基于非均匀地图构建和层次化数据关联的视觉定位方法

Vision localization technology is one of the key technologies for autonomous mobile robot. But there are still some problem in the reliability of the map building and data association at present. This project studies a kind of map construction method, which fusing the human visual system positioning mechanism, introduces non-uniform network structure in map construction, and studies the corresponding landmark positioning characteristic evaluation, hierarchical data and information transmitting. For the low reliability of the visual landmarks, the sematic analyzing and the positioning characteristic evaluation are proposed based on scene analysis, motion analysis and salience detection. For the problem that the map structure is not conducive to utilize the localization ability of the landmark and the poor ability of anti-jamming of the map, a non-uniform net map construction method based on the local world evolution model is proposed. For the problem of high computation complexity and low reliability of the global data association, a hierarchical positioning method with the capability of increasing position precision layer by layer is developed, and the corresponding hierarchical information propagation method is studied. This research is helpful to reveal the nature of promoting the localization ability, and to solve the problem of high reliable mapping and data association. The results can be applied to mobile robots, unmanned combat systems, unmanned vehicles, the exploration of unknown environments, extreme environmental search and rescue etc., to promote the development of related fields.

视觉定位技术是机器人实现自主移动的关键技术之一。但目前该技术在地图的可靠性构建和数据关联方面还存在问题。本项目深入研究一种融合人类视觉定位机理的地图构建方法，在地图构建中引入非均匀网络结构，并研究与之对应的地标定位特性评估、层次化数据关联与信息传播方法。针对视觉地标可靠性较低的问题，从场景解析、运动分析、显著性检测等方面对地标进行语义分析和定位能力评估；针对地图结构不利于发挥地标定位能力和地图抗干扰能力差的问题，提出基于局域世界演化模型的非均匀网络地图构建方法；针对全局数据关联运算量大及可靠性差的问题，提出根据地标定位能力逐级精确定位的层次化定位方法，并研究对应的层次化信息传播方法。该项研究有助于揭示提高系统定位能力的本质，解决复杂环境下地图的高可靠性构建和数据关联问题。成果可以应用到移动机器人、无人作战系统、无人驾驶汽车、未知环境探索、极限环境搜救等领域，推动相关领域发展。

视觉SLAM技术是移动机器人实现自主定位的核心技术之一，有广泛的应用需求，但由于环境视觉信息复杂，导致定位可靠性得不到保障，从而难以实用。本项目从地标定位能力和地图结构方面提高SLAM系统的定位能力，研究内容包括：（1）如何通过对地标的特性分析，区分不同地标的定位能力。（2）如何通过改进地图结构，加强地图对环境构造的描述能力，充分发挥不同地标的定位特性，从而增强地图的可靠性和鲁棒性。（3）如何解决地图信息沿机器人运动路径传播会产生误差累积，对大范围地图的全局一致性造成不良影响。（4）如何解决数据关联对环境结构信息的智能化利用较少，运算复杂度高且可靠性差的问题。..围绕上述问题，本项目提出如下解决方案：（1）对地标的显著性、稳定性、可辨识性等能够表征其定位能力的因素进行量化评估，为建立高可靠性地图提供前提条件。（2）根据环境的三维空间结构及地标的定位能力，建立对环境结构具有智能表征能力的非均匀网络地图，从而提高地图结构对外界干扰的抵抗能力。（3）针对全局数据关联的运算复杂度高和地标空间位置信息沿特定路径传播所带来的误差累积问题，提出基于图模型的层次化、网络化数据关联和信息传播方法。..通过上述研究，本项目取得以下研究成果：（1）在地标提取过程中引入地标定位特性评估，能够提高对不同地标定位能力的区分，为提高系统定位能力奠定基础。（2）根据地标几何距离和定位特性构建的非均匀网络地图，对环境结构在定位方面有更好的表达能力，大幅提高了地图的可靠性和鲁棒性。（3）根据地标的定位能力和地图的结构特性，采用层次化的数据关联方法，大幅降低了匹配搜索和信息传递的运算复杂度，且提高了定位可靠性。