1、隨著移動(dòng)機(jī)器人領(lǐng)域的研究不斷深入，其應(yīng)用領(lǐng)域也不斷得到推廣。大規(guī)模環(huán)境下的移動(dòng)機(jī)器人自主完成作業(yè)成為當(dāng)前研究的熱門課題，并在行星探索、軍事反恐、災(zāi)難搜救等領(lǐng)域擁有巨大的應(yīng)用潛力。未知環(huán)境下，移動(dòng)機(jī)器人在線創(chuàng)建地圖并同時(shí)利用地圖實(shí)現(xiàn)自身的定位，即同時(shí)定位與建圖(SimultaneousLocalization and Mapping，SLAM)是其自主完成作業(yè)的基礎(chǔ)。大規(guī)模環(huán)境結(jié)構(gòu)復(fù)雜，導(dǎo)航難度高，加之單機(jī)器人在大規(guī)模環(huán)境下存在傳感器能力

2、、計(jì)算復(fù)雜度與存儲(chǔ)規(guī)模等方面的限制，多機(jī)器人協(xié)作是解決大規(guī)模環(huán)境下同時(shí)定位與建圖問題的可行途徑，從而受到研究者重視。
　　 大規(guī)模環(huán)境結(jié)構(gòu)復(fù)雜，可能是結(jié)構(gòu)化環(huán)境，也可能是非結(jié)構(gòu)化環(huán)境，而實(shí)際應(yīng)用中經(jīng)常是兩種環(huán)境的結(jié)合體，即半結(jié)構(gòu)化環(huán)境。為了研究大規(guī)模環(huán)境下多機(jī)器人協(xié)作SLAM問題，本文首先從非結(jié)構(gòu)化大規(guī)模環(huán)境和結(jié)構(gòu)化大規(guī)模環(huán)境出發(fā)，分別研究?jī)煞N環(huán)境下多機(jī)器人協(xié)作SLAM。接下來，綜合以上兩種環(huán)境下多機(jī)器人協(xié)作SLAM方法，本文給

3、出半結(jié)構(gòu)化大規(guī)模環(huán)境下多機(jī)器人協(xié)作SLAM的綜合解決方案，以實(shí)現(xiàn)多機(jī)器人在環(huán)境中協(xié)作、自主、高效地建圖，實(shí)現(xiàn)建立完整且一致的環(huán)境地圖，同時(shí)完成各個(gè)機(jī)器人對(duì)自身的定位，以便利用該地圖高效執(zhí)行任務(wù)。本文主要進(jìn)行以下三個(gè)方面的研究工作：
　　 (1)針對(duì)非結(jié)構(gòu)化大規(guī)模環(huán)境，本文研究了基于局部子地圖的多機(jī)器人自主協(xié)作SLAM方法。機(jī)器人在環(huán)境中并行創(chuàng)建局部子地圖，并利用基于擴(kuò)展卡爾曼濾波器的子地圖融合方法得到全局地圖。本文同時(shí)給出一種主

4、動(dòng)的多機(jī)器人同時(shí)定位與建圖方法，根據(jù)建圖精度、建圖效率以及各個(gè)機(jī)器人之間的協(xié)調(diào)三個(gè)因素對(duì)機(jī)器人的控制輸入進(jìn)行優(yōu)化，實(shí)現(xiàn)了多機(jī)器人在環(huán)境中自主協(xié)作SLAM。本文還研究了子地圖融合時(shí)機(jī)對(duì)于全局地圖的影響，通過對(duì)融合時(shí)機(jī)的優(yōu)化，得到精度更高的全局地圖。
　　 (2)針對(duì)結(jié)構(gòu)化大規(guī)模環(huán)境，本文研究了基于拓?fù)涞貓D的多機(jī)器人協(xié)作SLAM方法，基于廣義Voronoi圖(Generalized Voronoi graph，GVG)為環(huán)境建立拓?fù)?/p>

5、模型。針對(duì)大規(guī)模環(huán)境中存在開闊的區(qū)域，傳統(tǒng)的GVG模型因傳感距離的限制，無法在線創(chuàng)建的問題，本文提出了一種改進(jìn)的GVG模型，稱為飽和GVG，并給出了多機(jī)器人在線創(chuàng)建飽和GVG的方法。拓?fù)涔?jié)點(diǎn)匹配是多機(jī)器人建立一致的環(huán)境拓?fù)涞貓D并實(shí)現(xiàn)在地圖上定位的基礎(chǔ)，本文給出了一種基于多假設(shè)方法的節(jié)點(diǎn)匹配策略，通過建立多假設(shè)樹并擴(kuò)展，將當(dāng)前時(shí)刻每一種可能的機(jī)器人位置/環(huán)境拓?fù)浣Y(jié)構(gòu)的假設(shè)作為一個(gè)葉子節(jié)點(diǎn)，并根據(jù)其后驗(yàn)概率、GVG節(jié)點(diǎn)類型以及機(jī)器人的相互觀

6、測(cè)等信息進(jìn)行剪枝，最終得到全局一致的準(zhǔn)確環(huán)境拓?fù)涞貓D，從而實(shí)現(xiàn)了結(jié)構(gòu)化大規(guī)模環(huán)境下多機(jī)器人協(xié)作SLAM。
　　 (3)針對(duì)半結(jié)構(gòu)化大規(guī)模環(huán)境，本文研究了結(jié)構(gòu)化區(qū)域與非結(jié)構(gòu)化區(qū)域建圖的結(jié)合，給出了一種綜合的解決方案。針對(duì)環(huán)境面積覆蓋充分性和環(huán)境信息描述充分性的要求，本文提出了一種新型的特征一拓?fù)浠旌系貓D表示方法，該方法同時(shí)包含拓?fù)涞貓D和特征子地圖，其中拓?fù)涞貓D采用飽和GVG，記錄了環(huán)境的框架結(jié)構(gòu)，而特征地圖則記錄了環(huán)境的細(xì)節(jié)信息，

7、特征地圖通過拓?fù)涞貓D得到了有序的組織。針對(duì)結(jié)構(gòu)化區(qū)域和非結(jié)構(gòu)化區(qū)域，本文給出了不同的主動(dòng)建立特征子地圖的方法。本文研究了拓?fù)涞貓D和特征子地圖的相互輔助創(chuàng)建，從而以更快的速度得到全局唯一的拓?fù)涞貓D以及精度更高的特征子地圖，實(shí)現(xiàn)了拓?fù)涞貓D和特征子地圖兩者的有機(jī)結(jié)合。以火災(zāi)現(xiàn)場(chǎng)救援為例，本文研究了基于特征-拓?fù)浠旌系貓D的多機(jī)器人同時(shí)救援、定位與建圖，實(shí)現(xiàn)了在未知的大規(guī)模環(huán)境中救援、定位與建圖三者同時(shí)在線完成，體現(xiàn)了特征-拓?fù)浠旌系貓D在機(jī)器人實(shí)