Step2: 当机器人移动时, 如果机器人在该栅 格的安全距离范围内, 转 Step3, 否则转 Step4.
Step3: 声纳传感器不断获得周围环境信息, 对声纳数据应用滤波算法, 尽量减小噪声的影响, 应用哈夫变换创建地图, 直到机器人超过该栅格 的安全距离为止, 转 Step1.
Step4: 老的栅格消失, 同时, 又创建了一个新 的栅格, 新形成的栅格以机器人走出的前一个栅 格安全距离边界点为中心, 也就是当它超过了安 全区域的界限时就以当前机器人的位置为中心形 成一个新的栅格, 转 Step1.
如聚类算法和滤波算法.
3 定位算法
Step1: 在 t 时刻通过传感器获得了机器人位 姿测量值 mt , 该值同时应用到地图创建和定位两 个算法.
Step2: 假设在前一个 t - 1 瞬时地图创建已 经产生了局部地图模型, 否则调用地图创建算法 进行地图创建. 该模型提供对机器人的位姿估计 参数用 pt- 1 表示, 判断 mt 中的信息与pt- 1 是否一 致, 如果一致转 Step3, 否则转 Step4.
LI Mao- hai, HONG Bing-rong, LUO Rong- hua
( School of Computer Science and Technology , Harbin Institute of Technology, Harbin 150001, China, E-mail: limaohai@ hit. edu. cn)
移动机器人的同时定位和地图创建问题( S-i multaneous Localization and Map Building: SLAM) 描 述如下: 移动机器人从初始位置, 经过一系列的位 置并且在每一个位置获得传感器对环境的感知信 息, 移动机器人的目标是处理这些传感器数据, 确 定机器人的位姿, 并且同时创建环境地图. 要想开 发一个有效的 SLAM 系统, 关键是选择好环境的 描述方法, 通常的地图描述方法有栅格法[ 1] 和特 征提 取法[ 2] , 还有拓扑方 法[ 3] 和 蒙特卡罗法[ 4] . 为解决同时地图创建和定位问题, Thrun[ 5] 提出了 一种基于陆标的地图创建和定位的方法, 但定位 不是 实时 的 并 且要 求 陆 标是 人 工 设置 的. Ya-
正弦曲线:
xi sin H+ y i cos H= Q.
( 1)
哈夫变换( HT) 的实现是基于参数离散化的.
如果 H和 Q的值被离散化, 可以形成一个累加矩
阵 A( H, Q) . 参数 H被离散化成值 Hk, k = 1, ,, n, Hk - Hk- 1 = $H. 特征点( x i , y i ) 的哈夫变换按照
系统的坐标系统分为全局坐标系 Ca = ( ax, ay, ath )T 和机器人坐标系 Cr = ( x , y , H)T . 全局 坐标系以机器人出发点为坐标原点( 0, 0, 0) , 通过 里程计的累积, 机器人在全局坐标系统中相对于 起始点的位姿定义为 X = ( ax , ay, ath) T. 机器人
前声纳的相对角. 此时, 假设机器人在全局坐标
系中的坐标为( aRx ,
aRy ,
a
R th
)
T,
声纳所 测到的物体
在机器人坐标系统中的坐标为( xjr , yjr , ajr )T , 则经
过坐标变换, 该物体在全局坐标系中的坐标( ax,
ay, ath )T 表示为
ax =
ay
cos aRth - sinaRth
行性.
关键词: 同时定位和地图创建; 声纳传感器; 基于栅格的 概率模型; 哈夫变换
中图分类号: TP24
文献标识码: A
文章编号: 0367- 6234( 2004) 07- 0874- 03
Simultaneous localization and map building for mobile robot
如图 1 所示, 位置 1、2、3 都在安全边界之内, 栅格不需要新的创建, 当机器人超过安全区域时, 下一个新的栅格就会形成, 并且以机器人的当前
位置即位置 4 为中心.
图 1 移动栅格
211 坐标转换
坐标转换实现的是: 把在机器人坐标系中测
得物体的位置转换到全局坐标系统中的位置. 当
机器人在栅格 i 中时, 它的位置按照全局坐标系
确性, 但是实际情况, 量子化程度过小会增加算法
复杂度, 影响效率, 因此合适的选择 $H和 $Q是有
必要的, 这可以通过多做几次实验来确定累加矩
阵最好的可能结果.
