《掃地機(jī)器人視覺(jué)SLAM算法選擇與改進(jìn)（論文）10000字》

掃地機(jī)器人視覺(jué)SLAM算法選擇與改進(jìn)TOC\o"1-3"\h\u16134第1章緒論 第1章緒論1.1課題的研究意義及目的從上世紀(jì)60年代開始，世界各地越來(lái)越多的學(xué)者開始進(jìn)行機(jī)器人研究，隨著研究的不斷發(fā)展，機(jī)器人可在惡劣環(huán)境下工作、生產(chǎn)質(zhì)量穩(wěn)定和降低勞動(dòng)強(qiáng)度、有效提高產(chǎn)能等優(yōu)點(diǎn)逐漸凸顯出來(lái)，并在工業(yè)領(lǐng)域得到廣泛應(yīng)用。但傳統(tǒng)的機(jī)器人機(jī)械臂作業(yè)缺乏足夠的獨(dú)立性和自主性，而且靈活性和智能化程度偏低，無(wú)法自主移動(dòng)并完成工作。為了克服傳統(tǒng)工業(yè)機(jī)器人的這些缺點(diǎn)，學(xué)者們的研究重點(diǎn)逐漸轉(zhuǎn)向自主移動(dòng)機(jī)器人，要求自主移動(dòng)機(jī)器人可以在工作空間內(nèi)安全的運(yùn)動(dòng)，并且完成指定的任務(wù)。所以最近幾年來(lái)關(guān)于自主移動(dòng)機(jī)器人的研究成為了機(jī)器人研究領(lǐng)域的主要研究方向。為了跟上時(shí)代的步伐，我國(guó)在制定的“十一五”規(guī)劃和中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃中都把智能機(jī)器人技術(shù)作為重點(diǎn)發(fā)展方向，以家用機(jī)器人、危險(xiǎn)作業(yè)機(jī)器人和醫(yī)療機(jī)器人等作為主要突破口，從而以點(diǎn)帶面促進(jìn)相關(guān)產(chǎn)業(yè)的發(fā)展。因此在世界各國(guó)的產(chǎn)業(yè)重心從制造業(yè)像非制造業(yè)轉(zhuǎn)移的趨勢(shì)下，機(jī)器人技術(shù)的研究重點(diǎn)也從結(jié)構(gòu)式環(huán)境下工作的固定式機(jī)械臂、機(jī)械手轉(zhuǎn)向復(fù)雜非結(jié)構(gòu)式環(huán)境下自主移動(dòng)式平臺(tái)和機(jī)器人智能化。在這樣的潮流背景下，掃地機(jī)器人結(jié)合了傳統(tǒng)吸塵器與移動(dòng)機(jī)器人的優(yōu)點(diǎn)出現(xiàn)在市場(chǎng)上，它避免了傳統(tǒng)吸塵器需要由人操作且操作安放不方便、體積大、占用空間大的缺點(diǎn)，使環(huán)境清潔作業(yè)更加智能化和自動(dòng)化，逐漸成為高效高質(zhì)清潔的有效途徑。掃地機(jī)器人融合了傳感器技術(shù)、控制技術(shù)、計(jì)算機(jī)技術(shù)等許多學(xué)科的相關(guān)知識(shí)與最新研究成果，技術(shù)含量高，是一種智能環(huán)保的家用機(jī)器人，在家居生活越來(lái)越智能化的今天具有巨大的市場(chǎng)需求。隨著相關(guān)科學(xué)與技術(shù)的發(fā)展，掃地機(jī)器人將向著低成本、多功能、高智能的方向不斷進(jìn)步，并將出現(xiàn)在越來(lái)越多的家庭中，帶來(lái)更多的社會(huì)效益與經(jīng)濟(jì)效益。當(dāng)前市場(chǎng)上存在的掃地機(jī)器人產(chǎn)品按清掃類型分類主要分為隨機(jī)碰撞式和路徑規(guī)劃式兩種類型。隨機(jī)碰撞式掃地機(jī)器人采用隨機(jī)路線進(jìn)行清掃，清掃的同時(shí)會(huì)主動(dòng)檢測(cè)或被動(dòng)感知障礙物進(jìn)行避障。路徑規(guī)劃式掃地機(jī)器人在運(yùn)行過(guò)程中會(huì)建立環(huán)境地圖，可以通過(guò)地圖導(dǎo)航更加智能的完成清掃作業(yè)。隨著掃地機(jī)器人技術(shù)的進(jìn)步，出現(xiàn)了隨機(jī)碰撞式掃地機(jī)器人逐漸被路徑規(guī)劃式掃地機(jī)器人所取代的趨勢(shì)。路徑規(guī)劃式掃地機(jī)器人的核心技術(shù)之一就是SLAMCSimultaneousLocalizationandMapping）技術(shù)，而現(xiàn)有的掃地機(jī)器人產(chǎn)品中能夠?qū)崿F(xiàn)SLAM功能的掃地機(jī)器人價(jià)格昂貴，而且主要是一些國(guó)外品牌，因此對(duì)低成本、具有SLAM功能的掃地機(jī)器人的研究具有十分重要的意義。