本文檔下載自文庫下載網(wǎng)，內(nèi)容可能不完整，您可以點擊以下網(wǎng)址繼續(xù)閱讀或下載HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLRTM框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機器人系統(tǒng)地圖拼接1機器人論文第35卷第3期2013年5月DOI103724/SPJ1218201300292機器人ROBOTVOL35,NO3MAY,2013RTM框架下基于分層拓?fù)浣Y(jié)構(gòu)的多機器人系統(tǒng)地圖拼接賈松敏，李雨晨，王可，李秀智，郭兵（北京工業(yè)大學(xué)電子信息與控制工程學(xué)院，北京100124）摘要針對大規(guī)模的未知環(huán)境，在機器人中間件技術(shù)（RTM）框架下，提出了一種基于視覺特征的拓?fù)涞貓D節(jié)點匹配方法，并結(jié)合局部掃描匹配策略，實現(xiàn)多機器人系統(tǒng)地圖拼接該方法首先建立主輔結(jié)構(gòu)的多機器人模型，利用改進(jìn)的SP2ATM算法建立未知環(huán)境的拓?fù)浣Y(jié)構(gòu)并增量式地創(chuàng)建地圖在此基礎(chǔ)上，提出了融合尺度不變（SIFT）特征的分層拓?fù)涞貓D結(jié)構(gòu)，并結(jié)合迭代最近點算法來實現(xiàn)多機器人系統(tǒng)地圖拼接本文以RTM作為通訊平臺，使系統(tǒng)具有較高的實時性、靈活性和魯棒性USARSIM仿真平臺與真實環(huán)境下的實驗結(jié)果驗證了所提方法的可行性與有效性關(guān)鍵詞多機器人系統(tǒng)；機器人中間件技術(shù)；地圖拼接；尺度不變特征；迭代最近點算法中圖分類號TP24文獻(xiàn)標(biāo)識碼A文章編號10020446201303029207MAPMERGINGFORMULTIROBOTSYSTEMSBASEDONHIERARCHICALTOPOLOGYSTRUCTUREUNDERRTMFRAMEWORKJIASONGMIN，LIYUCHEN，WANGKE，LIXIUZHI，GUOBINGCOLLEGEOFELECTRONICINFORMATIONRTMROBOTTECHNOLOGYMIDDLEWAREMAPMERGINGSIFTSCALEINVARIANTFEATURETRANSFORMICPITERATIVECLOSESTPOINT1引言（INTRODUCTION）地圖拼接作為多機器人系統(tǒng)（MULTIROBOTSYS12TEM，MRS）導(dǎo)航領(lǐng)域中的關(guān)鍵性技術(shù)，近年來引起了眾多學(xué)者的關(guān)注HHTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLOWARD3提出將RBPF（RAOBLACKWELLIZEDPARTICLELTER）算法4擴(kuò)展應(yīng)用于多機器人SLAM，初步解決了初始位姿未知情況下的拼接問題在此基礎(chǔ)上，ZHOU和ROUMELIOTIS在機器人必須相遇條件下5，借助于內(nèi)部傳感器信息來計算地圖變換矩陣，該方法需對傳感器信息不確定性進(jìn)行分析與優(yōu)化，且拼接地圖效果受限于傳感器檢測精度鑒于此，有學(xué)者提出利用相關(guān)掃描匹配策略搜索地圖公共區(qū)域來實現(xiàn)地圖拼接YU等6提出一種基于線段幾何特征（LINESEGMENTGEOMETRICFEATURE）的掃描匹配方法，該方法在結(jié)構(gòu)化環(huán)境中取得了較好的拼接結(jié)果文5基于最鄰近搜索算法（NEARESTNEIGHBORALGORITHM）建立目標(biāo)函數(shù)，提出一種路標(biāo)匹配方法實現(xiàn)特征地圖融合為在保證地圖精度的同時降低算法復(fù)雜度，文7通過提取環(huán)境中的VSL（VIRTUALSUPPORTINGLINE）非迭代特征進(jìn)行匹配來實現(xiàn)拼接然而上述方法在缺少空間約束的環(huán)境中并不適用，且在大規(guī)模未知場景下，相關(guān)特征的錯誤關(guān)聯(lián)會引入拼接誤差隨著VSLAM（VISUALSLAM）算法的日益成熟，一些學(xué)者嘗試將基金項目北京市自然科學(xué)基金重點資助項目（KZ201110005004）；國家自然科學(xué)基金資助項目（61175087，61105033）；國家教育部留學(xué)回國人員科研啟動基金資助項目通訊作者賈松敏，JSMBJUTEDUCN收稿錄用修回20121022/20130112/20130325視覺特征融入系統(tǒng)8以解決地圖拼接準(zhǔn)確性問題，但視覺特征提取的實時性問題又是一個難題為解決上述研究中的問題，針對大規(guī)模未知環(huán)境，本文提出視覺特征關(guān)聯(lián)與局部掃描匹配相結(jié)合的地圖拼接方法首先提出一種融合混合特征的分層拓?fù)浣Y(jié)構(gòu)，在此基礎(chǔ)上運用關(guān)鍵幀（KEYFRAME）的思想，采取拓?fù)涔?jié)點匹配策略關(guān)聯(lián)場景信息以降低匹配的計算復(fù)雜度；其次，結(jié)合迭代最近點（ITERATIVECLOSESTPOINT）掃描匹配算法求取局部地圖變換矩陣，在主HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML輔結(jié)構(gòu)的多機器人模型下校正位姿估計誤差，同時為確保地圖信息的全局一致性，引入一種反饋機制解決拼接中誤匹配問題；在地圖融合過程中，無需考慮機器人相對位姿信息，以地圖間相似度作為度量標(biāo)準(zhǔn)，搜索各局部地圖間重疊部分，進(jìn)而予以拼接此外，本文在機器人中間件技術(shù)（RTM）911框架下實現(xiàn)地圖拼接系統(tǒng)模塊化設(shè)計，從而進(jìn)一步提高了地圖拼接系統(tǒng)的靈活性、可靠性及實時性2地圖創(chuàng)建（MAPBUILDING）針對多機器人系統(tǒng)的地圖創(chuàng)建問題，本文基于SP2ATM（SIMULTANEOUSPATHPLANNINGANDTOPOLOGICALMAPPING）算法提出一種改進(jìn)的路徑規(guī)劃算法，該算法通過對未知環(huán)境中拓?fù)浣Y(jié)構(gòu)的建立來實現(xiàn)移動機器人路徑探索并增量式地創(chuàng)建連續(xù)地圖，算法流程如圖1所示算法中建立一種分層拓?fù)涞貓D結(jié)構(gòu)，該結(jié)構(gòu)中包含SIFT角點、拓?fù)涔?jié)點、場景信息等混合特征的精確描述，同時依據(jù)節(jié)點更新規(guī)則，避免多機器人間重復(fù)探索，有效提高地圖創(chuàng)建效率21AST建立AST（ADMISSIBLESPACETREE）1是用來描述當(dāng)前局部地圖中的機器人可通行空間及可能目標(biāo)點的集合AST建立方法如下利用獲取的激光數(shù)據(jù)信息，將距離機器人最近的障礙物到激光最大量程的掃描區(qū)域劃分為若干層，每層包含若干段弧線，稱之為SECTION為確定在SECTION中是否存在可能目標(biāo)點，本文假設(shè)存在一個矩形通道，將大于機器人寬度的給定閾值W作為矩形的寬，并使該矩形以機器人當(dāng)前位置為中心進(jìn)行旋轉(zhuǎn)，在每個SECTION中尋找可通行角度區(qū)間圖2表示對可能目標(biāo)點的搜索方法，其中W為所選擇的閾值，紅線之間表示可通行的角度區(qū)間在已建立的AST中，為確定機器人的前進(jìn)方向和目標(biāo)點，選取最外層SECTION中的可見點，將其作圖1路徑規(guī)劃算法流程FIG1FLOWCHARTOFPATHPLANNINGALGORITHM圖2當(dāng)前可能目標(biāo)點搜索方法FIG2SEARCHINGFORTHHTