標(biāo)的環(huán)境模型由目標(biāo)特征庫、地圖信息庫和目標(biāo)映射表來表示，具體描述如下：

1.2.1目標(biāo)特征庫

目標(biāo)特征庫中保存了服務(wù)機(jī)器人的主要操作目標(biāo)的特征模板，這些特征主要是為服務(wù)機(jī)器人進(jìn)行目標(biāo)發(fā)現(xiàn)時提供依據(jù)，由于服務(wù)機(jī)器人主要依靠視覺傳感器發(fā)現(xiàn)目標(biāo)，所以目標(biāo)特征庫中存放的是目標(biāo)的圖像特征主要包括目標(biāo)的顏色特征、紋理特征、形狀特征等。按照集合論的觀點(diǎn)，目標(biāo)實際上可以看作由眾多的特征詞條構(gòu)成的多維信息空間。

向量空間模型（VSM）是應(yīng)用較多且效果較好的特征表示方法之一，借助于向量空間模型，目標(biāo)特征庫可被看作是由一組正交詞條向量所組成的向量空間，每個目標(biāo)表示其中的一個范化特征向量集。假設(shè)目標(biāo)特征庫為由m個目標(biāo)特征向量集構(gòu)成的向量空間S：

（1）

其中 表示第i個目標(biāo)的特征向量集合。假設(shè) 由 個特征向量子集構(gòu)成，即：

（2）

其中 表示第i個目標(biāo)的第j個特征向量子集。由（1）（2）可表示出所有目標(biāo)的特征。

目標(biāo)特征庫由機(jī)器人離線創(chuàng)建，并可以通過自學(xué)習(xí)不斷進(jìn)行更新，對目標(biāo)特征庫的更新主要包括增加、刪除和修改目標(biāo)特征向量集。

1.2.2地圖信息庫

地圖信息庫保存由服務(wù)機(jī)器人同時地位與地圖創(chuàng)建（SLAM）所生成的環(huán)境地圖，是機(jī)器人對其所在工作環(huán)境的抽象表述方式。目前研究的地圖表示方法主要有：柵格表示法、特征表示法和拓?fù)浔硎痉?。基于柵格的地圖表示方法將地圖劃分成一些大小相等的柵格，便于表示環(huán)境中的障礙物，有益于機(jī)器人的自主導(dǎo)航，但是隨著柵格的增多需要大量的存儲空間和計算時間。基于特征的表示方法利用稀疏的幾何特征來描述環(huán)境，表示更為緊湊。拓?fù)鋱D法采用一些關(guān)鍵的節(jié)點(diǎn)以及它們之間的相互關(guān)系來描述環(huán)境，但是環(huán)境中的特征很相似時，拓?fù)鋱D表示法很難將它們區(qū)分開，而且定位精度較低。

服務(wù)機(jī)器人往往工作在結(jié)構(gòu)化的室內(nèi)環(huán)境，基于線段的幾何環(huán)境特征能對結(jié)構(gòu)化室內(nèi)環(huán)境進(jìn)行有效的描述，因此可采用特征表示法來構(gòu)建地圖信息庫。

1.2.3目標(biāo)映射表

目標(biāo)映射表主要存放機(jī)器人操作目標(biāo)與環(huán)境地圖的映射關(guān)系表。在機(jī)器人進(jìn)行同時定位與地圖創(chuàng)建的同時，利用視覺對環(huán)境中物體進(jìn)行特征提取，并根據(jù)事先創(chuàng)建的目標(biāo)特征庫對視覺提取的特征進(jìn)行匹配，從而發(fā)現(xiàn)目標(biāo)，實現(xiàn)環(huán)境中的目標(biāo)定位，并將目標(biāo)信息與地圖信息進(jìn)行特征映射，從而在機(jī)器人內(nèi)部構(gòu)造操作目標(biāo)與環(huán)境地圖的映射關(guān)系，便于機(jī)器人快速直接的從環(huán)境中定位操作目標(biāo)。

