在智能機(jī)器人領(lǐng)域，基于視覺的同步定位與地圖構(gòu)建技術(shù)(SLAM)因視覺傳感器具有成本低、部署靈活、信息量豐富等優(yōu)勢(shì)，成為行業(yè)研究熱點(diǎn)。在大規(guī)模環(huán)境中，通過(guò)共享地圖數(shù)據(jù)實(shí)現(xiàn)協(xié)同作業(yè)可大幅提升工作效率。然而，實(shí)現(xiàn)多機(jī)器人系統(tǒng)中不同機(jī)器人間的全局定位(Multi-Robot Global Localization, MR-GL)依然面臨諸多挑戰(zhàn)。特別是在機(jī)器人初始位姿未知、環(huán)境動(dòng)態(tài)變化劇烈的情況下，不同機(jī)器人間視角差異造成的數(shù)據(jù)數(shù)據(jù)匹配困難，動(dòng)態(tài)場(chǎng)景對(duì)算法的實(shí)時(shí)性與魯棒性(一個(gè)系統(tǒng)在面臨著內(nèi)部結(jié)構(gòu)或外部環(huán)境的改變時(shí)也能夠維持其功能穩(wěn)定運(yùn)行的能力)提出了更高要求。此外，如何在保障精度的同時(shí)快速完成多機(jī)協(xié)同定位，是影響協(xié)同任務(wù)能否成功執(zhí)行的關(guān)鍵因素之一。
 

　　針對(duì)上述難題，研究團(tuán)隊(duì)創(chuàng)新性地提出了一種融合語(yǔ)義與幾何三重約束的圖匹配多機(jī)器人全局定位方法——SGT-MGL。該方法首先提取場(chǎng)景中對(duì)象的語(yǔ)義與幾何特征，并通過(guò)拓?fù)浣Y(jié)構(gòu)刻畫其空間分布關(guān)系。為增強(qiáng)對(duì)象的區(qū)分性，研究人員基于語(yǔ)義信息與相對(duì)距離構(gòu)建了三角形描述符，進(jìn)一步提升了特征辨識(shí)度?？紤]到語(yǔ)義與幾何信息的互補(bǔ)特性，創(chuàng)新性提出了一種融合語(yǔ)義標(biāo)簽、空間夾角及相對(duì)距離信息的三維直方圖描述符，有效提升了三角形描述符的穩(wěn)定性與不變性。為進(jìn)一步降低噪聲干擾，研究團(tuán)隊(duì)采用"由粗到精"的匹配策略，提出了一種由全局幾何結(jié)構(gòu)篩選關(guān)鍵點(diǎn)位，并結(jié)合局部與全局圖匹配方法，實(shí)現(xiàn)了多機(jī)器人間的高精度六自由度(6-DoF)(三維位置+三維朝向)姿態(tài)估計(jì)。實(shí)驗(yàn)結(jié)果表明，該方法在提升全局定位精度方面具有顯著優(yōu)勢(shì)。
 

　　實(shí)驗(yàn)數(shù)據(jù)顯示，該技術(shù)在復(fù)雜動(dòng)態(tài)環(huán)境中的定位精度較傳統(tǒng)方法提升顯著。其創(chuàng)新性的三重約束機(jī)制，既保證了算法在視角差異下的魯棒性，又通過(guò)分級(jí)處理兼顧了運(yùn)算效率，為未來(lái)智能醫(yī)院、智能工廠等場(chǎng)景的多機(jī)器人協(xié)同作業(yè)提供了關(guān)鍵技術(shù)支撐。
 

　　該項(xiàng)工作的第一作者為王凡博士后，通訊作者為張文副研究員和劉勇研究員。本研究得到了國(guó)家自然科學(xué)基金、合肥物質(zhì)院院長(zhǎng)基金和國(guó)家重點(diǎn)研發(fā)計(jì)劃的支持。
 

所提出的多機(jī)器人全局定位方法在KITTI08序列數(shù)據(jù)集上的應(yīng)用