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLECURRENTPOSSIBLEGOAL為當(dāng)前目標(biāo)點PJC，則機器人的可能目標(biāo)集合描述為PCPCJ其中，PC是當(dāng)前可能目標(biāo)點集，PCJ是該點集中的第J個可能目標(biāo)點圖3為機器人在仿真環(huán)境中所生成的SECTION和可能目標(biāo)點以及其角度區(qū)間假設(shè)第J個節(jié)點的可通行空間集合為SI，則此時AST所表示的集合AI可描述為AISI,PI圖3SECTION及可能目標(biāo)點的生成FIG3THEGENERATIONOFSECTIONSANDTHEPOSSIBLEGOALS22分層拓?fù)浣Y(jié)構(gòu)為實現(xiàn)環(huán)境探索，在AST的基礎(chǔ)上建立一種融合混合特征的分層拓?fù)涞貓D（HIERARCHICALTOPOLOGYMAP，HTM1）結(jié)構(gòu)在HTM分層結(jié)構(gòu)中維護(hù)了兩層地圖第一層地圖是當(dāng)前節(jié)點的AST集合A；第二層是已生成拓?fù)涔?jié)點集合T，這里稱為拓?fù)鋵舆@樣HTM可以描述為MA,T其中TTI，AAITI是集合T中的第I個拓?fù)涔?jié)點為描述更豐富的環(huán)境信息，將比例不變特征SIFT）12融合到分層拓?fù)涞貓D結(jié)構(gòu)當(dāng)中，如圖4所示拓?fù)涔?jié)點集合TI可描述為TIS,A,P其中，S是TI處所提取的SIFT特征向量，A為TI處建立的AST集合，P表示機器人當(dāng)前位姿LAYER2ASTSIFT圖4分層拓?fù)浣Y(jié)構(gòu)FIG4HIERARCHICALTOPOLOGYSTRUCTURE在機器人自主探索過程中，為保證可能目標(biāo)點提取的全局最優(yōu)性，需根據(jù)已建立HTM結(jié)構(gòu)中節(jié)點的全局信息，對可能點進(jìn)行添加、綁定與刪除等動態(tài)更新操作其中，假設(shè)T為已生成的拓?fù)涔?jié)點，其可能點集HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML合為Q1,Q2,QJ；TPR為當(dāng)前節(jié)點，其可能點集合為P1,P2,PI；DPI,T表示PI與T間距離，CPI,T表示PI與T是否存在可通行通路，VR為節(jié)點間距離閾值；TT/PI表明將PI從T的可能點集合中刪除，TTPI表明將PI與T綁定具體節(jié)點更新規(guī)則如下（見圖5）RULE1IFDPI,TPRVR,THENTPRTPR/PI（圖5A）RULE2IFDPI,TVR,THENTPRTPR/PI（圖5B）RULE3IFDPI,QJVR,THENTPRTPR/PI（圖5C）RULE4IFDPI,TVRTHENTANDCPI,TFALSE,PRTPRPI（圖5D）RULE5IFDQJ,TPRDQJ,TANDCQJ,TPRTRUE,THENTT/QTJ,PRTPRQJ（圖5E）CDE圖5節(jié)點更新規(guī)則FIG5NODEUPDATINGRULE若機器人當(dāng)前不存在任何可能目標(biāo)點，為完成對環(huán)境的遍歷，機器人必須回溯到距離機器人最近且存在未訪問可能目標(biāo)點的節(jié)點處，將此節(jié)點設(shè)置為目標(biāo)，并利用BELLMANFORD算法選擇一條到達(dá)該目標(biāo)的最短路徑BELLMANFORD算法描述為DKJMINDK1J,DK1IDI,J1式中DKJ表示當(dāng)前位置與第J個節(jié)點的距離，DI,J是第I個節(jié)點與第J個節(jié)點的距離回溯過程中，機器人將最遠(yuǎn)的可見節(jié)點TV（見式2）作為目標(biāo)，若探索到新HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML的可能點，機器人將沿此可能點方向繼續(xù)遍歷環(