1.3面向目標(biāo)環(huán)境模型的構(gòu)建

面向目標(biāo)模型的構(gòu)建依賴于多傳感器的并行工作，使用距離傳感器和位置傳感器來進(jìn)行傳統(tǒng)的機(jī)器人同時定位與地圖創(chuàng)建工作，實時地生成環(huán)境地圖信息庫，與此同時，并行工作的視覺傳感器進(jìn)行實時的圖像信息處理，提取出環(huán)境中物體的特征信息，與機(jī)器人離線創(chuàng)建的物體特征庫進(jìn)行特征匹配，一旦匹配到特征庫中的物體特征，則機(jī)器人認(rèn)為發(fā)現(xiàn)了該物體，并將此物體的相關(guān)信息與其所在的地圖信息進(jìn)行關(guān)聯(lián)影射，從而生成物體在地圖中的位置關(guān)系表，即目標(biāo)映射表。圖1為面向目標(biāo)的環(huán)境模型的構(gòu)建流程圖。

二、面向目標(biāo)環(huán)境建模的關(guān)鍵技術(shù)

技術(shù)層面上，與傳統(tǒng)的環(huán)境建模方法相比，面向目標(biāo)環(huán)境建模的關(guān)鍵技術(shù)主要包括同時定位與地圖創(chuàng)建、特征提取與匹配、目標(biāo)映射表與地圖信息庫的映射以及環(huán)境模型的維護(hù)與更新等。

2.1同時定位與地圖創(chuàng)建（SLAM）

同時定位與地圖創(chuàng)建問題可以描述為：移動機(jī)器人在未知環(huán)境中運(yùn)動時逐步構(gòu)建周圍環(huán)境的地圖，同時運(yùn)用此地圖對機(jī)器人位置和姿態(tài)進(jìn)行估計。研究SLAM問題是為了解決當(dāng)前在缺乏精確全局定位傳感器的情況下，依賴于機(jī)載傳感器（如里程計、聲納、激光及超聲等）來對機(jī)器人定位的問題。

2.2攝像機(jī)圖像特征提取與匹配

把視覺傳感器提供的原始數(shù)據(jù)從高維空間經(jīng)過某種映射或變換，用低維空間來表示其特征，這個低維空間的數(shù)據(jù)集合便稱為特征向量，獲取特征向量的過程稱作視覺特征提取。當(dāng)機(jī)器人執(zhí)行任務(wù)時，通過將特征庫中的目標(biāo)特征與實時提取的圖像特征進(jìn)行特征匹配，若匹配成功，則機(jī)器人認(rèn)為目標(biāo)定位成功。

圖像特征提取方式很多，可以只通過當(dāng)前圖像提取，也可以通過最近采集的幾針圖像提取。無論哪種方式，都需要從龐雜的原始數(shù)據(jù)集合中抽取出觀測對象的特征信息，常用的特征提取方法有：距離度量法、概率度量法、散度準(zhǔn)則法和最小熵特征提取法。

圖像特征匹配是將目標(biāo)特征向量與從實際圖像提取的特征向量進(jìn)行比較，當(dāng)滿足一定的近似關(guān)系時，則認(rèn)為匹配成功。但實際中由于特征匹配的結(jié)果受許多因素影響，比如物體遮擋、光照變化和噪聲干擾等，尤其是一個圖像的每個特征在另一個圖像中不一定都有對應(yīng)的匹配，因此找一個健壯的特征匹配算法是很重要的，下式為一種描述特征庫中第i個目標(biāo)特征向量與實際圖像特征向量相似程度的多尺度特征匹配相似度函數(shù)：

（3）

其中， 為式（2）中第i個目標(biāo)的第j個特征向量子集； 表示提取圖像特征的第j個特征向量子集； 為第i個目標(biāo)的特征向量所含特征子集的數(shù)目。 為第j個特征向量子集在整個特征集中的權(quán)重系數(shù)。需要注意的是：由于各個目標(biāo)本身的屬性不同，其在特征庫中保存的特征向量子集的數(shù)目 和權(quán)重系數(shù) 也可能不同。

