基于激光測距儀全局匹配掃描的SLAM算法研究

葛艷茹，張國偉，沈宏雙，孫溫和

(上海電力學院 自動化工程學院，上海 200090)

基于激光測距儀全局匹配掃描的SLAM算法研究

葛艷茹，張國偉，沈宏雙，孫溫和

(上海電力學院 自動化工程學院，上海 200090)

針對傳統(tǒng)的SLAM(Simultaneous Localization and Mapping)算法構建地圖時容易受環(huán)境因素和外界條件的的影響，在非線性系統(tǒng)狀態(tài)下誤差修正能力不足，且當機器人位姿都處于未知狀態(tài)時，移動機器人位姿獲取不精確，地圖構建SLAM技術特征量的獲取比較繁瑣、不準確等問題;以電力巡檢機器人為平臺，研究了基于全局匹配的掃描算法,摒棄傳統(tǒng)的柵格地圖模型的插值方法，采用雙線性濾波的插值方法，保證子柵格單元的精確性，估算柵格占用函數(shù)的概率和導數(shù);最后采用此算法解決了SLAM地圖構建的問題，并分別在室內(nèi)室外環(huán)境進行實驗;實驗結果表明：基于激光測距儀的全局匹配掃描的SALM算法，在室內(nèi)室外兩種不同環(huán)境下，不受復雜背景的影響，準確地進行機器人位姿定位，以及環(huán)境地圖的構建。

激光測距儀；全局匹配掃描算法；同步定位及地圖構建；巡檢機器人；位姿定位

0 引言

地面自主移動機器人是智能機器人領域的一個重要研究方向[1]，機器人的自主移動成了當下一大熱點。隨著移動機器人的作業(yè)環(huán)境變的越來越復雜和非結構化，作為實現(xiàn)移動機器人自主運動的關鍵技術之一，SLAM技術已成為越來越重要的基礎性難題，引起了眾多學者紛紛對其進行研究。文獻[2]基于改進粒子濾波的SLAM算法研究，針對粒子退化和粒子耗盡提出了兩種不同的粒子改進算法，提高了算法的精確性，但是此算法需大量采樣粒子，工作量大，且頻繁采樣，會造成粒子的耗盡。文獻[3]基于CEKF的SLAM算法研究與分析，對CEKF算法進行了研究，事實證明，機器人的運動速度和變化率會產(chǎn)生較大的定位誤差，并不可取。文獻[4]基于迭代平方根CKF的SLAM算法,提出了一種迭代平方根的CKF的改進算法，利用最新的觀測信息，降低CKF的估計誤差，但是此改進算法容易受環(huán)境因素的影響，地圖構建的精度還有所欠缺。文獻[5]基于匹配的SLAM的機器人定位系統(tǒng)研究，采用掃描匹配的方法對機器人定位系統(tǒng)進行分析，但是需要對每一次掃描進行處理，大大增加了計算量。所以，本文采用基于激光測距儀的全局匹配掃描算法進行SLAM研究，旨在準確實現(xiàn)機器人的位姿定位，提高地圖構建的準確性，最后在電力巡檢機器人的平臺上對此算法進行實驗驗證，用以驗證算法的可行性。

1 激光測距全局匹配掃描的SLAM算法

全局匹配掃描的SLAM算法是一種掃描匹配算法，將當前的掃描與全局地圖匹配，通過計算剛體變換解來獲得機器人當前位姿，包括地圖描述，掃描匹配，多分辨率地圖3個部分。

1.1 地圖描述

傳統(tǒng)的占用柵格地圖模型無法通過插值和微分的方法進行直接計算，無法實現(xiàn)要求的精確度，論文摒棄此種插值方法，采用雙線性濾波的插值方法，既能保證子柵格單元的精確性，又能估算柵格占用函數(shù)的概率和導數(shù)。首先給出一個連續(xù)的坐標點，通過公式(1)，公式(2)，公式(3)計算出柵格地圖的組成單元的占用值M(Pm)。

通過x-y軸坐標系進行線性插值得到:

(1)

其微分可以近似表示為：

(2)

(3)

1.2 掃描匹配

掃描匹配過程是當前激光掃描與參考激光掃描進行匹配,或者與機器人當前的地圖進行匹配?，F(xiàn)代的激光掃描傳感器具有精度高和高頻率的特點。因此，設法將激光掃描高效匹配就有可能獲得很精確的結果。論文所采用的方法是將激光束的終點集和目前已知的地圖盡可能地匹配。通過這種方法，沒有必要再尋找激光束終點之間的數(shù)據(jù)關聯(lián)。

