CN104714555B - 一种基于边缘的三维自主探索方法 - Google Patents

Abstract

本发明公开一种基于边缘的三维自主探索方法，采用无人机平台，基于三维传感器对于三维环境的探索，基于每一次的传感器反馈数据，动态的进行边缘探索；在进行遍历地图栅格探索边缘时，不需要遍历地图中的所有栅格，只需要遍历传感器测量轮廓上的栅格即可，不仅节约了计算量，也大大提高了计算效率。用于一些特定场景的探索，代替人力完成一些危险的工作，可以极大的避免人员的伤亡。

Description

一种基于边缘的三维自主探索方法

技术领域

本发明属于人工智能以及计算机视觉领域，特别涉及一种基于边缘的三维自主探索方法。

背景技术

随着对于智能机器人的研究不断发展，利用机器人代替人对环境进行探索已经逐渐成为可能。需要解决的关键问题是机器人的室内自主探索方法。

机器人的室内自主探索，是指在不经人为干预的前提下，机器人完全自主决策和寻路，从起点出发，完成对整个未知环境的探索，并记录环境的地图信息。其中关键的问题是机器人无人为干预，如何决定自己下一步的目标点。通常这种问题采用基于边缘的算法来解决。

目前的机器人室内导航普遍采用的是由Yamauchi在1997年提出的基于边缘的方法。其主要的思想是：为了得到更多关于外界的新的信息，尽量移动到自由空间和未知空间的交界称为边缘的区域，通过令机器人每次移动到新的边缘的方式来不断探索整个环境。完整的探索过程描述如下：机器人以当前自身位置为起点，利用传感器扫描周围环境，找到若干边缘，挑选一个最优边缘，移动到该边缘，继续扫描新的未知区域，将新的信息添加到地图中，以这种方式不断完成地图的扩张。我们将这种策略称为基于边缘的探索策略。

采用栅格地图表示法，将整个空间划分为若干个相同大小的栅格，每个栅格中的值代表这个空间位置的状态是被占据的、空闲的、或者未知的。借鉴计算机视觉中边缘检测的方法来提取边缘，提取出的栅格被标记为边缘栅格。如图1a所示，这是一幅栅格地图，表示的是一段走廊，走廊的尽头分别有两扇敞开的门；图1b中是在1a中提取出的边缘栅格；图1c将这些边缘集合成了3个可能的目标点，记做目标点0,1,2，分别代表了两扇门和未探索的走廊。

目前研究人员所研究和实验的机器人平台，大多数是地面机器人，例如智能车，人形机器人以及其他一些功能性的机器人，这些研究取得了一定的成果，覆盖了人工智能以及图像识别等很多领域。然而对于一些特定的环境，仅依靠地面机器人难以完成对环境探索的任务。例如机器人所处的环境一般分为室外环境和室内环境。

相对于室外开阔的环境，室内环境中的智能体探索更具挑战性。首先机器人所处的环境更为杂乱和狭小，这为机器人避障增加了难度；其次在室内环境下，一般没有GPS等外部导航系统的支持，所以无法直接获取自身的位置信息。

其次，传统的基于边缘的探索策略存在着以下几个不足：第一，由于最初这个搜索策略的提出针对二维地面机器人，选用传感器为二维的激光传感器，所以该算法只适用于二维的探索，无法进行三维环境的自主探索；第二，现有搜索策略的搜索效率较低，借鉴计算机视觉中的边缘检测和提取算法，需要掌握整个地图的信息，遍历所有已知和未知区域栅格，搜索的时间代价太大，不适用于快速变化的环境和高效的探索任务；第三，现有算法无法满足动态的进行边缘搜索，往往需要飞向一个目标点，停下后，收集环境信息，再提取新的边缘，这会导致如图2所示的情况出现。

图2a中，机器人检测到一个边缘，并规划向该边缘移动，在移动过程中，在图2b时刻，机器人的探测区域已经覆盖了这个目标点，但此时由于还没有移动到该点，机器人会继续向该点移动，并不更新边缘情况，图2c中，机器人已经移动到该目标点，此时会继续提取新的边缘。但实际上，在机器人移动向该边缘的过程中，就已经发现，这个边缘并不是一个很好的边缘，因为它位于一片开阔空间的中间，此时应该在图2b时刻就重新探索新的边缘，并规划路径向新的边缘移动。

发明内容

本发明提供一种新的基于边缘的三维自主探索方法，能够提高边缘提取的效率，满足三维探索的需求，实现动态规划路径。

本发明通过以下技术手段实现：

一种基于边缘的三维自主探索方法，包含以下步骤：

S1，构建无人机平台，所述的无人机平台搭载主控CPU、飞行控制板、三维传感器，所述无人机还设有惯性测量单元IMU；选定探索空间的任意一点，启动无人机，并将该位置记录为无人机的起点；