1.2國(guó)內(nèi)外掃地機(jī)器人與SLAM技術(shù)研究現(xiàn)狀1.2.1國(guó)外掃地機(jī)器人與SLAM技術(shù)研究現(xiàn)狀1.2.1.1國(guó)外掃地機(jī)器人研究現(xiàn)狀關(guān)于智能移動(dòng)機(jī)器人的研究己經(jīng)有很長(zhǎng)一段時(shí)間，但大多數(shù)研究更多的是在實(shí)驗(yàn)室環(huán)境下運(yùn)行，很難實(shí)用化，掃地機(jī)器人可以稱作是智能移動(dòng)機(jī)器人走出實(shí)驗(yàn)室進(jìn)入大眾市場(chǎng)實(shí)現(xiàn)實(shí)用化的先例。從1980年起，人們就開始研究可供家庭使用的掃地器人，隨著時(shí)間的推移和科技的進(jìn)步，市場(chǎng)上出現(xiàn)了很多產(chǎn)品，其中最具代表性的掃地機(jī)器人產(chǎn)品是美國(guó)iRobot公司推出的Roomba系列掃地機(jī)器人，Roomba系列掃地機(jī)器人是美國(guó)iRobot公司從2002年至今一直致力于研發(fā)生產(chǎn)的產(chǎn)品線，其中的兩款旗艦產(chǎn)品iRobotRoomba780和iRobotRoomba980分別代表了目前流行的兩類掃地機(jī)器人:隨機(jī)碰撞式掃地機(jī)器人和路徑規(guī)劃式掃地機(jī)器人。2012年，iRobotRoomba780掃地機(jī)器人獲得了德國(guó)設(shè)計(jì)協(xié)會(huì)DesignZentrumNordrheinWestfalen的“紅點(diǎn)設(shè)計(jì)榮譽(yù)提名獎(jiǎng)”。如圖1-2所示，它屬于隨機(jī)碰撞式掃地機(jī)器人搭載了iAdapt智能尋路技術(shù)，該技術(shù)是iRobot公司的專利技術(shù)，可以理解為一種集環(huán)境信息感知和路徑規(guī)劃為一體的技術(shù)，需要相關(guān)軟件和傳感器等硬件的支持。iRobotRoomba780工作時(shí)會(huì)對(duì)其機(jī)身自帶的紅外傳感器、液體和灰塵傳感器、清掃邊刷速度傳感器等各類傳感器進(jìn)行信息采集，通過(guò)將信息輸入掃地機(jī)器人控制系統(tǒng)獲得工作環(huán)境中障礙物的分布等信息，然后根據(jù)獲得的障礙物信息制定出清掃策略完成清潔作業(yè)。在iRobotRoomba780清潔作業(yè)的過(guò)程中，其采用的相關(guān)硬件設(shè)備和iAdapt技術(shù)能夠?qū)χ苓叚h(huán)境進(jìn)行每秒60次的信息采集，充分保證了障礙物信息獲取的及時(shí)性與準(zhǔn)確性，確定障礙物信息后還可以制定40多種不同的清掃策略，并且在運(yùn)行中還可以根據(jù)新采集的信息邊清掃邊調(diào)整清掃策略以獲得更好的清掃效果。圖1-2iRobotRoomba7802015年9月，美國(guó)iRobot公司發(fā)布了iRobotRoomba980掃地機(jī)器人，其外觀如圖1-3所示。iRobotRoomba980采用了單目攝像頭和車輪里程計(jì)等傳感器實(shí)現(xiàn)了視覺(jué)SLAM技術(shù)，使掃地機(jī)器人具備了環(huán)境地圖構(gòu)建和機(jī)身定位功能，并采用升級(jí)過(guò)后的iAdapt2.0技術(shù)進(jìn)行避障和路徑規(guī)劃。iRobotRoomba980的視覺(jué)SLAM技術(shù)使用車輪里程計(jì)獲得機(jī)身的差分運(yùn)動(dòng)估計(jì)，通過(guò)機(jī)身頂部斜向上的攝像頭獲得環(huán)境的圖像信息，然后通過(guò)視覺(jué)SLAM算法獲得環(huán)境地圖并確定機(jī)身在環(huán)境中的位置，此外iRobotRoomba980構(gòu)建環(huán)境地圖之后還可以記錄各環(huán)境區(qū)域的清掃情況，避免重復(fù)清掃。iRobotRoomba980由于采用了視覺(jué)SLAM技術(shù)，可以完成環(huán)境地圖的構(gòu)建并制定合理的清掃路徑，有效避免了隨機(jī)碰撞式清掃重復(fù)率高的問(wèn)題，屬于路徑規(guī)劃式的掃地機(jī)器人，它可以將所有區(qū)域規(guī)則的進(jìn)行清掃，并且如果在清掃過(guò)程中電量過(guò)低可返回充電并自動(dòng)續(xù)掃。iRobotRoomba980相比于其他產(chǎn)品功能更加豐富，科技含量更高，也導(dǎo)致了其價(jià)格比其他產(chǎn)品更加昂貴。鑒于掃地機(jī)器人的市場(chǎng)需求較高，對(duì)低成本的掃地機(jī)器人的研究有很廣闊的前景。圖1-3iRobotRoomba9801.2.1.2國(guó)外SLAM技術(shù)研究現(xiàn)狀隨著iRobotRoomba980的出現(xiàn)，隨機(jī)碰撞式掃地機(jī)器人升級(jí)為路徑規(guī)劃式掃地機(jī)器人的趨勢(shì)越來(lái)越明顯。