第34卷第11期自动化学报Vol.34,No.112008年11月ACTAAUTOMATICASINICANovember,2008基于几何{拓扑广域三维地图和全向视觉的移动机器人自定位王珂1王伟1庄严1孙传昱1摘要面向大规模室内环境,研究了基于全向视觉的移动机器人自定位.提出用分层的几何{拓扑三维地图管理广域环境特征,定义了不同层次的三维局部环境特征及全局拓扑属性,给出了分层地图的应用方法.构建了全向视觉传感器成像模型及其不确定性传播方法,使得地图中的概率元素能够在系统中有效应用.采用随机点预估搜索的方法提取环境元素对应的曲线边缘特征.用带反馈的分层估计方法在融合中心对多观测特征产生的相应估计状态进行总体融合.以分层逻辑架构设计实现了移动机器人交互式自定位系统.实验分析了真实环境中不同初始位姿和观测信息情况下定位系统的收敛性和定位精度,在考虑动态障碍物的遮挡情况下完成了机器人的在线环境感知和运动自定位任务.实验结果表明本文方法的可靠性和实用性.关键词自定位,几何{拓扑混合三维地图,全向视觉,人机交互中图分类号TP242.6OmnidirectionalVision-basedSelf-localizationbyUsingLarge-scaleMetric-topological3DMapWANGKe1WANGWei1ZHUANGYan1SUNChuan-Yu1AbstractTowardslarge-scaleindoorenvironment,anovelmetric-topological3Dmapisproposedforrobotself-localizationbasedonomnidirectionalvision.Thelocalmetricmap,inahierarchicalmanner,de¯nesgeometricalelementsaccordingtotheirenvironmentalfeaturelevels.Then,thetopologicalpartsintheglobalmapareusedtoconnecttheadjacentlocalmaps.Wedesignanonlinearomnidirectionalcameramodeltoprojecttheprobabilisticmapelementswithuncertaintymanipulation.Therefore,imagefeaturescanbeextractedinthevicinityofcorrespondingprojectedcurves.Fortheself-localizationtask,ahuman-machineinteractionsystemisdevelopedusingahierarchicallogic.Itprovidesafusioncenterwhichadoptsfeedbackhierarchicalfusionmethodtofuselocalestimatesgeneratedfrommulti-observations.Finally,aseriesofexperimentsareconductedtoprovethereliableandpracticalperformanceofoursystem.KeywordsSelf-localization,hybridmetric{topological3Dmap,omnidirectionalvision,human-machineinteraction移动机器人的自定位是机器人学中最为活跃的维特征的映射关系.研究分支之一[1].其中一种思路是通过分析传感器长期的实践表明,基于传感器融合且显式集成数据直接确定机器人位姿,如几何推理、基于Hough信息不确定性的自定位系统具有较高的性能.尽管变换的全局定位方法[2]等.这些方法无论用何种视文献[4]采用D-S模糊理论处理数据融合中的不觉传感器,都易受噪声影响;如果环境特征过于复杂,确定性,提出扩展开放空间(Extendedopenworld)数据关联问题还存在组合爆炸的可能.文献[3]用主解决组合证据间的冲突问题,但是基于贝叶斯框成分分析(Principlecomponentanalysis,PCA)方架的多传感器融合效果仍然是最好的[5].在此框法提取环境参考点处图像的整体\外观"特征,并进架下,联合概率数据关联滤波(Jointprobabilistic一步与环境信息库比较给出机器人位姿.虽然不需dataassociation¯lter,JPDAF)[6]以及多假设跟踪要抽取图像边缘等局部特