huán)境DPR,PTVRMAXKVDPR,PTK2式中，DI,J表示I、J兩點之間的歐氏距離，PR表示機器人當(dāng)前位姿，PTV表示拓?fù)涔?jié)點V處位姿23地圖創(chuàng)建本文基于上述路徑規(guī)劃算法完成多機器人系統(tǒng)地圖創(chuàng)建多機系統(tǒng)包含類似HTM結(jié)構(gòu)的兩類地圖一類是存儲著所有節(jié)點的拓?fù)涞貓D；另一類是在拓?fù)涔?jié)點處，記錄所有可能節(jié)點的局部地圖HTM結(jié)構(gòu)不僅有著存儲空間小、易于實現(xiàn)路徑規(guī)劃的優(yōu)（勢，并且基于HTM結(jié)構(gòu)的節(jié)點更新規(guī)則提供了一種全局最優(yōu)的路徑規(guī)劃策略，可進(jìn)一步提高探索效率同時，為避免多機器人間的重復(fù)探索，每個機器人通過自身的HTM地圖實時更新拓?fù)浣Y(jié)構(gòu)，并依據(jù)節(jié)點更新規(guī)則檢查所有節(jié)點，防止節(jié)點的重復(fù)訪問，以充分提高地圖創(chuàng)建效率探索過程中，每個機器人建立自身的拓?fù)錁湫徒Y(jié)構(gòu)，并利用節(jié)點更新規(guī)則判斷當(dāng)前AST，若不存在任何可能節(jié)點，系統(tǒng)將停止工作單機器人地圖創(chuàng)建效果如圖6所示圖6單機器人地圖創(chuàng)建FIG6MAPBUILDINGOFASINGLEROBOT3多機系統(tǒng)地圖拼接（MAPMERGINGFORMULTIROBOTSYSTEM）本文利用上述路徑規(guī)劃算法創(chuàng)建增量地圖，建立一種包含SIFT特征的分層拓?fù)涞貓D結(jié)構(gòu)，并結(jié)合ICP掃描匹配算法降低誤匹配率，最終完成局部地圖拼接31比例不變特征變換比例不變特征變換，簡稱為SIFT12SIFT特征對圖像的尺度縮放、旋轉(zhuǎn)、3維視角變化具有較好的不變性，并且對噪聲、光照影響不敏感因此，本文通過提取環(huán)境中的SIFT特征角點來描述未知環(huán)境，并將節(jié)點間的SIFT匹配度作為地圖拼接的先驗信息首先，在尺度空間中利用高斯模糊差分圖像DX,Y,（見式3）的極值點檢測方法來計算SIFT特征DX,Y,HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLGX,Y,KGX,Y,IX,YLX,Y,KLX,Y,3其中符號代表卷積運算，為比例因子MX,YLX1,YLX1,Y2LX,Y1LX,Y12X,YTAN1LX,Y1LX,Y1LX1,YLX1,Y4通過式4來計算圖像中像素點的梯度大小MX,Y及方向X,Y在圖像中的44區(qū)域上建立包含8個方向的梯度方向直方圖，這樣，每個特征點對應(yīng)一個448128維特征向量描述器提取特征后，采用基于KD樹的最鄰近點搜索算法進(jìn)行特征匹配，如果相似度滿足閾值條件，則認(rèn)為匹配成功應(yīng)用SIFT特征的難題在于特征提取和匹配的實時性問題特征提取的時間主要消耗在高斯模糊差分圖像計算上，雖然降低圖像比例在一定程度上可以減小運算復(fù)雜度，卻提高了誤匹配率針對此問題，本文運用關(guān)鍵幀的思想，將SIFT特征融入拓?fù)涞貓D結(jié)構(gòu)在地圖創(chuàng)建過程中，視覺系統(tǒng)僅在拓?fù)涔?jié)點處提取SIFT特征來描述環(huán)境信息，并將特征向量存儲于當(dāng)前節(jié)點信息當(dāng)中，一定程度上提高了算法的實時性32迭代最近點算法ICP算法13于1992年由BESL和MCKAY提出，用來在同一坐標(biāo)系中匹配兩個給定的點陣ICP算法是一個快速、精確的算法，該算法已廣泛地應(yīng)用于移動機器人定位與地圖創(chuàng)建中ICP算法的評估函數(shù)如式5所示14EDIST,TRMINMRQ2P,T,J1,2,NITJI125STRTRIL,DETR1/