2.3目標(biāo)映射表與地圖信息庫的映射

目標(biāo)映射表與地圖信息庫的映射是創(chuàng)建面向目標(biāo)環(huán)境模型的關(guān)鍵，成功的關(guān)聯(lián)映射涉及到正確的觀測與相應(yīng)的狀態(tài)變量匹配、探測和排除虛假觀測以及時空對準(zhǔn)等問題。本文采用拓?fù)錁浣Y(jié)構(gòu)來描述機(jī)器人工作環(huán)境中目標(biāo)和目標(biāo)、目標(biāo)和環(huán)境之間的位置關(guān)系。拓?fù)錁浣Y(jié)構(gòu)由節(jié)點(diǎn)和連接構(gòu)成，節(jié)點(diǎn)表示環(huán)境中的目標(biāo)，連接表示目標(biāo)之間的位置關(guān)系。一個家庭環(huán)境中水杯、手機(jī)、桌子和房間地圖的位置關(guān)系的拓?fù)錁浔硎救鐖D2所示。

2.4面向目標(biāo)環(huán)境模型的維護(hù)與更新

面向目標(biāo)環(huán)境模型主要由目標(biāo)特征庫、地圖信息庫和目標(biāo)映射表三部分構(gòu)成，對環(huán)境模型的維護(hù)與更新也主要針對這三部分進(jìn)行。目標(biāo)特征庫的更新與維護(hù)主要是服務(wù)機(jī)器人通過訓(xùn)練和學(xué)習(xí)，不斷修改自身的知識庫，屬于機(jī)器學(xué)習(xí)的范疇，已有較成熟的理論和算法支持。而在已有地圖信息庫中對已知環(huán)境地圖的機(jī)器人定位和對先驗地圖的修改也已有很多成功的應(yīng)用實例，下面主要說明目標(biāo)映射表的更新與維護(hù)。

面向目標(biāo)環(huán)境建模方法更加注重所建立的環(huán)境模型的實用性，在面向目標(biāo)環(huán)境模型下，服務(wù)機(jī)器人可快速的完成指定任務(wù)，但是由于實際環(huán)境是動態(tài)變化的，如前所述，目標(biāo)映射表主要存儲操作目標(biāo)與環(huán)境地圖之間的位置映射關(guān)系，對其進(jìn)行及時地維護(hù)與更新是保證服務(wù)機(jī)器人對環(huán)境進(jìn)行準(zhǔn)確理解的必要環(huán)節(jié)。對目標(biāo)映射表的更新與維護(hù)主要是更新一些映射關(guān)聯(lián)，當(dāng)機(jī)器人發(fā)現(xiàn)環(huán)境中的目標(biāo)位置發(fā)生改變時，取消原有目標(biāo)與環(huán)境地圖的關(guān)聯(lián)，并將該目標(biāo)連接到新的環(huán)境地圖中。

三、實驗

實際應(yīng)用中，服務(wù)機(jī)器人由中央控制單元控制里程計、激光測距儀和云臺攝像機(jī)三種傳感器并行工作，構(gòu)建面向目標(biāo)環(huán)境模型。通過里程計計算機(jī)器人的位置坐標(biāo)，結(jié)合激光傳感器獲取的水平方向環(huán)境信息，進(jìn)行同時定位與地圖創(chuàng)建。與此同時，云臺攝像機(jī)并行地辨識環(huán)境中的目標(biāo)物體，并將目標(biāo)信息映射到創(chuàng)建的地圖中。當(dāng)環(huán)境地圖創(chuàng)建完成時，環(huán)境中的目標(biāo)物體在的地圖中的位置信息庫也就構(gòu)建完成。

面向目標(biāo)環(huán)境模型建好之后，在服務(wù)機(jī)器人內(nèi)部形成完整的環(huán)境及目標(biāo)物體信息表示。當(dāng)機(jī)器人收到取物等命令時，只需從目標(biāo)映射表中找到該物體在環(huán)境中的位置，然后直接駛向目標(biāo)位置，克服了機(jī)器人在環(huán)境中四處搜索目標(biāo)的時間長、效率低的缺點(diǎn)。

實驗結(jié)果表明：

（1）通過構(gòu)建面向目標(biāo)的環(huán)境模型，服務(wù)機(jī)器人對環(huán)境空間的理解能力增強(qiáng)了，對目標(biāo)在環(huán)境中的位置關(guān)系更加明確。

（2）在進(jìn)行目標(biāo)搜索時，通過目標(biāo)映射表直接定位到環(huán)境模型中的相應(yīng)位置，避免了漫無目的的搜索，大大地縮短了任務(wù)執(zhí)行的時間，提高了效率。

