（译文 页数：15 字数：8166）基于特征定位的室内环境移动机器人基于ODOMETRY，激光，及全景视觉数据

摘要 本文论述了移动机器人定位在一个动态的室内环境的多传感器平台。利用Odometry，全景视觉数据，激光测距数据融合来更加逼真的估测移动机器人的方向和立场。实验装置由两个odometry编码，两个180°激光测距仪，以及全景相机组装的机器人（Biba）。实验表明，与只用odometry或激光传感器数据形成对照，而多传感器装置有助于降低机器人定位和方向的实质误差。考虑到机器人方向估测和环境特点，我们还觉察到使用视觉数据可以提高定位精度。

关键词：移动机器人，激光测距仪测量数据，全景相机，特征提取，多传感器融合。

目录

1.导言
2.特征提取与匹配
3.BIBA 机器人
4.实验测试
5.结论


1.导言
为了能在任一环境中执行任何任务，移动机器人能够回答以下三个问题：“我在哪里？我要去哪？我怎么去那？”是至关重要的（Leonard and Durrant-Whyte,1992）.这三个典型的问题刺激移动机器人研究界持续了20年。在此期间研究人员集中关注的是定位的发展，地图建设以及可实时运行和已装机移动器人的导航程序。自20世纪90年代中期起嵌入式传感器，硬件，以及计算和记忆能力的巨大发展允许移动机器人大力改进其自主性和应用领域范围（从医疗，办公，以及工业到星球表面探测）。如今在文献中针对10多年以前那些难以应付的问题有许多方法。一个很好的例子就是二维同步定位与地图创建问题（SLAM），通常被描述为“鸡-蛋”问题。SLAM问题在于需要有一个准确估计机器人姿态（位置和方向）以及传感器数据融合的精确地图。形成一个可靠的环境地图和减少odometry误差这两者都是相关必要的（Vazquez-Martin et al.,2006）。不幸的是，单纯使用odometry估测位置是不够的，因为编码器始终提供无限的位置误差。这些误差是由车轮滑移，转移的有效载荷，不准确的结果等造成的。以及系统累积误差表明了机器人估测立场和实际立场之间不断递增的差异。由于这一点，现在使用包括exteroceptive传感器（如：激光测距仪，全景相机，超音传感器等）在内的多传感器平台很频繁。然而，我们应该看到SLAM程序的效率和稳定性直接影响象征地图的选型。文献中提出一些典型的选择，如占用网格（Elfes, 1989, Schultz and Adams, 1998, Ivanjko and Petrovic, 2004, Ivanjko et al, 2005, and others），拓扑图（Bandera et al, 2001, Zhuang, 2006, Tarutoko et al, 2006, and others），特征映射（Leonard et al., 1992, Janet et al, 1997, Salomon et al, 2006）等等其他方法。