由上文可知，路徑規(guī)劃式掃地機(jī)器人所使用的核心技術(shù)是SLAM技術(shù)。20世紀(jì)80年代人們開始涉及SLAM問(wèn)題的研究，Smith等在論文中介紹了一種用于估計(jì)表示物體相對(duì)位置的坐標(biāo)系之間的標(biāo)稱關(guān)系和預(yù)期誤差（協(xié)方差）的通用方法，說(shuō)明了隨機(jī)環(huán)境地圖的理念，是關(guān)于SLAM問(wèn)題的首個(gè)論文。之后Leonard等在論文中討論了同時(shí)進(jìn)行地圖構(gòu)建和機(jī)器人自身定位的問(wèn)題，提出SLAM的概念。隨著這一概念的提出，該問(wèn)題逐漸引起了相關(guān)研究人員的普遍關(guān)注，1999年在倫敦舉行的機(jī)器人研究國(guó)際研討會(huì)上，召開了關(guān)于SLAM問(wèn)題的會(huì)議。現(xiàn)在，每年的機(jī)器人國(guó)際會(huì)議與一些機(jī)器人領(lǐng)域的國(guó)際期刊都會(huì)舉辦相關(guān)專題討論或發(fā)表SLAM專輯，由此可見，國(guó)外關(guān)于SLAM問(wèn)題的研究變得越來(lái)越普遍，并出現(xiàn)了SLAM研究的熱潮。Durrant等在論文中說(shuō)明了SLAM問(wèn)題的演變過(guò)程與解決方案，并對(duì)相關(guān)研究方法進(jìn)行簡(jiǎn)要概述。圖1-4是目前關(guān)于SLAM問(wèn)題的主要研究方法及其分類。圖1-4SALM的主要研究方法SLAM問(wèn)題從數(shù)學(xué)的角度分析是一個(gè)狀態(tài)估計(jì)問(wèn)題，即根據(jù)傳感器獲得的輸入信息對(duì)機(jī)器人的位姿和地圖特征位置進(jìn)行狀態(tài)估計(jì)。關(guān)于狀態(tài)估計(jì)問(wèn)題的求解，求解方法可以分為基于卡爾曼濾波器（KF）的方法、基于粒子濾波器（PF）的方法、基于圖優(yōu)化的方法三類。基于卡爾曼濾波器和粒子濾波器的SLAM求解方法是在貝葉斯?fàn)顟B(tài)估計(jì)理論的基礎(chǔ)上發(fā)展而來(lái)。貝葉斯?fàn)顟B(tài)估計(jì)理論主要解決在系統(tǒng)的觀測(cè)和控制信息己知的情況下估計(jì)系統(tǒng)各狀態(tài)的后驗(yàn)概率的問(wèn)題。當(dāng)系統(tǒng)的噪聲滿足高斯分布且系統(tǒng)可近似為線性系統(tǒng)時(shí)，采用基于卡爾曼濾波器的方法求解SLAM問(wèn)題能夠得到較好的結(jié)果。基于卡爾曼濾波器的方法可以按后驗(yàn)概率表達(dá)方法的不同分為擴(kuò)展卡爾曼濾波器、無(wú)損卡爾曼濾波器、擴(kuò)展信息濾波器（EIF、稀疏擴(kuò)展信息濾波器等方法?；诹Ｗ訛V波器的方法中比較經(jīng)典的算法是Doucet等人提出的基于Rao-Blackwellized粒子濾波器（RBPF）方法，這一方法首先假設(shè)地圖上的特征點(diǎn)彼此獨(dú)立，只依靠機(jī)器人運(yùn)行的路徑軌跡相關(guān)聯(lián)，在此假設(shè)基礎(chǔ)上可以將SLAM問(wèn)題中聯(lián)合狀態(tài)估計(jì)問(wèn)題分解為機(jī)器人軌跡估計(jì)和地圖特征估計(jì)兩個(gè)估計(jì)的乘積形式，從而提高了問(wèn)題求解的計(jì)算效率。FastSLAM是基于粒子濾波器的SLAM方法的又一代表算法，該方法由Montemerlo等人在2002年提出，之后又在此基礎(chǔ)上進(jìn)行了優(yōu)化提出了FastSLAM2.0。該算法具有計(jì)算效率較高和準(zhǔn)確性較高的優(yōu)點(diǎn)，可以在室內(nèi)和室外小規(guī)模環(huán)境運(yùn)行，同時(shí)該方法避免了基于Kalman濾波方法只能用于線性系統(tǒng)的缺點(diǎn)，可以用于非線性系統(tǒng)。基于卡爾曼濾波器和粒子濾波器的SLAM求解方法具有類似的計(jì)算方法，它們都基于隱式馬爾科夫模型（HMM）假設(shè)，根據(jù)之前時(shí)刻的系統(tǒng)狀態(tài)通過(guò)事先建立的機(jī)器人運(yùn)動(dòng)模型和傳感器觀測(cè)模型，對(duì)系統(tǒng)下一時(shí)刻的狀態(tài)進(jìn)行更新。這類方法實(shí)時(shí)性較好并且具備在線更新地圖的優(yōu)點(diǎn)，但也存在一些缺點(diǎn)，比如在實(shí)際使用情況下，系統(tǒng)的參數(shù)會(huì)存在誤差，傳感器的觀測(cè)也會(huì)受到噪聲的影響，當(dāng)系統(tǒng)長(zhǎng)時(shí)間運(yùn)行時(shí)，這些因素會(huì)造成比較大的誤差累積，從而所構(gòu)建的地圖發(fā)生不一致現(xiàn)象。