論文采用式(4)求解ξ=(px,py,ψ)T，即:

(4)

通過這種變換從而最有效地將當前激光掃描和現(xiàn)有地圖相匹配。其中，Si(ξ)是世界坐標下機器人坐標ξ的函數(shù)，激光終點Si=(Si,x,Si,y)T是環(huán)境特征在世界坐標下的坐標，函數(shù)M(Si(ξ))返回坐標點Si(ξ)被占用的概率值，給定某一初始的ξ，可以通過式(5)估計Δξ的值:

(5)

解出Δξ需要使用高斯—牛頓等式解決如下化簡問題：

(6)

通過等式(6)我們可以得到:

(7)

R=Var{ξ}=σ2·H-1

(8)

σ是一個尺度因素，它和激光掃描器的屬性有關。

1.3 多分辨率地圖

論文采用多分辨率地圖方式來解決基于梯度算法的方法可能會陷入局部極小值的問題，類似于計算機視覺中的圖像金字塔方法，選擇性的使用多層占有柵格地圖，這些柵格地圖的分辨率逐層減半。內(nèi)存中存放了不同的地圖，通過對激光掃描匹配得到的位姿估算值對這些地圖進行實時更新。這一過程不僅保證了地圖的連續(xù)性，同時又減小了向下采樣帶來的代價消耗。激光匹配過程開始用分辨率最低的那張地圖，得到近似的位姿估算值，被當做下一次位姿估計的初始值。該方法會產(chǎn)生一種有益的伴隨作用，可以立即得到粗糙的圖像，進而可以用于路徑規(guī)劃和機器人導航等應用。

2 巡檢機器人SLAM實驗

2.1 實驗流程

論文采用柵格地圖作為輸出地圖，初始化地圖尺寸和初始分辨率，將激光數(shù)據(jù)導入論文提出的全局匹配算法，實現(xiàn)地圖的實時構建與機器人的定位，具體流程如圖1所示。

圖1 基于全局匹配的SLAM算法實現(xiàn)流程圖

2.2 實驗平臺

本次機器人定位和地圖構建是以電力巡檢機器人為平臺，此平臺包括硬件和軟件平臺。

硬件平臺：激光測距儀，云臺攝像機，控制主板等。如圖2所示。

軟件平臺：Window系統(tǒng)下用vc2013版本開發(fā)工具開發(fā)，并用到機器人領域的MRPT(Mobile Robot Programming Toolkit)工具。

2.3 SLAM實驗結果

論文分別對全局匹配算法進行了室內(nèi)和室外環(huán)境實驗，以便觀察環(huán)境的改變對機器人位姿確定和地圖構建產(chǎn)生的影響。首先通過遙控方式使電力巡檢機器人運動一定范圍，同時打開激光測距程序實時采集數(shù)據(jù)，并將數(shù)據(jù)導入論文的全局匹配算法，進行同步定位與構圖。

室內(nèi)環(huán)境：室內(nèi)環(huán)境如圖3所示，根據(jù)室內(nèi)環(huán)境設置輸出柵格地圖尺寸為100 m×25 m，分辨率為0.1 m×0.1 m。通過遙控的方式指引電力巡檢機器人平臺在室內(nèi)運動，采集數(shù)據(jù)進行定位與構圖。

圖2 巡檢機器人平臺 圖3 室內(nèi)環(huán)境

室內(nèi)構圖結果：通過MRPT編程工具箱GUI(圖形用戶界面)顯示構建地圖結果如圖4所示。

圖4 室內(nèi)環(huán)境地圖構建

圖4中的閉合曲線表示機器人實際運行路徑，其他點集表示室內(nèi)地圖特征。通過該圖可以清晰的看出室內(nèi)的特征，可見，全局匹配掃描算法的SLAM地圖構建在室內(nèi)環(huán)境準確的定位了機器人位姿，準確的構建出所處室內(nèi)環(huán)境地圖。

室外環(huán)境：設置輸出柵格地圖尺寸100 m×100 m，分辨率為0.2 m×0.2 m。通過遙控方式控制電力巡檢機器人平臺走出一條折現(xiàn)路徑，并采集數(shù)據(jù)進行定位與構圖。

