移动机器人仿生视觉导航关键问题研究

The latest research achievements about the navigation and localization mechanism in the brain of human and mammalian will be introduced into the research on the visual navigation for mobile robots from the physiology, neuroscience and computational biology communities, and new ideas and approaches will be proposed to deal with the challenges caused by the complex and large-scale unstructured environments.. 1) The mechanism of biologically inspired visual navigation is researched to build the computational models of several kinds of navigation cells and the cooperative interaction between them, which will establish the theory foundation for biologically inspired visual navigation.. 2) A biologically inspired visual odometry algorithm based on the computational model of grid cells is proposed to realize accurate path integration for mobile robots.. 3) A biologically inspired place recognition method based on Convolutional Neural Networks is proposed to improve the successful rate of loop closure detection.. 4) Biologically inspired visual simultaneous localization and mapping (SLAM) architecture and algorithms are proposed to improve the autonomous navigation ability for mobile robots in the complex unstructured environment.. Different from the famous RatSLAM and other current biologically inspired visual navigation methods, which are bionic only on the function, this research tries to realize biologically inspired visual navigation which is bionic both on the function and the mechanism, and it can provide certain theory foundation and technical support to make mobile robots really applicable in complex environments.

将生理学、神经科学、计算生物学领域关于人类/哺乳动物大脑导航定位系统的最新研究成果引入到移动机器人视觉导航问题研究中，提出应对复杂大范围非结构化环境给视觉导航带来的挑战的新思路和新方法。1、研究仿生视觉导航机理，建立各导航定位细胞的计算模型及其协同交互的计算模型，为实现仿生视觉导航奠定理论基础；2、提出基于网格细胞计算模型的仿生视觉里程计算法，实现机器人准确的路径积分；3、提出基于卷积神经网络的仿生地点识别方法，提高闭环检测的成功率；4、提出基于多导航定位细胞协同的仿生视觉同步定位与建图(SLAM)框架及算法，提高机器人在复杂非结构化环境中的自主导航能力。不同于知名的RatSLAM等现有方法仅在功能上仿生哺乳动物视觉导航定位，本项目的研究可同时在功能上和机理上实现对哺乳动物视觉导航定位机制的仿生，可为移动机器人走向复杂环境实际应用奠定一定的理论基础并提供技术支撑。

借鉴人类/哺乳动物大脑导航定位机制、导航定位方法，开展移动机器人仿生视觉导航研究，对提升复杂大范围场景下移动机器人的自主能力具有重要意义。项目组针对构建仿生视觉导航系统的若干关键问题开展理论和算法研究。.在移动机器人仿生视觉导航机理方面，提出了多导航定位细胞协同的仿生视觉SLAM框架。在仿生视觉里程计方面，设计和实现了基于吸引子网络的仿生视觉里程计算法，具有与传统视觉里程计算法相当的位姿估计精度。针对曼哈顿世界场景环境，设计和实现了引入消失点信息的视觉里程计算法，与现有主流算法相比，具有更高的消失点估计精度和位姿估计精度。在人工环境下基于结构特征的视觉里程计方面，设计和实现了基于点线面同类残差模型和异类残差模型的位姿估计算法，相比较先进的MPR方法，具有更高的位姿估计精度。针对点、线混合特征匹配，提出了基于图神经网络的点、线混合特征描述子HDPL（Hybrid Descriptor for Points and Lines），与经典描述子ORB相比能提高10%至40%的匹配精度。在基于深度学习的仿生地点识别/闭环检测上，提出结合高层图像语义信息与低层图像外观信息的闭环检测方法，在保证召回率不受太大影响的情况下，显著提升了闭环检测的精确率。针对点云配准，提出了仿生学启发的基于多头动态图神经网络的三维点云配准算法，性能超过目前最先进的SuperGlue算法，匹配召回率和准确率同时提高了近10%。构建了融合多信息和仿生闭环检测的视觉SLAM系统，以及面向移动机器人自主导航的视觉语义SLAM系统。.研究成果提升了项目组自主研制的轻量化单兵智能排爆机器人、小型搜救机器人等移动机器人系统的自主导航能力，参加首届武警“智卫杯”无人系统挑战赛、救援机器人国际国内比赛等高水平学术竞赛成绩优异。