人機(jī)交互環(huán)境下的主動(dòng)SLAM及相關(guān)問題研究.pdf

1、智能移動(dòng)機(jī)器人在家政服務(wù)、工業(yè)生產(chǎn)、勘探搜救以及軍事等諸多領(lǐng)域都有著廣泛的應(yīng)用前景。在未知環(huán)境中，移動(dòng)機(jī)器人準(zhǔn)確地建立環(huán)境地圖，并同時(shí)利用地圖實(shí)現(xiàn)準(zhǔn)確的自定位是實(shí)現(xiàn)移動(dòng)機(jī)器人自治的關(guān)鍵技術(shù)，即同時(shí)定位與制圖(Simultaneous Localization and Mapping，SLAM)。傳統(tǒng)SLAM研究中，機(jī)器人通常以跟蹤預(yù)先指定路徑的方式移動(dòng);而主動(dòng)SLAM(Active SLAM)是指機(jī)器人自主規(guī)劃路徑并實(shí)現(xiàn)SLAM，它使移

2、動(dòng)機(jī)器人有能力實(shí)現(xiàn)完全自主。因此，主動(dòng)SLAM研究具有非常重要的意義，近年來得到了廣泛的關(guān)注。
　　現(xiàn)有的主動(dòng)SLAM研究均針對(duì)靜態(tài)環(huán)境，缺乏對(duì)動(dòng)態(tài)對(duì)象的識(shí)別與跟蹤，而實(shí)際應(yīng)用中機(jī)器人所遇到的環(huán)境大多為動(dòng)態(tài)環(huán)境，尤其對(duì)服務(wù)機(jī)器人而言還需要與被服務(wù)對(duì)象產(chǎn)生互動(dòng)（人機(jī)交互）。本論文提出了新的研究課題，即人機(jī)交互環(huán)境下的主動(dòng)SLAM研究，重點(diǎn)探索在有人引導(dǎo)的情況下服務(wù)機(jī)器人如何從最優(yōu)探索的角度智能規(guī)劃路徑以完成SLAM，并同時(shí)實(shí)現(xiàn)對(duì)引導(dǎo)

3、人的實(shí)時(shí)跟蹤。論文提出的主動(dòng)SLAM方法使用激光傳感器觀測(cè)環(huán)境并制圖，同時(shí)采用麥克風(fēng)陣列聲源跟蹤方式實(shí)現(xiàn)對(duì)引導(dǎo)人運(yùn)動(dòng)軌跡的跟蹤。圍繞論文研究中的相關(guān)問題，論文的主要工作和創(chuàng)新點(diǎn)如下:
　　1.針對(duì)激光傳感器數(shù)據(jù)特征提取問題，提出基于預(yù)測(cè)的特征提取算法，提取出環(huán)境中的直線段、圓弧等幾何特征。該算法模擬激光器觀測(cè)環(huán)境的實(shí)際過程，利用相鄰的若干數(shù)據(jù)點(diǎn)計(jì)算當(dāng)前數(shù)據(jù)點(diǎn)的預(yù)測(cè)位置，通過與實(shí)際數(shù)據(jù)點(diǎn)位置比較檢測(cè)出原始數(shù)據(jù)點(diǎn)集中的斷點(diǎn)和轉(zhuǎn)折點(diǎn)。與

4、傳統(tǒng)特征提取方法通常采用的分段-段內(nèi)特征分離的兩步驟架構(gòu)相比，本文提出的算法只需要一個(gè)步驟即可實(shí)現(xiàn)單個(gè)特征的全部分離，運(yùn)算速度和特征提取準(zhǔn)確率明顯提高。同時(shí)，該算法還具有無需事先估計(jì)激光器參數(shù)、每個(gè)特征的最小數(shù)據(jù)點(diǎn)數(shù)要求低等諸多優(yōu)勢(shì)。
　　2.提出麥克風(fēng)陣列混合聲源定位算法。傳統(tǒng)的SRP-PHAT(Steered ResponsePower-Phase Transform)算法具有精度高、抗噪聲/混響性能好等優(yōu)勢(shì)，但由于全空間搜索

5、其運(yùn)算速度難以滿足移動(dòng)機(jī)器人的實(shí)時(shí)性要求。本文提出的混合定位算法首先利用廣義互相關(guān)(Generalized Cross-Correlation，GCC)時(shí)延估計(jì)方法快速得到潛在聲源方位點(diǎn)集，然后提出環(huán)形聚類的方法從方位點(diǎn)集中計(jì)算出縮小了的搜索空間，并在其中進(jìn)行SRP-PHAT搜索得到聲源位置。本文提出的算法保留了SRP-PHAT算法的高精度和魯棒性，同時(shí)明顯地提高了運(yùn)算速度，使其能夠滿足移動(dòng)機(jī)器人實(shí)時(shí)性的要求。
　　3.提出SLA

6、M和聲源跟蹤(Sound Source Tracking，SST)融合實(shí)現(xiàn)的方法，利用擴(kuò)展卡爾曼濾波(Extended Kalman Filter，EKF)實(shí)現(xiàn)基于激光特征的SLAM，得到系統(tǒng)狀態(tài)估計(jì)和協(xié)方差矩陣，利用機(jī)器人位姿估計(jì)信息將局部坐標(biāo)系中的聲源狀態(tài)轉(zhuǎn)換到全局坐標(biāo)系，在全局坐標(biāo)系中利用粒子濾波(Particle Filter，PF)實(shí)現(xiàn)實(shí)時(shí)聲源跟蹤。將SLAM和SST相融合的研究在現(xiàn)有移動(dòng)機(jī)器人研究領(lǐng)域尚未被提出，本文首次提出

7、的SLAM-SST融合實(shí)現(xiàn)的方法為人機(jī)交互環(huán)境下的主動(dòng)SLAM建立了實(shí)現(xiàn)基礎(chǔ)，同時(shí)也為移動(dòng)機(jī)器人聽覺研究提供了新的思路和方法。
　　4.提出人機(jī)交互環(huán)境下的主動(dòng)SLAM方法，將主動(dòng)SLAM研究擴(kuò)展到動(dòng)態(tài)環(huán)境。針對(duì)有引導(dǎo)情況下的最優(yōu)路徑規(guī)劃問題，采用潛在目標(biāo)點(diǎn)集生成-效用函數(shù)選擇目標(biāo)點(diǎn)的框架實(shí)現(xiàn)，在生成潛在目標(biāo)點(diǎn)集和建立效用函數(shù)時(shí)均同時(shí)考慮了引導(dǎo)人的預(yù)測(cè)位置、機(jī)器人的位姿及已探索的環(huán)境范圍。使用激光傳感器提取幾何特征實(shí)現(xiàn)定位和制圖，