S2，采用同时定位与构图算法进行无人机的定位，即利用三维传感器收集外界环境的三维信息，提取前后两帧的图像信息，求解所述两帧之间的相对运动矩阵，再通过惯性测量单元IMU进行EKF扩展卡尔曼滤波，求得精确的相对变换；结合三维传感器收集到的环境信息，进行机器人周围局部地图的构建，将局部地图信息利用三维栅格表示出来形成三维栅格地图；

S3，在所述三维栅格地图的基础上，利用三维传感器的测量数据，提取出传感器的测量轮廓，所述的测量轮廓是传感器返回的深度点组成的一个曲面；

S4，将所述测量轮廓分割成若干个边缘，每一个边缘作为一个潜在的下一步目标点，综合每个边缘的两个参数加权得到每个边缘的可选值，所述的两个参数分别是，从当前点移动向该边缘目标点的移动代价以及在该边缘可得到的未知环境的信息量，分配以上两个值的权重，加权得到一个和，令这个和为衡量每个待选边缘的值，选择值最大的待选边缘为下一步的目标边缘；

S5，利用人工势场算法，将目标边缘点选为目标点，提供引力，将局部地图中的障碍物栅格当作斥力提供点，以合力方向为无人机运动方向；

S6，按照以上的导航策略，无人机开始运动，在运动的过程中，每一次传感器的测量数据都执行S2-S5，提取测量轮廓，提取边缘，重新规划路径，直到再无新的边缘探测出来，则探测过程结束。

其中，所述S6中，可以结合D*算法，在无人机陷入势场陷阱的时候重新规划一条路径，脱离势场陷阱。

最后，所述的三维传感器包含颜色传感器和深度传感器，所述三维传感器返回的是带深度的点云格式数据，使用视觉测程方法提取前后两帧图像中的视觉特征点，做特征点的粗匹配，然后加入正常值检测算法筛选出正常特征对，然后调用封闭形式的动作估计算法计算出平移和旋转两种变化值，所述的变化值基于迭代技术进行优化。

本发明与现有技术相比，其优点在于：

1、选用无人机平台，相比于传统的地面机器人二维探索，无人机具有可以灵活三维移动的特点，可以很好的适用于复杂环境的室内探索任务。同时，无人机的移动速度相比于地面机器人来说更加快速，可以提高探索任务的效率。

2、采用的三维基于边缘的探索算法，可以适用于三维环境的探索，在空间维度提升的情况下，并没有增大计算复杂度，提取边缘的效率提升；其次，本算法不像背景技术那样，需要到达一个边缘目标点之后再重新计算边缘，而是基于每一次的传感器反馈数据，可以动态的进行边缘探索；第三，在进行遍历地图栅格探索边缘时，本算法不需要遍历地图中的所有栅格，只需要遍历传感器测量轮廓上的栅格即可，不仅节约了计算量，也大大提高了计算效率。

3、采取人工势场算法与基于边缘的算法结合的导航策略，在陷入势场陷阱时，利用D*算法重新规划路径，可以做到高效的避撞与路径规划。

本发明的方法可以用于一些特定场景的探索，代替人力完成一些危险的工作，如地震后倒塌的大楼，地下矿井，复杂的灾后建筑等等，可以极大的避免救援人员的伤亡，并快速感知灾区环境，有助于制定救援策略。该方法也可以用于军事侦察，科学考察等场景，能够进入人类不便进入的场景，感知我们想要的外界信息。

附图说明

图1a为一幅栅格地图示意图；

图1b为在1a中提取出的边缘栅格；

图1c为将边缘集合成了3个可能的目标点；

图2a为机器人检测到一个边缘并规划向该边缘移动示意图；

图2b为机器人的探测区域覆盖了目标点；

图2c为机器人移动到目标点；

图3为本发明搭载的无人机平台硬件示意图；

图4为本发明算法过程示意图。

具体实施方式

以下将结合附图对本发明的具体实施过程进行详细描述。

首先，按照图3所示，对本发明中所涉及的系统硬件——无人飞行器平台进行整体搭建，所述的无人机平台搭载主控CPU、飞行控制板、三维传感器，即颜色和深度传感器RGB-D，所述无人机还设有惯性测量单元IMU；所述的无人飞行器搭载小型机载计算系统与地面站进行相互联络通讯。在平台搭建的过程中应遵循载重量最小原则以保证无人飞行器更够在室内空间获得相对更为平稳、灵活的飞行姿态，以便于数据采集与计算。