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLPAR其中，R是旋轉(zhuǎn)變換矩陣，是旋轉(zhuǎn)角，T是平移向量即通過最小化誤差和EDIST求兩個點集間的相對坐標(biāo)變換X,T本文利用ICP算法實現(xiàn)地圖拼接，并通過計算兩個局部地圖之間的相對坐標(biāo)變換矩陣來更新機器人精確位姿33地圖拼接本文以多機器人在未知環(huán)境中進(jìn)行地圖拼接為研究背景，建立主輔結(jié)構(gòu)的多機器人模型，如圖7所示YLLLL圖7主輔多機器人模型FIG7MAINAUXILIARYMULTIROBOTMODEL圖7中，RI（I1,2,M）表示M個移動機器人，其中RL定義為主機器人；其余RI為輔機器人，與主機器人之間相對位姿未知系統(tǒng)狀態(tài)表示為XSTGTTTTXR1T,GXM1T,GXL2T,GXLMT,LT,LTTX2T,XMT6其中，GXGXTR1TRT,GYRT,GRT，表示主機器人在全局坐標(biāo)系中的位姿，GXM1T表示主機器人的全局地圖；GXLIT（I2,3,M）表示輔機器人I的局部坐標(biāo)系L在全局坐標(biāo)系G中的位姿；LXLTTXTITRIT,LXMIT（I2,3,M），為局部坐標(biāo)系下的系統(tǒng)狀態(tài)；LXRTLXRT,LYRT,LRTT，表示輔機器人在各自局部地圖中的位姿；LXMIT中表示輔機器人I的局部地圖輔機器人I的局部地圖與全局地圖之間的映射是通過GXLIT實現(xiàn)的探索過程中，每個機器人均采用前述改進(jìn)算法建立和維護(hù)增量地圖GXM1T和LXMIT本文利用SIFT特征關(guān)聯(lián)不同拓?fù)涔?jié)點，每個機器人將獲得SIFT特征向量集S12JI,HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML,SI，其中SJI,SI表示機器人I在拓?fù)涔?jié)點J處提取的SIFT特征當(dāng)機器人I獲得某一節(jié)點的SJI后，將與其他機器人已生成SNK進(jìn)行匹配若特征向量匹配程度滿足閾值條件，則表明兩節(jié)點間具有很高的相似度，因此，對局部地圖LXMIT與全局地圖GXMKT使用ICP算法進(jìn)行點集間匹配來實現(xiàn)拼接為降低SIFT特征的誤匹配率，將ICP匹配誤差作為反饋值來提高地圖拼接的準(zhǔn)確率PLXMIT|LXRIT,GXMKT7式7表示機器人I在當(dāng)前位姿所生成的局部地圖與全局地圖的相似度，若滿足閾值要求，即實現(xiàn)拼接，否則重新進(jìn)行SIFT匹配地圖拼接后，將此時機器人K的位姿LXRKT與機器人I在節(jié)點J處位姿LXRIT進(jìn)行相對坐標(biāo)轉(zhuǎn)換，進(jìn)而更新機器人I的位姿，如圖8所示圖8位姿更新模型FIG8POSEUPDATINGMODEL圖8中，PIJ是由激光采集的局部坐標(biāo)點，PI和PK是機器人I和K的全局坐標(biāo)點，相對坐標(biāo)變換矩陣R,T由ICP算法求得4基于RTM的模塊化實現(xiàn)（COMPONENTSIMPLEMENTATIONBASEDONRTM）41機器人模塊化技術(shù)概述RTM最早是由日本國家高級產(chǎn)業(yè)科學(xué)技術(shù)研究院（AIST）開發(fā)的它所依托的OPENRTMAIST技術(shù)采用了公共對象請求代理體系結(jié)構(gòu)（CORBA），能夠加快實現(xiàn)機器人系統(tǒng)在組件層面上的集成RTM的核心優(yōu)勢在于，它給機器人的硬件及軟件開發(fā)層提供了標(biāo)準(zhǔn)平臺，可以提高軟件及功能構(gòu)件的可重用性，避免大量重復(fù)工作，縮短開發(fā)周期，降低開發(fā)成本；不僅如此，RTM技術(shù)還可以使系統(tǒng)的各個中間件通過通信網(wǎng)絡(luò)將各種機器人要素進(jìn)行自由組合從而構(gòu)成多樣的機器人系統(tǒng)，提高現(xiàn)有