基于2.5D地图及关键帧松耦合的同步定位与建图研究

For the difficulty in directly performing semantic objects 3D geometric modeling in the SLAM problem, the project plans to use a group of well-differentiated RGB-D key data frames to model each semantic object. By parameterizing the location of each key frame and maintaining the relative independence of each key frame in the SLAM estimation process, the relative positions among the key frames get accurate with the SLAM estimation process, so that all the key frames together can accurately express the 3D geometric information of the semantic object and then the above strategy of key frames’ loose coupling realizes the semantic object’s 3D geometric modelling, which will be used to create a 3D semantic map to support the service robot for environmental interaction. For the basic demand from autonomous navigation of service robots, the project plans to simultaneously create an environment 2D grid map, which forms a 2.5D hybrid map with the sparse 3D semantic map. For the problem that patterns of the two maps in the hybrid map are very different, based on theoretical analysis the project will study a RBPF-based 2.5D map integration estimation method to ensure the consistency of 2.5D map accuracy. The 2.5D map has the advantage of high efficiency of map representation while supporting the robot's autonomous navigation and environmental interaction. Therefore, the research in this project has important theoretical significance and application value.

针对SLAM问题中直接进行语义目标3D几何建模困难的问题，项目拟针对每个语义目标，在对一组具有充分差异性的RGB-D关键数据帧进行位置参数化表示的基础上，通过维持各关键帧在SLAM估计过程中相对独立，使得各关键帧相对位置随着SLAM估计而渐趋准确，从而各关键帧组合起来可准确表达语义目标的3D几何信息，实现上述基于关键帧松耦合策略的语义目标3D几何建模，和支持创建满足服务机器人环境交互要求的3D语义地图。针对服务机器人基本的自主导航需求，项目拟同时创建环境2D栅格地图，其与稀疏的3D语义地图构成复合的2.5D地图，针对该复合地图中两个地图模式差异巨大的问题，项目将在理论分析的基础上，研究基于RBPF的2.5D地图一体化估计方法，从而保证2.5D地图估计精度的一致性。该2.5D地图在具有支持机器人自主导航和环境交互能力的同时具有地图表达效率高的优势，因而项目研究具有重要的理论意义和应用价值。

在SLAM问题中，研究能够表达语义物体外形结构的3D几何建模的方法、以及创建物体级地图具有重要的理论意义和应用价值。本课题在研究从RGB-D数据中检测3D物体的基础上，采用了基于松耦合的关键帧进行物体几何建模的方法。并且项目在SLAM框架下，研究了同时采用长量程2D laser scanner与短量程RGB-D传感器的情况下，创建2.5D半语义混合地图的方法。在此过程中，项目使用通用图优化方法g2o同时对2D几何地图和3D物体地图进行联合优化。通过对以上问题的理论研究与实验验证，项目所创建的2.5D半语义混合地图可以应用于大范围室内环境，能够同时为机器人的自主导航和环境交互提供支持。另外，在项目支持下，团队研究了大范围环境的3D重建，进而研究了基于3D重建实现快速物体标注的方法。项目的研究内容构成一个初步的功能生态链，为未来进一步的研究提供理论和技术支撑。