這種現(xiàn)象在將該類方法應(yīng)用于大規(guī)模環(huán)境時(shí)，很容易出現(xiàn)，因此需要避免該類方法應(yīng)用于大規(guī)模環(huán)境下。基于圖優(yōu)化的SLAM求解方法通過(guò)使用閉環(huán)檢測(cè)和捆集調(diào)整等方法可以有效改善上述兩種方法存在的誤差累積問(wèn)題，用于大規(guī)模環(huán)境建圖與定位時(shí)可以獲得良好的效果，是目前比較流行的SLAM求解方法。近年來(lái)出現(xiàn)的LSD-SLAM,ORB-SLAM,RGB-DSLAM等算法都是基于圖優(yōu)化的SLAM求解方法。基于圖優(yōu)化的SLAM方法，采用圖的方式對(duì)SLAM問(wèn)題進(jìn)行表示，圖是由節(jié)點(diǎn)和邊組成的模型，其中圖中的節(jié)點(diǎn)可以表示不同時(shí)刻的機(jī)器人位姿和環(huán)境中特征點(diǎn)位置等信息，圖中的邊則表示不同節(jié)點(diǎn)之間的約束關(guān)系，將具有約束關(guān)系的節(jié)點(diǎn)用邊連接在一起，就構(gòu)成了SLAM問(wèn)題的圖表示。圖1-5基于圖優(yōu)化的SLAM框架如圖1-5所示，基于圖優(yōu)化的SLAM方法通過(guò)前端和后端兩個(gè)部分對(duì)SLAM問(wèn)題進(jìn)行求解。前端的功能是完成圖的構(gòu)建，即根據(jù)傳感器的觀測(cè)信息和控制輸入等信息求解機(jī)器人和環(huán)境的狀態(tài)和它們之間的約束關(guān)系，分為順序數(shù)據(jù)關(guān)聯(lián)與閉環(huán)檢測(cè)兩個(gè)部分。順序數(shù)據(jù)關(guān)聯(lián)是對(duì)兩個(gè)相鄰數(shù)據(jù)幀進(jìn)行配準(zhǔn)以及通過(guò)配準(zhǔn)求得兩幀之間的相對(duì)姿態(tài)，閉環(huán)檢測(cè)是通過(guò)判斷數(shù)據(jù)幀之間的相似程度來(lái)判斷機(jī)器人是否回到以前觀測(cè)到環(huán)境中。通過(guò)前端的這兩個(gè)部分，前端對(duì)從傳感器獲得的數(shù)據(jù)進(jìn)行處理獲得機(jī)器人的位姿以及數(shù)據(jù)幀之間的約束關(guān)系，完成圖的構(gòu)建。后端的功能是完成圖的優(yōu)化，后端在前端所獲得的圖的基礎(chǔ)上采用捆集調(diào)整等全局優(yōu)化方法進(jìn)行位姿圖優(yōu)化，從而進(jìn)一步減小誤差累積，提高建圖精度。1.2.2國(guó)內(nèi)掃地機(jī)器人與SLAM技術(shù)研究現(xiàn)狀1.2.2.1國(guó)內(nèi)掃地機(jī)器人研究現(xiàn)狀目前基于SLAM技術(shù)的國(guó)產(chǎn)路徑規(guī)劃式掃地機(jī)器人并未研制出來(lái)，市場(chǎng)上的國(guó)產(chǎn)產(chǎn)品與國(guó)外產(chǎn)品相比還有些差距。由于隨機(jī)碰撞式掃地機(jī)器人不能對(duì)環(huán)境進(jìn)行建圖，它們所采用的清掃尋路避障程序相對(duì)來(lái)說(shuō)比較簡(jiǎn)單，大部分都是根據(jù)傳感器是否檢測(cè)到障礙物以一種或幾種固定的清掃方式進(jìn)行作業(yè)。市場(chǎng)上的國(guó)產(chǎn)掃地機(jī)器人由于要控制制造成本，所采用的傳感器數(shù)量不多而且精度不高，產(chǎn)品通常配有遙控器或在機(jī)身上布置有幾個(gè)遙控按鈕，提供給用戶幾種清掃模式進(jìn)行選擇。這些按鍵看上去功能豐富，但其實(shí)這正是智能化程度不夠的體現(xiàn)，真正智能化程度高的掃地機(jī)器人應(yīng)該只具有自動(dòng)清掃和定點(diǎn)清掃兩種比較簡(jiǎn)單的模式，自動(dòng)清掃模式由掃地機(jī)器人自己規(guī)劃路徑完成清掃，當(dāng)需要對(duì)某一位置進(jìn)行臨時(shí)清掃時(shí)使用定點(diǎn)清掃模式完成，這正是路徑規(guī)劃式掃地機(jī)器人所具備的優(yōu)點(diǎn)。盡管國(guó)產(chǎn)掃地器人還不夠智能，但國(guó)產(chǎn)掃地機(jī)器人產(chǎn)品價(jià)格低廉，2000元以下的國(guó)產(chǎn)品牌的銷量占據(jù)了掃地機(jī)器人市場(chǎng)很大的份額。1.2.2.2國(guó)內(nèi)SLAM技術(shù)研究現(xiàn)狀相比于產(chǎn)品上的差距，技術(shù)研究領(lǐng)域有很多進(jìn)展。近年來(lái)，國(guó)內(nèi)學(xué)者圍繞自主移動(dòng)機(jī)器人定位與建圖方法進(jìn)行了許多探索?