軟件資源和通用功能構(gòu)件的再利用性，提高構(gòu)筑機器人系統(tǒng)的效率42模塊化設(shè)計與實現(xiàn)本文從功能構(gòu)件具有最小機能、傳輸數(shù)HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML據(jù)具有通用性、盡量減少各功能構(gòu)件間的依存性、盡可能減少輸入輸出數(shù)據(jù)文件等基本原則出發(fā)，將系統(tǒng)最底層的功能構(gòu)件分為電機，驅(qū)動器，基于視覺的圖像處理，識別，基于激光測距的地圖生成模塊等將不同的底層構(gòu)件組合實現(xiàn)更高級的模塊，如地圖創(chuàng)建模塊、定位模塊及導(dǎo)航模塊等構(gòu)件實現(xiàn)的系統(tǒng)結(jié)構(gòu)圖如圖9所示基于RTM的地圖拼接系統(tǒng)有著良好的靈活性、可靠性及實時性圖9多機器人系統(tǒng)的地圖拼接構(gòu)件結(jié)構(gòu)FIG9THECOMPONENTSSTRUCTUREOFMAPMERGINGFORMULTIROBOTSYSTEMABFIG10圖10地圖拼接結(jié)果SOMERESULTSOFMAPMERGINGUSINGTWOROBOTS5實驗結(jié)果（EXPERIMENTALRESULTS）51仿真結(jié)果為了驗證方法的可行性，使用USARSIM作為多機器人系統(tǒng)地圖拼接的仿真平臺仿真中選用PIONEER3AT作為機器人平臺，機器人配備激光測距儀和相機系統(tǒng)選用SICK激光測距儀，測量角范圍是180，角精度是05仿真環(huán)境為20M20M的區(qū)域，兩臺機器人的線速度為05M/S，角速度為1RAD/S，激光測距儀測量距離的范圍為0,10M，夾角范圍為/2,/2使用機器人配備相機獲取環(huán)境中SIFT特征信息兩臺機器人在相對位姿未知情況下，分別從不同起始位置探索未知環(huán)境，采用本文方法進(jìn)行地圖拼接實驗圖10A中一系列連續(xù)點代表兩臺機器人所生成的拓?fù)涔?jié)點，藍(lán)色細(xì)線表示機器人可通行的方向，在標(biāo)記的節(jié)點處，機器人車載視覺系統(tǒng)提取的SIFT特征角點匹配成功，此時采用ICP算法將兩臺機器人的局部地圖進(jìn)行拼接，拼接結(jié)果如圖10A所示實驗結(jié)果證明了本文方法的有效性52實機實驗為驗證方法在實際環(huán)境下的可行性以及不同環(huán)境規(guī)模下HTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTML的適用性，利用本文所提方法在真實環(huán)境下進(jìn)行地圖拼接實驗，拼接結(jié)果如圖10B所示同時，為驗證本文基于關(guān)鍵幀理論提取SIFT特征方法的優(yōu)勢，在上述實驗環(huán)境下，針對基于關(guān)鍵幀理論提取SIFT特征（KEYFRAME）與實時提取SIFT特征（FRAME）兩種算法的實時性進(jìn)行對比分析，結(jié)果如圖11所示圖中利用CPU使用率衡量算法的實時性，可以看出，基于FRAME的特征提取方法的CPU使用率始終保持較高狀態(tài)，而基于KEYFRAME的SIFT特征提取方法僅在拓?fù)涔?jié)點處CPU使用率上升，因此本文算法具有較高的實時性/UPC圖11基于KEYFRAME與FRAME的特征提取方法實時性對比FIG11COMPARISONOFTHEREALTIMEPERFORMANCEBETWEENKEYFRAMEBASEDANDFRAMEBASEDFEATUREEXTRACTIONMETHODS6結(jié)論（CONCLUSIONS）本文系統(tǒng)地研究了未知環(huán)境下多機器人系統(tǒng)的地圖拼接問題，引入機器人中間件技術(shù)作為系統(tǒng)的通訊平臺，借助于拓?fù)涞貓D節(jié)點匹配，利用一種基于SP2ATM的改進(jìn)算法完成局部地圖創(chuàng)建，在此基礎(chǔ)上