基于鲁棒优化的非友好环境多视角几何问题研究

在移动机器人、救援救灾和汽车辅助驾驶等需要实时定位算法的非友好环境下，由于物体运动、环境恶劣导致等因素而产生的数据扰动使得现有多视角几何算法鲁棒性较差。本项目针对非友好环境下的鲁棒定位与测量问题开展研究，旨在建立非友好环境下的鲁棒定位与三维重构算法。首先，在采用鲁棒优化理论的基础上，通过求解鲁棒优化可行性问题建立鲁棒野值点移除算法。其次，针对现有二阶锥优化方法求解三角测量问题对野值点敏感问题，采用区间法和范数法描述数据扰动，建立鲁棒三角测量算法和鲁棒单应估计算法，最终将野值点移除和鲁棒三角测量结合并应用于三维重构。该方法的优点是求解最坏情况下最好解，并能够保证理论上的全局最优解。研究结果将在室内环境下移动机器人平台和室外环境下家用汽车平台测试，提高算法可靠性。

本课题主要解决在非友好环境下的鲁棒定位与测量问题。我们针对实际问题中的野值点移除问题，三角测量问题和单应估计问题分别展开研究。其中利用鲁棒优化的最新研究进展，针对各种情况做出理论分析，得到了理论上的全局最优解。并且开发了鲁棒优化三角测量算法和鲁棒野值点移除算法。根据理论结果，分别在模拟数据集和实际数据集合分别进行了测试。最终，算法移植到实际机器人平台（PR2）和家用汽车平台进行了测试，取得了良好结果。在本项目资助下，出版专著一部，发表6篇学术论文，培养3名硕士研究生。