；沃境热瞬捎脝文繑z像機(jī)和激光測(cè)距儀設(shè)計(jì)了一種位姿測(cè)量系統(tǒng)，將激光測(cè)距儀采集的測(cè)距數(shù)據(jù)和單目攝像機(jī)獲得的數(shù)據(jù)進(jìn)行了融合，從而改善了系統(tǒng)測(cè)量位姿的精度陳小龍等人提出一種飛行器室內(nèi)定位方法，通過(guò)對(duì)地面標(biāo)志線進(jìn)行特征提取并與慣性測(cè)量單元進(jìn)行數(shù)據(jù)融合可以確定飛行器的在室內(nèi)的位置，該方法的定位誤差可以達(dá)到正負(fù)10cm。張學(xué)習(xí)等人建立了全向輪運(yùn)動(dòng)模型、電子羅盤模型、全向視覺(jué)成像模型并將多種傳感器獲得的信息進(jìn)行融合，使用粒子濾波器實(shí)現(xiàn)了機(jī)器人精確的多傳感器融合定位。寧小磊等人提出了一種基于粒子濾波算法的新型容錯(cuò)信息融合算法，可以處理聯(lián)邦濾波子系統(tǒng)多源數(shù)據(jù)，并可以用于非高斯非線性系統(tǒng)。邱愛(ài)兵等人提出了一步預(yù)測(cè)再集中融合估計(jì)的算法，并使用左同步提升技術(shù)對(duì)異步多傳感器系統(tǒng)進(jìn)行重新建模。杜光勛等人提出了一種用于解決帶有隱式感知方程的線性狀態(tài)估計(jì)問(wèn)題的隱式卡爾曼濾波器算法，將加速度信息中的偏移量作為卡爾曼濾波器的狀態(tài)進(jìn)行估計(jì)用于補(bǔ)償位置估計(jì)。張毅等人提出一種采用貝葉斯方法對(duì)激光傳感器和RGB-D相機(jī)進(jìn)行信息融合的同時(shí)定位與地圖創(chuàng)建方法，建立了機(jī)器人環(huán)境的不確定度模型，獲得了高精度的地圖。第2章SLAM算法選擇與改進(jìn)和路徑規(guī)劃算法設(shè)計(jì)當(dāng)前學(xué)者對(duì)于SLAM算法和路徑規(guī)劃算法的相關(guān)研究，多集中于實(shí)驗(yàn)室應(yīng)用而且缺乏各算法之間的有效銜接，為了構(gòu)建一個(gè)完整的掃地機(jī)器人控制系統(tǒng)，需要對(duì)己存在的算法進(jìn)行選擇、改進(jìn)，并采用合適的方法進(jìn)行銜接，以實(shí)現(xiàn)掃地機(jī)器人環(huán)境建圖功能和路徑規(guī)劃功能。本章將針對(duì)掃地機(jī)器人這一特定應(yīng)用場(chǎng)景，完成相關(guān)算法的選擇與改進(jìn)，并實(shí)現(xiàn)各算法之間的有效銜接。2.1SLAM算法傳感器選擇與相機(jī)標(biāo)定模型的建立2.1.1SLAM算法傳感器類型比較目前可以用于求解SLAM問(wèn)題的傳感器類型有很多，主要分為超聲波傳感器、激光測(cè)距儀、攝像機(jī)等，其中激光測(cè)距儀根據(jù)應(yīng)用場(chǎng)景不同分為二維激光測(cè)距儀和三維激光測(cè)距儀，攝像機(jī)又可以分為單目視覺(jué)、雙目立體視覺(jué)、全景視覺(jué)、RGB-D相機(jī)等應(yīng)用方法。2.1.1.1超聲波傳感器超聲波傳感器通過(guò)測(cè)量聲波的傳播時(shí)間來(lái)計(jì)算傳感器與物體的距離，由于其價(jià)格低廉而且數(shù)據(jù)處理方法十分簡(jiǎn)便，超聲波傳感器曾被廣泛應(yīng)用于解決SLAM問(wèn)題。超聲波傳感器采用聲波進(jìn)行測(cè)量，很容易受到環(huán)境中各種因素的影響，因此測(cè)量精度差，這是超聲波傳感器的主要缺點(diǎn)。由于超聲波傳感器發(fā)射的聲波在介質(zhì)中以扇形向遠(yuǎn)處傳播，因此使用單個(gè)的超聲波傳感器無(wú)法準(zhǔn)確地確定所測(cè)得物體在扇形區(qū)域的準(zhǔn)確位置。這個(gè)問(wèn)題可以通過(guò)多個(gè)超聲波傳感器組合使用解決，但這種使用方法又會(huì)引入新的問(wèn)題:在室內(nèi)環(huán)境較小的情況下，某一個(gè)超聲波傳感器發(fā)射的聲波會(huì)被另一個(gè)超聲波傳感器所接收，從而造成測(cè)量錯(cuò)誤?；谏鲜稣撌?，可以看出若使用超聲波傳感器作為掃地機(jī)器人的主要傳感器，所能獲得信息量小且精度差。并且由于室內(nèi)環(huán)境的復(fù)雜可能會(huì)導(dǎo)致傳感器無(wú)法獲得障礙物的距離信息，從而無(wú)法滿足SLAM算法的精度要求。2.1.1.2激光測(cè)距儀激光測(cè)距儀通過(guò)測(cè)量主動(dòng)發(fā)出的光信號(hào)的傳播時(shí)間來(lái)測(cè)量物體到測(cè)距儀之間的距離信息。激光的傳播速度快，所需的測(cè)量時(shí)間短，傳感器的主要測(cè)量速度由距儀中的電機(jī)轉(zhuǎn)速?zèng)Q定。