圖5 室外環(huán)境

室外構圖結果：通過MRPT編程工具箱GUI(圖形用戶界面)顯示構建地圖結果如圖6所示。

圖6 室外柵格地圖

圖6中曲線a表示機器人實際運行路徑，其他點集表示當前室外環(huán)境特征。將室外場景和機器人構建的地圖對比可知，該圖清晰地反映了室外折角的特征。由圖(4)和(5)不難發(fā)現(xiàn)，無論是在室外還是室內(nèi)環(huán)境中，全局匹配的掃描算法都能準確地獲取機器人位姿，準確地構建當前環(huán)境地圖。

3 結束語

本文研究了基于激光測距儀全局匹配的的SLAM解決方案，并針對室內(nèi)室外兩種環(huán)境下，利用巡檢機器人平臺，對全局匹配算法進行了實驗驗證。實驗結果表明：室內(nèi)室外兩種不同的環(huán)境，都能夠準確的定位機器人的當前位姿，構建的地圖都清晰的反映了當前的環(huán)境，可見，環(huán)境的復雜程度并不會對全局匹配的SLAM研究造成很大的影響。以后將在論文的基礎上，繼續(xù)研究機器人的自主導航工作。

[1] 張會麗. 地面自主移動機器人路徑規(guī)劃算法研究[D]. 杭州：浙江大學，2013.

[2] 周旭. 基于改進粒子濾波的SLAM算法研究[D]. 南京:南京理工大學, 2014.

[3] 雷碧波. 基于CEKF的SLAM算法研究與分析[J]. 工業(yè)控制計算機, 2015, 28(10):14-16.

[4] 高 偉, 張 亞, 孫 騫,等. 基于迭代平方根CKF的SLAM算法[J]. 哈爾濱工業(yè)大學學報, 2014, 46(12):120-124.

[5] 杜釗君, 吳懷宇. 基于激光測距與雙目視覺信息融合的移動機器人SLAM研究[J]. 計算機測量與控制, 2013.21(1):180-183.

[6] 魏紹清. 基于EKF-SLAM算法的室內(nèi)移動機器人一致性研究[D]. 石家莊：河北科技大學，2013.

[7] Cooper A J. A comparison of data association techniques for Simultaneous Localization and Mapping [J]. Massachusetts Institute of Technology, 2006.

[8] Zhang Z. Iterative point matching for registration of free-form curves and surfaces[J]. International Journal of Computer Vision, 1994, 13(2): 119-152.

[9] 張 琦. 移動機器人的路徑規(guī)劃與定位技術研究[D]. 哈爾濱：哈爾濱工業(yè)大學，2014.

[10] 曲麗萍. 移動機器人同步定位與地圖構建關鍵技術的研究[D]. 哈爾濱：哈爾濱工程大學，2013，28(10):14-16.

SLAM Research of Global Matching Scanning Based on Laser Range Finders

Ge Yanru，Zhang Guowei，Shen Hongshuang，Sun Wenhe

(College of Automation Engineering, Shanghai University of Electric Power，Shanghai 200090，China)

Targeting to tackle those problems like traditional SLAM(Simultaneous Localization and Mapping) algorithm to construct a map easily affected by environmental factors and external conditions, in the condition of nonlinear system error correction ability is insufficient, and during environment map and robot pose are unkown state, mobile robot get inaccurate, map building SLAM technology for comparison of the characteristics of complicated and inaccurate. Inspection robot for power as a platform, based on matching scanning algorithm are studied, and instead of traditional grid map model interpolation method, using bilinear filtering interpolation method, ensure the accuracy of grid unit estimate the probability and the derivative of grid takes up function. Finally, adopt the algorithm solved the problem of the SLAM map building, and respectively in the indoor and outdoor environment for experiments. The experimental results show that the SLAM algorithm of global matching scanning based on laser rangefinder, the indoor and outdoor, two different from the complex background, the influence of robot positioning accurately, as well as the environment map building.

laser range finder; global matching scanning algorithm; SLAM; inspection robot; posture positioning

2016-07-08；

2016-07-25。

上海市電站自動化技術重點實驗室(13DZ2273800)。

葛艷茹(1991-)，女，碩士研究生，主要從事手勢識別在機器人上的應用方向的研究。

張國偉(1970-)，男,副教授,碩士生導師,主要從事信息檢測方向的研究。

1671-4598(2016)12-0198-02

10.16526/j.cnki.11-4762/tp.2016.12.056

TP242

A