四、結(jié)論

本文提出了一種新型的面向目標(biāo)的環(huán)境建模方法，該方法利用多傳感器信息，在同時定位與地圖創(chuàng)建的同時，使用視覺特征提取并與離線設(shè)計的目標(biāo)特征庫進(jìn)行匹配，獲取環(huán)境中的目標(biāo)信息，通過目標(biāo)映射表將目標(biāo)信息與地圖信息關(guān)聯(lián)起來。極大地提高服務(wù)機(jī)器人的環(huán)境理解能力和工作效率。

下一步的工作：

（1）將多傳感器提供的數(shù)據(jù)進(jìn)行更深入的數(shù)據(jù)融合，補(bǔ)償各自傳感器自身的不足，提高面向目標(biāo)環(huán)境模型的精度。

（2）探索更加有效的目標(biāo)表示形式，進(jìn)一步提高環(huán)境中目標(biāo)特征匹配的成功率。

參考文獻(xiàn)

[1]Piotr S. Simultaneous localization and mapping： A feature-based probabilistic approach. International Journal of Applied Mathematics and Computer Science， 2009， 19（4）：575-588.

[2]Rodriguez L D， Matia F， Galan R. Building geometric feature based maps for indoor service robots[J]. Robotics and Autonomous Systems， 2006， 54（7）：546- 558.

[3]Tom B， Steven M， Richard G. Bag-of-words-driven， single-camera simultaneous localization and mapping. Journal of Field Robotics， 2011， 28（2）：204-226.

[4]Mark C， Paul N. FAB-MAP： Probabilistic localization and mapping in the space of appearance. International Journal of Robotics Research. 2008， 27（6）：647-665.

[5]Paul E R， Stergios R， Maria G， et al. Appearance-based mapping using minimalistic sensor models. Autonomous Robots， 2008， 24（3）：229-246.

[6]Tim K M， Andrew H， Max B， et al. Gamma-SLAM： Visual SLAM in unstructured environments using variance grid maps. Journal of Field Robotics， 2009， 26（1）：26-51.

[7]石朝俠， 洪炳镕， 周彤， 等. 大規(guī)模環(huán)境下的拓?fù)涞貓D創(chuàng)建與導(dǎo)航[J]，機(jī)器人，2007，29（5）：433-438.

[8]Tomatis N， Nourbakhsh I， Siegwart R. Hybrid simultaneous localization and map building： A natural integration of topological and metric[J]. Robotics and Autonomous System， 2003， 44（1）：3-14.

[9]王珂， 王偉， 莊嚴(yán)， 等. 基于幾何-拓?fù)鋸V域三維地圖和全向視覺的移動機(jī)器人自定位[J]. 自動化學(xué)報， 2008， 34（11）：1369-1378.

[10]Blanco J L， Gonzalez J， Fernandez-Madrigal J A. Subjective local maps for hybrid metric-topological SLAM. Robotics and Autonomous Systems， 2009， 57（1）： 64-74.

[11]Vasudevan S， Gachter S， Nguyen V， et al. Cognitive maps for mobile robots—an object based approach， Robotics and Autonomous Systems， 2007， 55（5）：359–371.

[12]Vasudevan S， Siegwart R. Bayesian space conceptualization and place classification for semantic maps in mobile robotics. Robotics and Autonomous Systems， 2008， 56（6）： 522-537.

[13]Zender H， Martínez M O， Jensfelt P， et al. Conceptual spatial representations for indoor mobile robots. Robotics and Autonomous Systems， 2008， 56（6）： 493-502.

[14]吳皓， 田國會， 陳西博， 等. 基于機(jī)器人服務(wù)任務(wù)導(dǎo)向的室內(nèi)未知環(huán)境地圖構(gòu)建. 機(jī)器人， 2010， 32（2）：196- 203.

[15]Staffan E， Danica K， Patric J. Object detection and mapping for service robot tasks. Robotica， 2007， 25（2）： 175-187.

（作者單位：1. 瑞和安惠項目管理集團(tuán)有限公司 ；2. 秦皇島職業(yè)技術(shù)學(xué)院；3. 中信戴卡股份有限公司）