激光傳感器采用激光作為測(cè)量對(duì)象，不容易受到其他因素的干擾，獲得的距離信息準(zhǔn)確。激光距儀相比于其他的主動(dòng)傳感器在測(cè)量時(shí)可以測(cè)量更大的角度，獲得更多的數(shù)據(jù)點(diǎn)，但在處理鏡面或類似于鏡面等光滑物體的表面時(shí)，會(huì)出現(xiàn)接收不到信號(hào)的現(xiàn)象，另外激光測(cè)距儀可以獲得物體的方位和距離信息，但相比于攝像機(jī)所能獲得圖像信息而言，獲取的信息量較少，而且相較于超聲波傳感器與普通攝像機(jī)，價(jià)格十分昂貴。2.1.1.3攝像機(jī)攝像機(jī)通過(guò)鏡頭、光電轉(zhuǎn)換系統(tǒng)和相關(guān)電路將景物光像轉(zhuǎn)變?yōu)殡娦盘?hào)獲得圖像，是一種被動(dòng)傳感器，根據(jù)具有的攝像頭個(gè)數(shù)和種類的不同可以分為三類:單目視覺(jué)、雙目視覺(jué)、RGB-D相機(jī)。單目視覺(jué)SLAM采用單個(gè)攝像頭獲得環(huán)境的圖像或視頻信息用于SLAM算法。使用單目視覺(jué)首先需要對(duì)相機(jī)進(jìn)行標(biāo)定獲得單目相機(jī)的內(nèi)參數(shù)，然后通過(guò)多副圖像之間的對(duì)應(yīng)關(guān)系獲得圖像中物體的深度信息，利用相關(guān)算法完成SLAM問(wèn)題的求解。單目視覺(jué)攝像機(jī)價(jià)格低廉，傳感器模型簡(jiǎn)單，而且相機(jī)標(biāo)定方便，可以獲得大范圍的圖像信息，是SLAM算法經(jīng)常使用的一類傳感器。單目視覺(jué)SLAM一個(gè)最大的特點(diǎn)是尺度不確定性，它無(wú)法獲得環(huán)境的絕對(duì)尺度，但這個(gè)特點(diǎn)也有有利的一方面，它使得單目視覺(jué)SLAM可以用于室內(nèi)和室外兩種環(huán)境而不受尺度大小的影響。雙目視覺(jué)SLAM采用左右兩個(gè)攝像頭獲得環(huán)境的圖像信息，類似人眼的立體視覺(jué)原理，可以比較方便的獲得障礙物的距離信息。雙目視覺(jué)使用時(shí)也需要對(duì)相機(jī)進(jìn)行標(biāo)定，獲得相關(guān)參數(shù)矩陣，通過(guò)立體視覺(jué)匹配方法可直接獲得障礙物相對(duì)于相機(jī)的距離，進(jìn)而通過(guò)相關(guān)算法完成SLAM問(wèn)題求解。采用雙目視覺(jué)無(wú)論在相機(jī)運(yùn)動(dòng)或是靜止的時(shí)候都可以獲得障礙物深度信息，有效的避免了單目視覺(jué)深度獲取困難的問(wèn)題，但相比于單目視覺(jué)，雙目視覺(jué)的相機(jī)制作與標(biāo)定更加復(fù)雜，而且能夠測(cè)得的深度范圍受到相機(jī)分辨率和雙目相機(jī)之間基線影響，獲取的視場(chǎng)范圍較單目視覺(jué)小，價(jià)格也相對(duì)較高。RGB-DSLAM采用RGB-D相機(jī)獲得環(huán)境的圖像信息和距離信息，RGB-D相機(jī)是根據(jù)結(jié)構(gòu)光測(cè)距或飛行時(shí)間距原理制作而成的，可以直接獲得像素點(diǎn)到所對(duì)應(yīng)的物體表面點(diǎn)的實(shí)際距離。與常用的單目相機(jī)和雙目相機(jī)相比，它可以不僅可以獲取信息豐富的圖像還可以方便地獲取障礙物距離，從而簡(jiǎn)化相關(guān)SLAM算法的復(fù)雜度。作為新出現(xiàn)的傳感器，目前大部分RGB-D相機(jī)也有一些缺點(diǎn)，比如視場(chǎng)范圍小、圖像噪聲大、測(cè)量范圍窄等問(wèn)題，另外RGB-D相機(jī)相較于傳統(tǒng)相機(jī)價(jià)格更高。掃地機(jī)器人主要運(yùn)行于室內(nèi)環(huán)境，室內(nèi)環(huán)境結(jié)構(gòu)復(fù)雜紋理豐富，超聲波傳感器盡管價(jià)格低廉，但精度低，不適合應(yīng)用于此類環(huán)境。激光傳感器相對(duì)來(lái)說(shuō)精度高，但其體積大，成本高也不適合用于掃地機(jī)器人。RGB-D相機(jī)屬于新型傳感器，可以方便的獲得環(huán)境的圖像和距離信息，但價(jià)格高昂，市場(chǎng)范圍小不適合應(yīng)用于掃地機(jī)器人。單目視覺(jué)和雙目視覺(jué)相比于上述傳感器優(yōu)點(diǎn)是成本低，同時(shí)可以獲得豐富的信息，比較適合于掃地機(jī)器人，考慮到掃地機(jī)器人的的體積應(yīng)盡可能的小，同時(shí)視場(chǎng)范圍應(yīng)足夠大以獲得更多的信息，最終選用單目攝像機(jī)作為掃地機(jī)器人的主要傳感器。