，提出了一種融合混合特征的分層拓?fù)涞貓D結(jié)構(gòu)，并結(jié)合ICP掃描匹配算法實現(xiàn)多機器人在未知環(huán)境下的地圖拼接，同時校準(zhǔn)機器人位姿實驗結(jié)果驗證了本文方法的可行性與有效性對目前算法的改進(jìn)及多機器人間的協(xié)作和通訊策略將是后續(xù)研究的重點參考文獻(xiàn)（REFERENCES）1GEASS,ZHANGQ,ABRAHAMAT,ETALSIMULTANEOUSPATHPLANNINGANDTOPOLOGICALMAPPINGSP2ATMFORENVIRONMENTEXPLORATIONANDGOALORIENTEDNAVIGATIONJROBOTICSANDAUTONOMOUSSYSTEMS,2011,593/42282422/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLRABRAHAMAT,GESS,TAOPYATOPOLOGICALAPPROACHOFPATHPLANNINGFORAUTONOMOUSROBOTNAVIGATIONINDYNAMICENVIRONMENTSC/IEEE/RSJINTERNATIONALCONFERENCEONINTELLIGENTROBOTSANDSYSTEMSPISCATAWAY,NJ,USAIEEE,2009490749123HOWARDAMULTIROBOTSIMULTANEOUSLOCALIZATIONANDMAPPINGUSINGPARTICLELTERSJINTERNATIONALJOURNALOFROBOTICSRESEARCH,2006,2512124312564HAHNELD,BURGARDW,FOXD,ETALANEFCIENTFASTSLAMALGORITHMFORGENERATINGMAPSOFLARGESCALECYCLICENVIRONMENTSFROMRAWLASERRANGEMEASUREMENTSC/IEEE/RSJINTERNATIONALCONFERENCEONINTELLIGENTROBOTSANDSYSTEMSPISCATAWAY,NJ,USAIEEE,20032062115ZHOUXS,ROUMELIOTISSIMULTIROBOTSLAMWITHUNKNOWNINITIALCORRESPONDENCETHEROBOTRENDEZVOUSCASEC/IEEE/RSJINTERNATIONALCONFERENCEONINTELLIGENTROBOTSANDSYSTEMSPISCATAWAY,NJ,USAIEEE,2006178517926YUY,WANGN,LIANGA,ETALINTEGRATINGLINESEGMENTBASEDMAPSINMULTIROHTTP/WWWWENKUXIAZAICOM/DOC/FB866D6127284B73F24250CEHTMLBOTSEXPLORATIONC/2NDINTERNATIONALCONFERENCEONFUTUREINFORMATIONTECHNOLOGYANDMANAGEMENTENGINEERINGPISCATAWAY,NJ,USAIEEE,20092302337LEEHC,LEEBHIMPROVEDFEATUREMAPMERGINGUSINGVIRTUALSUPPORTINGLINESFORMULTIROBOTSYSTEMSJADVANCEDROBOTICS,2011,2513ZKUCURNE,AKINHLCOOPERATIVEMULTIROBOTMAPMERGINGUSINGFASTSLAMC/LECTURENOTESINARTICIALINTELLIGENCEVOL5949BERLIN,GERMANYSPRINGERVERLAG,20104494609JIASM,MURAKAMIT,CHUGOD,ETALINTERACTIVEROBOTSYSTEMFORSUPPORTINGOBJECTACQUISITIONBASEDONROBOTTECHNOLOGYMIDDLEWAREC/IEEEINTERNATIONALCO