大范围户外非结构化环境下长时间视觉SLAM关键问题研究

In large-scale and outdoor unstructured environments, a bottle-neck problem which limits the practical application of mobile robots is that the long-term Simultaneous Localization and Mapping (SLAM) ability is insufficient. We apply the omnidirectional vision to research several key problems of the topological SLAM in large-scale and outdoor unstructured environments, and propose several new approaches to deal with the challenges of long-term visual SLAM.. 1, a novel visual feature for panoramic image named as PSI visual feature ring is proposed, which makes use of the imaging characteristic of omnidirectional vision, and combines the advantages of global and local visual features, so the requirements in persistence, salience, and informativeness can be met;. 2, a topological map with restrictions in orientation and position is proposed, and the topological map with correct topological structure and circa accurate metric information can be built incrementally, which is similar to the way how humans build the environment map, and is applicable in large-scale environments;. 3, the latest achievements about the episodic memory in cognitive science and neural science are introduced, and the spatio-temporal neural network which models the episodic memory is used to realize robot place recognition in large-scale environments, so the accuracy of loop-closure detection can be improved even with visual perceptional aliasing.. The research of this proposal is significant for improving the ability of long-term autonomy for mobile robots, and can provide certain theory foundation and technical support to make mobile robots really applicable in complex environments.

在大范围户外非结构化环境中，长时间可靠的同步定位与建图（SLAM）能力不足是制约移动机器人真正走向实际应用的瓶颈问题。本课题拟将全向视觉用于该环境下拓扑SLAM若干关键问题研究，提出应对长时间视觉SLAM所面临若干挑战的新方法。1、提取一种新的全景图像视觉特征—PSI视觉特征环图，充分利用全向视觉成像特性，兼具局部和全局视觉特征的优点，满足持久性、显著性和丰富性要求；2、提出带方位约束的拓扑地图，增量式地构建拓扑结构准确、几何尺度大致准确的环境拓扑地图，与人类环境建图方式相类似，适用于大范围环境；3、引入认知科学、神经科学领域中关于情节记忆的最新成果，将建模情节记忆的时空神经网络模型应用于大范围环境的机器人地点识别，提高存在视觉感知混淆情况下的闭环检测准确率。本课题研究成果对提高移动机器人的长时间自主能力具有极为重要的意义，能为移动机器人早日实用于复杂环境奠定一定的理论基础和提供技术支撑。

在大范围户外非结构化环境中，长时间可靠的同步定位与建图（SLAM）能力不足是制约移动机器人真正走向实际应用的瓶颈问题。本项目针对该环境下长时间视觉SLAM若干关键问题开展了深入研究，包括全景图像PSI视觉特征提取、透视不变特征变换（Perspective Invariant Feature Transform，简称PIFT）特征提取、带方位约束的拓扑地图构建、生物学启发的大范围闭环检测、带主动闭环和重定位的单目视觉SLAM、基于多彩色-深度（RGB-D）相机的视觉SLAM、基于多相机视觉SLAM的无人机自主导航等。重要研究进展包括：. 在视觉特征提取研究中，提出了满足持久性、显著性和丰富性要求的全景图像PSI视觉特征、鲁棒的透视不变特征变换PIFT特征提取方法；. 在拓扑地图构建研究中，提出了带方位约束的拓扑地图构建方法、基于网格细胞计算模型的仿生视觉里程计算法；. 在大范围闭环检测研究中，提出了基于自组织时空神经网络的地点识别方法、曼哈顿世界城市环境中的视觉几何自定位算法；. 在大范围长时间视觉SLAM算法研究中，提出了带主动闭环和重定位的单目视觉SLAM、基于多彩色-深度（RGB-D）相机的视觉SLAM；. 在视觉SLAM应用于小型旋翼无人机自主导航研究中，提出和实现了基于多相机视觉SLAM的无人机自主导航方案。. 本项目研究成果在地面救援机器人和小型旋翼无人机自主导航上得到了成功的应用，对提高移动机器人的长时间自主能力具有重要意义。. 在本项目支持/部分支持下，共出版学术专著2部、英文图书章节1章，发表SCI收录国际期刊论文4篇，EI收录国际会议论文16篇。