2.2掃地機(jī)器人視覺(jué)SLAM算法選擇與改進(jìn)根據(jù)緒論所述的SLAM算法相關(guān)現(xiàn)狀，本文從目前比較流行的基于圖優(yōu)化的視覺(jué)SLAM算法中選擇合適算法用于掃地機(jī)器人控制系統(tǒng)，實(shí)現(xiàn)掃地機(jī)器人的環(huán)境建圖功能。2.2.1視覺(jué)SLAM算法的比較基于圖優(yōu)化的視覺(jué)SLAM算法根據(jù)估計(jì)相機(jī)運(yùn)動(dòng)所使用的方法不同分為分為特征點(diǎn)法和直接法兩種。特征點(diǎn)法采用從圖像中提取的特征點(diǎn)估計(jì)相機(jī)運(yùn)動(dòng)，特征點(diǎn)法比較有代表性的算法是RaulMur-Artal等人于2015年提出的ORB-SLAM算法和于2016年提出了ORB-SLAM2算法。ORB-SLAM算法采用ORB特征求解SLAM問(wèn)題，ORB特征比具有良好效果的SIFT,SURF特征更加快速，同時(shí)與快速的BRIEF，LDB特征相比又具備旋轉(zhuǎn)不變性，是一種快速穩(wěn)定的圖像特征。ORB-SLAM算法在同時(shí)跟蹤與建圖（PTAM）算法的基礎(chǔ)上發(fā)展而來(lái)，包含地圖初始化、特征跟蹤、局部地圖構(gòu)建和閉環(huán)檢測(cè)等主要模塊。各組成模塊都采用ORB特征進(jìn)行運(yùn)算，銜接流暢，內(nèi)在一致性好。算法可以在不使用GPU的情況下在現(xiàn)有的計(jì)算機(jī)CPU上做到實(shí)時(shí)運(yùn)行，并可以取得良好的建圖精度與定位精度，獲得環(huán)境的稀疏點(diǎn)云圖。ORB-SLAM最初采用單目視覺(jué)，后來(lái)也支持采用雙目視覺(jué)和RGB-D相機(jī)。直接法采用圖像的部分或全部像素信息估計(jì)相機(jī)運(yùn)動(dòng)，直接法的代表性算法是JakobEngel等人于2014年提出的LSD-SLAM算法，算法主要包括圖像跟蹤、深度圖估計(jì)、地圖優(yōu)化等主要模塊，與ORB-SLAM算法只使用從圖像中提取的ORB特征點(diǎn)計(jì)算不同，每個(gè)模塊都直接采用圖像的像素信息進(jìn)行計(jì)算，極大的保留了環(huán)境細(xì)節(jié)信息，可以構(gòu)建環(huán)境的半稠密點(diǎn)云圖。相比于使用特征點(diǎn)其他SLAM方法，LSD-SLAM算法可以在無(wú)特征的或特征比較少的環(huán)境中運(yùn)行，避免了特征提取的耗時(shí)。LSD-SLAM算法也可以在不使用GPU的情況下在現(xiàn)有的計(jì)算機(jī)CPU上實(shí)時(shí)運(yùn)行，具有良好的建圖精度與定位精度。掃地機(jī)器人通常在家庭使用，運(yùn)行于室內(nèi)環(huán)境中，室內(nèi)環(huán)境既有紋理豐富的各種家具電器等，又有缺少特征點(diǎn)的墻壁地面等結(jié)構(gòu)，為了能構(gòu)建良好的環(huán)境模型，采用不使用特征點(diǎn)的LSD-SLAM算法更加合適。更重要的一點(diǎn)是ORB-SLAM算法因?yàn)椴捎脧膱D像中提取的ORB特征進(jìn)行計(jì)算，不具備環(huán)境稠密重建能力只能構(gòu)建環(huán)境稀疏點(diǎn)云地圖，地圖中的環(huán)境細(xì)節(jié)信息太少，而且對(duì)于之后掃地機(jī)器人的路徑規(guī)劃來(lái)說(shuō)，采用稀疏點(diǎn)云圖進(jìn)行導(dǎo)航十分困難。LSD-SLAM算法采用直接法可以保留圖像中的大多數(shù)信息，獲得環(huán)境半稠密點(diǎn)云地圖，從而使之后的掃地機(jī)器人路徑規(guī)劃成為可能。綜合來(lái)看，選用LSD-SLAM算法作為掃地機(jī)器人的主要算法更適合。2.2.2LSD-SLAM算法流程與改進(jìn)LSD-SLAM算法由三個(gè)主要組成部分組成:圖像跟蹤模塊、深度估計(jì)模塊和地圖優(yōu)化模塊，如圖2-4所示:圖2-4LSD-SLAM算法流程為了啟動(dòng)LSD-SLAM系統(tǒng)，算法剛開始會(huì)使用隨機(jī)深度和極大的方差來(lái)初始化第一個(gè)關(guān)鍵幀，隨著相機(jī)進(jìn)行足夠的平移運(yùn)動(dòng)獲得更多圖像后，算法會(huì)將關(guān)鍵幀鎖定到某個(gè)確定的深度配置，最終關(guān)鍵幀的深度信息會(huì)收斂到正確的配置。初始化第一關(guān)鍵幀后算法開始進(jìn)入三個(gè)主要模塊，下面是LSD-SLAM三個(gè)模塊的主要功能。（1）圖像跟蹤當(dāng)從傳感器或內(nèi)存讀入一個(gè)新圖像時(shí)，通過(guò)最小化方差歸一化光度誤差的方法估計(jì)當(dāng)前圖像幀相對(duì)于現(xiàn)有關(guān)鍵幀3D剛體變換矩陣，獲得當(dāng)前幀的位姿。