接下来利用附图4所示的三维自主探索算法流程图来实现算法系统，具体实施步骤如下：

选定探索空间的任意一点，启动无人机，并将该位置记录为无人机的起点；利用三维的颜色加深度传感器，收集外界环境的三维信息，传感器返回的是带深度的点云格式数据，使用视觉测程方法提取前后两帧图像中的视觉特征点，做特征点的粗匹配。为了提高动作估计的准确性，必须加入正常值检测算法，即利用长度、角度或其他一些限制来筛选出正常特征对。然后，调用封闭形式的动作估计算法计算出平移和旋转两种变化值。为了进一步提高估计的准确性，基于迭代技术优化所述的变化值。

由于无人机是个非线性系统，在数据融合阶段，结合飞行控制板内部的惯性测量单元IMU，使用扩展卡尔曼滤波算法，对无人机的航迹曲线进行降噪和平滑。

计算出传感器的每一步相对于初始位置的相对运动之后，就可确定一个以初始位置为起点的三维空间坐标系，结合传感器的测量数据，将空间中测量范围覆盖的空间用三维栅格地图表示出来。空间中被障碍物占据的位置，栅格值设为1，检测出没有障碍物的地方，栅格值设为0，位置的区域栅格值设为-1。

提取传感器的测量轮廓。首先确定传感器测量的区域范围形状，找到传感器返回的n个深度点，将这些点组成的曲面称之为一个轮廓。

遍历步骤4中轮廓上的栅格，查找上面的边缘。整个环境分为三个部分，即自由空间(未被障碍物占据的空间)，障碍物空间和未知空间。边缘是指存在于自由空间，且和未知空间相邻的那些栅格。按照这个标准，将边缘栅格标记出来。按照栅格之间的相接性将轮廓上的边缘分组，相互连接的一组边缘栅格成为一个边缘区域。找出所有这样的边缘区域，视为待选的目标边缘。

针对每一个待选的目标边缘，在这个边缘区域中选择其处于中心的栅格。计算当前点移动到该栅格的移动代价值，和在该栅格出能够获取的未知区域的信息量值。分配以上两个值的权重，加权得到一个和，令这个和值为衡量每个待选边缘的值。选择这个值最大的那个待选边缘为下一步的目标边缘。

利用人工势场的方法规划一条路径到目标边缘，同时继续处理传感器的信息，在运动向目标边缘的过程中，按照以上的导航策略，无人机开始运动，在运动的过程中，每一次传感器的测量数据都提取测量轮廓、提取边缘、重新规划路径，直到再无新的边缘探测出来，则探测过程结束。

以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种基于边缘的三维自主探索方法，包含以下步骤：

S1，构建无人机平台，所述的无人机平台搭载主控CPU、飞行控制板、三维传感器，无人机还设有惯性测量单元IMU；选定探索空间的任意一点，启动无人机，并将该任意一点的位置记录为无人机的起点；

S2，采用同时定位与地图构建算法进行无人机的定位，即利用三维传感器收集外界环境的三维信息，提取前后两帧的图像信息，求解所述两帧之间的相对运动矩阵，再通过惯性测量单元IMU进行EKF扩展卡尔曼滤波，求得精确的相对变换；结合三维传感器收集到的环境信息，进行机器人周围局部地图的构建，将局部地图信息利用三维栅格表示出来形成三维栅格地图；

S3，在所述三维栅格地图的基础上，利用三维传感器的测量数据，提取出传感器的测量轮廓，所述的测量轮廓是传感器返回的深度点组成的一个曲面；

S4，将所述测量轮廓分割成若干个边缘，每一个边缘作为一个潜在的下一步目标点，综合每个边缘的两个参数加权得到每个边缘的可选值，所述的两个参数分别是，从当前点移动向目标边缘的移动代价值以及在该目标边缘可得到的未知环境的信息量值，分配以上两个值的权重，加权得到一个和，令这个和为衡量每个待选边缘的值，选择值最大的待选边缘为下一步的目标边缘；

S5，利用人工势场算法，将目标边缘选为目标点，提供引力，将局部地图中的障碍物栅格当作斥力提供点，以合力方向为无人机运动方向；

S6，按照以上的导航策略，无人机开始运动，在运动的过程中，每一次传感器的测量数据都执行S2-S5，提取测量轮廓，提取边缘，重新规划路径，直到再无新的边缘探测出来，则探测过程结束。

2.根据权利要求1所述的基于边缘的三维自主探索方法，其特征在于：所述S6中，结合D*算法，在无人机陷入势场陷阱的时候重新规划一条路径，脱离势场陷阱。

3.根据权利要求1所述的基于边缘的三维自主探索方法，其特征在于：所述的三维传感器为颜色和深度传感器，所述三维传感器返回的是带深度的点云格式数据，使用视觉测程方法提取前后两帧图像中的视觉特征点，做特征点的粗匹配，然后加入正常值检测算法筛选出正常特征对，然后调用封闭形式的运动估计算法计算出平移和旋转两种变化值，所述的变化值基于迭代技术进行优化。