网络机器人系统协同定位、标定与建图问题解耦及算法实现

Network robot system is a cross research field of intelligent space sensor network and service robot. As the bases of efficient and intelligent service, robot localization, sensor network calibration and environment mapping are three basic issues for network robot system to estimate it statement and to recognize its surroundings. The concept of simultaneous localization, calibration and mapping is raised in this project, and their coupled relations are analyzed and decomposed. The researches will be carried out in the following simple-to-complex way. Firstly, the double coupling of simultaneous localization and calibration is chosen, its joint conditional probability distribution will be analyzed and decoupled according to Bayesian and Markov properties, and the two decoupled items will be implemented under the framework of Rao-Blackwellized particle filter. Secondly, the tripe coupling of simultaneous localization, calibration and mapping will be analyzed and then the synergetic decoupling strategy will be designed. Finally, in order to fuse multi-information, two novel algorithms of federated particle filter and federated EKF filter will be designed and embedded into the Rao-Blackwellized particle filter framework. Under the framework the whole algorithm will be given for simultaneous localization, calibration and mapping. As a basic work for network robot system to provide high-performance service, the objective of this project is to develop both theory and application of network robot system.

网络机器人系统是智能空间传感器网络与服务机器人技术的交叉领域。机器人定位、传感器网络标定与环境建图是网络机器人系统自身状态估计和周围环境感知的三个基本问题，是其提供高效智能服务的基础。本申请项目提出网络机器人系统协同定位、标定与建图的概念，分析该问题的耦合关系并加以分解，展开由简到繁的递进式研究。首先，由协同定位与标定双耦合问题入手，分析其联合条件概率表示，探讨基于贝叶斯公式和马尔科夫特性的解耦策略，及各解耦项在Rao-Blackwellized粒子滤波框架下的算法实现；其次，分析协同定位、标定与建图三耦合问题并设计其解耦策略；最后，提出多源信息融合意义下嵌套新型联邦滤波算法的Rao-Blackwellized粒子滤波框架，给出该框架下网络机器人系统协同定位、标定与建图的完整算法。作为网络机器人系统提供高效服务的基础性工作，本项目研究成果对网络机器人系统理论成熟及应用推广具有一定促进作用。

网络机器人系统中机器人定位、传感器网络标定与环境建图是其自身状态估计和周围环境感知的三个基本问题。本项目针对网络机器人系统协同定位、标定与建图问题解耦与算法实现展开为期三年的研究，目前已经顺利完成了申请书的预定研究计划，并丰富和发展了原计划的研究内容。针对二维矢量地图、三维全息地图和街景地图等不同地图形式，以及室内Kinect网络机器人系统、室外无线传感器网络机器人系统以及室外GPS网络机器人系统三类不同形态的网络机器人系统协同定位、标定与建图问题中的关键技术展开针对性研究，研究成果具体包括：(1)对网络机器人系统的国内外研究进展进行了综述；(2)设计了基于提议分布选择的改进边缘粒子滤波算法；(3)对网络机器人系统中协同机器人定位与传感器网络标定问题进行建模与解耦分析，并在Rao-Blackwellized粒子滤波框架下基于改进的边缘粒子滤波算法进行算法实现；(4)对网络机器人系统中协同机器人定位、传感器网络标定与环境建图问题进行建模与解耦分析，并在Rao-Blackwellized粒子滤波框架下基于扩展粒子滤波和无味卡尔曼滤波算法进行算法实现；(5)针对室内Kinect网络机器人系统，进一步研究了Kinect传感器网络下的3D彩色点云场景配准与重建、室内3D场景物体标注、显著性区域与物品快速检测等问题；(6)针对室外无线传感器网络机器人系统，进一步探讨了WSN下的多机器人节能数据收集方法、WSN网络边界检测及多机器人WSN同时搜索与中继结盟等问题；(7)针对室外GPS网络机器人系统，进一步研究了GPS辅助矫正的机器人定位及街景地图构建方法。目前，本课题组已经达到了项目的预定研究目标，相关研究成果也初步应用于实际竞赛项目并取得科研竞赛获奖。作为网络机器人系统自身与环境感知及后续高效服务的基础性工作，本项目所取得的研究成果对网络机器人系统理论成熟及应用推广具有一定的促进作用。