2) 实验表明往往由于累加矩阵的量子化错
误使哈夫变换提取的线段数远远超过要求的线段
数, 这样会使输出结果非常复杂, 为了保留最主要
的线段, 需要应用相关的算法对结果进一步处理,
Abstract: A map is built and updated immediately through sonar sensor. The local map is a grid- based probabilist ic model: the work environment is decomposed into grids and every grid takes up a value, which indicates the probability of an obstacle in grids. The map is built through Hough transform. The map building combines with the sonar data obtained from a filter algorithm to realize the localization. Experimental results show the feasibility of this method . Key words: simultaneous localization and map building; sonar sensor; grid- based probabilist ic model; Hough transform
此提出的 环境表示 是一个 线段集 合: W =
[
w
T 1
w
T 2
,] T
.
2 地图创建算法
采用基于栅格的概率模型. 该方法仅基于由 超声波传感器获得的数据, 应用移动局部栅格的 概念, 算法描述如下.
Step1: 机器人从初始姿态 X 0 = ( ax , ay , ath) T = ( 0, 0, 0)T 开始探测周围环境, 这时, 声纳传感 器涉及的区域形成静态的方形栅格, 栅格以当前 机器人位置为中心.
统表示为( axr , ayr , athr )T , 声纳在机器人坐标系统
Cr
中得
到的
测距
数据
s
j r
,
j=
0, ,, 15, 描述为
xjr = ( sjr + r) cos( ajr ) , yjr = ( sjr + r ) sin( ajr ) ,
ajr = 2215 # j .
其中, r 是机器人半径, ajr 是第j 个声纳相对于正
进行实验寻找错误迅速递增的边界点. 试验发现
当距离大于 4 m 后错误迅速增加, 因此, 栅格的内
部安全边界确定为距离栅格中心 315 m.
# 876 #
哈尔滨工业大学学报
第 36 卷
213 地图创建的哈夫变换
哈夫变换( Hough Transform: HT ) 是对灰度图
像检测直线和其他参数曲线的一种方法. 在 x -
第 36 卷 第 7 期 2 0 0 4 年7 月
哈尔滨工业大学学报 JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY
Vol1 36 No17 July, 2004
移动机器人的同时定位和地图创建方法
厉茂海, 洪炳 , 罗荣华
( 哈尔滨工业大学 计 算机科学与技术学院, 黑龙江 哈尔滨 150001, E-mail: limaohai@ hit. edu. cn)
人的当前位置作为中心, 就会形成新的栅格 i +
1, 但是, 当机器人即将穿过栅格 i 时, 必须知道在
机器人的前面是什么. 由于这个原因, 定义了一
个内部的安全边界, 如图 1 所示的点划线, 当机器
人过点划线时, 就会产生一个新的局部栅格.
为了确定安全边界, 需要从栅格中心进行测
量, 根据超声波传感器的测量范围, 在这个范围内
1建模
111 机器人建模 本方法在 Pioneer 2 移动机器人上实现. 它是
一个三轮机器人, 前面是两个主动轮, 身体后面是 一个万向 从动轮, 在 身体 上方 装有 Pan- T ilt Zoom( PTZ) 视觉传感器, 里程计传感 器位于驱动 系统中, 提供对机器人位置估计 ( ax, ay, ath )T .
Step3: 结合 t - 1 时刻对机器人的位姿估计 pt- 1 与 t 时刻传感器得到的测量值mt 提供新的对 机器人的位姿估计 pt , 转 Step1.
式( 1) 可以对 n 个Hk 值计算 Q. Q值可以被离散化 成 m 个离散的值 Qk, k = 1, ,, m 满足Qk - Qk- 1 =
$Q, 并且相应的累加矩阵 A( Hk, Qk) 是递增的. 该
过程对所有的特征点重复.
哈夫变换( HT) 有许多要注意的问题:
1) 尽管认为对 H和 Q量子化越小 移动机器人的同时定位和地图创建方法
# 875 #
坐标系的 x 轴是机器人平移的速度向量, y 轴是
身体的左侧方向. 通过如下公式可以得到机器人