（2）深度估計(jì)判斷當(dāng)前幀是否可以做為新關(guān)鍵幀，若可以則將之前的關(guān)鍵幀中的點(diǎn)投影到當(dāng)前幀，從而得到這一幀的有效點(diǎn)，當(dāng)前幀深度信息通過(guò)sim（3）變換投影均值和縮放因子，最后用新的關(guān)鍵幀替換掉之前的關(guān)鍵幀。若不可以則使用當(dāng)前幀通過(guò)小基線立體匹配等方法對(duì)之前關(guān)鍵幀深度信息進(jìn)行優(yōu)化。（3）地圖優(yōu)化通過(guò)最小化方差歸一化光度和深度誤差方法獲得新關(guān)鍵幀與相鄰幀的相對(duì)姿態(tài)，當(dāng)兩幀相似度足夠大時(shí)將新關(guān)鍵幀插入全局地圖，之后對(duì)地圖進(jìn)行閉環(huán)檢測(cè)進(jìn)行全局地圖優(yōu)化。本文選擇單目攝像頭作為SLAM算法的傳感器，由于該單目攝像頭與JakobEngel等人使用的攝像頭不同，因此需要對(duì)算法的相關(guān)參數(shù)進(jìn)行改進(jìn)以適應(yīng)攝像頭的圖像噪聲和強(qiáng)度對(duì)比度，同時(shí)為了獲得良好的建圖效果需要對(duì)選擇關(guān)鍵幀的閡值進(jìn)行調(diào)節(jié)，通過(guò)這些參數(shù)的調(diào)節(jié)來(lái)改進(jìn)LSD-SLAM算法使其更加適應(yīng)掃地機(jī)器人的使用環(huán)境和本文選擇的攝像頭。2.3路徑規(guī)劃算法地圖類型選擇與轉(zhuǎn)換能否構(gòu)建環(huán)境地圖是區(qū)分隨機(jī)碰撞式掃地機(jī)器人和路徑規(guī)劃式掃地機(jī)器人的關(guān)鍵，隨機(jī)碰撞式掃地機(jī)器人因?yàn)闊o(wú)法構(gòu)建環(huán)境地圖，只能隨時(shí)檢測(cè)是否出現(xiàn)障礙物按某一固定策略進(jìn)行清掃，而路徑規(guī)劃式掃地機(jī)器人由于構(gòu)建了環(huán)境地圖，可以方便的進(jìn)行路徑規(guī)劃，自主避開障礙物完成清掃。LSD-SLAM算法獲得的半稠密環(huán)境點(diǎn)云地圖占用空間大，且不適合用于路徑規(guī)劃，需要選擇一種其他的地圖類型用于掃地機(jī)器人。2.3.1路徑規(guī)劃常用地圖類型比較可以用于導(dǎo)航和路徑規(guī)劃的常用環(huán)境地圖類型主要有以下三種:柵格地圖、特征地圖和拓?fù)涞貓D。柵格地圖使用很多小柵格等分環(huán)境，通過(guò)傳感器獲得的障礙物位置信息和可通行區(qū)域位置信息對(duì)每個(gè)小柵格進(jìn)行賦值，用來(lái)表示環(huán)境中的障礙物對(duì)柵格的占用情況。柵格地圖是目前經(jīng)常使用的環(huán)境地圖類型，能夠顯著改善LSD-SLAM獲得的點(diǎn)云圖占用空間大的問(wèn)題。柵格地圖根據(jù)分辨率的不同可以精細(xì)或粗略地描述環(huán)境障礙物分布，對(duì)傳感器的精度要求低，通過(guò)查詢柵格的占用情況可以方便的對(duì)機(jī)器人進(jìn)行導(dǎo)航和路徑規(guī)劃。特征地圖是由一系列具有獨(dú)特特征、可以識(shí)別的點(diǎn)或線段等幾何特征組成，它的構(gòu)建需要從傳感器獲得的原始信息中提取出更加抽象的幾何特征，例如線段、曲線或者多邊形等特征。相較于復(fù)雜的室內(nèi)環(huán)境，特征地圖更適用于結(jié)構(gòu)化環(huán)境中使用，這樣更容易提取出環(huán)境的幾何特征。相比于柵格地圖雖然它占用的存儲(chǔ)空間更少，但是由于對(duì)原始數(shù)據(jù)的進(jìn)一步處理，引入了更多的誤差，會(huì)使得機(jī)器人的定位不確定度變大。拓?fù)涞貓D是這三類地圖中最簡(jiǎn)要的環(huán)境地圖模型，它采用連通圖表示環(huán)境，由節(jié)點(diǎn)和邊組成。其中節(jié)點(diǎn)表示環(huán)境中區(qū)分度明顯的特征或位置不同的區(qū)域，邊表示節(jié)點(diǎn)之間的相鄰性和連通性。該模型比前兩種環(huán)境模型更加抽象，導(dǎo)致了環(huán)境信息的極大缺失，若用于導(dǎo)航和路徑規(guī)劃需要與其他地圖類型結(jié)合使用。由于特征地圖會(huì)引入更多誤差，而拓?fù)涞貓D又太過(guò)簡(jiǎn)略，本文采用柵格地圖用于掃地機(jī)器人路徑規(guī)劃，首先使用。ctomap方法將LSD-SLAM獲得的半稠密點(diǎn)云圖轉(zhuǎn)化為三維柵格地圖，再將三維柵格地圖轉(zhuǎn)化為二維柵格地圖用于掃地機(jī)器人路徑規(guī)劃。2.4掃地機(jī)器人環(huán)境建圖與路徑規(guī)劃流程通過(guò)上述算法的改進(jìn)與設(shè)計(jì)，本文實(shí)現(xiàn)了掃