一种基于大气压的多层建筑物的地图构建方法
【技术领域】
[0001] 本发明涉及地图构建领域，尤其涉及一种基于大气压的多层建筑物的地图构建方 法。
【背景技术】
[0002] 为室内环境构建地图一直是一个值得研究的问题。目前已经有一些方法为室内环 境构建二维地图，其相应的三维地图构建方法也正在兴起。移动机器人地图构建方法分为 五类:度量地图、拓扑地图、水平传感器地图、基于外观的地图和语义地图。
[0003] 度量地图是机器人学中最为常用的一类地图构建方法。其中，栅格地图又是度量 地图中的一种。本文所述度量地图即为用栅格地图构建的方式来得到的2D度量地图。栅格 地图是使用概率的方法来表示环境，每一个网格表示该位置在环境中被占用的概率，这个 值越到大表示被占用的概率越大，这个值越小表示被占用的概率越小。计算这个概率的方 法有卡尔曼滤波、粒子滤波、以及基于图的优化方法。
[0004] 尽管已经有很多的二维地图构建方法，但却只有少数的方法是用来构建多层建筑 物的地图。罗马的卢卡·约基和斯蒂凡诺·佩莱格里尼提出了一种基于视觉测距的方法来构 建多层建筑物的平面图。然而，该方法需要移动机器人顺序构建各层的地图，而且在电梯处 需要有突出的视觉特征。
[0005] 使用多个移动机器人的SLAM(即时定位与地图构建)方法在构建多层建筑物地图 方面也有类似的问题。美国宇航局喷气推进实验室的安德鲁·霍华德在其论文《多机器人使 用粒子滤波器即时定位和地图构建》中提出从各层机器人中获得单张地图，然后通过地图 合并方法整合成为一个全局的地图。华盛顿大学计算机科学与工程系的乔纳森·柯本杰明· 斯图尔特提出根据机器人定位彼此在各自地图的位置，然后通过全球定位来创建用于合并 地图的约束条件的方法来构建多层建筑的地图。
[0006] 迈克尔·卡格也提出了一种直接解决多层建筑物地图构建的方法。与乔纳森·柯本 杰明·斯图尔特的方法类似，他们使用全局约束去排列各楼层的地图。他们的方法适用于多 机器人团队，且它是基于楼层之间的某些建筑特征是很常见的这个假设。单个传感器(激光 测距仪)是用来全球定位和产生约束。如果在不同的楼层间某些建筑特色是重复的，对称或 不相似。这个方法就不奏效了。此外，它并没有解决地图对应建筑物的哪个楼层这个问题， 因此，该信息必须另外手动给出。
[0007] 本发明和以上提到的方法有着显著的不同，不论是地图的生成方式还是地图所代 表的意义。本发明不仅得到了多层建筑的全局地图，也能得到单一楼层的地图；此外，本发 明不依赖于楼层之间相似的建筑特征，只要能得到二维的SLAM度量地图就够了；另一方面， 本发明目前支持单个机器人系统。基于这样的事实，各楼层的地图是可以从一个连续的，全 局的数据集中分割出来。
【发明内容】
[0008] 本发明的目的在于提供一种基于大气压的多层建筑物的地图构建方法，以解决现 有技术依赖于楼层之间的相似特征、需要多个机器人团队合作等缺陷。
[0009] 为了实现上述的目的，采用如下的技术方案。一种基于大气压的多层建筑物的地 图构建方法，采用移动机器人系统探测多层建筑，所述移动机器人包括车轮编码器、激光测 距传感器和气压传感器，所述地图构建方法包括以下步骤： 一、 移动机器人由操作人员远程操控移动，在机器人移动探测过程中记录数据，所述数 据包括车轮编码器的测量数据、激光测距传感器的观测数据和气压传感器的气压读数； 二、 对数据进行Rao-Blackwel1ized粒子滤波处理，得到多层建筑的2D度量地图； 三、 根据多层建筑的2D度量地图，利用大气压原理分割出单层的地图。
[0010] 本发明是建立在公开的、开源的硬件和软件框架基础上。能够不依赖于楼层之间 的相似的建筑特征，不需要多个机器人的团队合作，只需要一个完整的机器人系统就能够 得到多层建筑物的2D度量地图，再依据大气压原理把每一层的地图分割出来。所述激光测 距传感器的观测数据和车轮编码器的测量数据通过Rao-Blackwellized粒子滤波算法可以 分析得到整栋楼的度量地图。根据气压与高度的反比关系，所述气压传感器的读数可以分 析出楼层的转接处，并分割出多层建筑每一层的地图。
[0011 ] 所述步骤二的Rao-Blackwellized粒子滤波的关键思想是估计地图m的联合后验 分布:顧!:￡|和机器人的路径縣。爲。使用观测数据_ 测量数据纖通过下式的因式分解估计得到联合后验分布：
使用上述方程，可以预先估计机器人的路径__遍^_:^1，从而根据估计的路径 构建环境地图i：iJ： °
[0012]气压(大气压力）是大气层中的物体受大气层自身重力产生的作用于物体上的压 力。因此，压力相对于无限小的高度的变化应正比于通过空气的质量在该无限小层所施加 的重力。这种关系可表示为：
其中P表示大气压力，Z是海拔高度，舜是空气密度，g是重力加速度，负号表示随着海拔 高度的升高大气压力不断减小。
[0013]另外，理想的气体定律为.
其中，R是玻尔兹曼常数，T是指温度。因此
，由式（1)(2)可得： 根据国际标准，标准大气压。因此，对于恒定的重力加速度和温度，根 据一阶积分方程(3)可以得到大气压原理：
利用气压减少的事实作为机器人移动到上层的标志，并以气压增加作为机器人移动到 低层的标志。此外，我们假定压力保持相对稳定则说明在同一层，楼层之间的压差是相邻层 之间的重要信息。地图分割只考虑气压读数，与现有的方法不同，重复、对称或不同的建筑 特色的环境不会影响到地图分割的性能。
[0014] 与现有技术相比，本发明的实质是在得到多层建筑的2D度量地图后，根据大气压 原理分割出每一层楼的地图；本发明是建立在公开的、开源的硬件和软件框架基础上，因此 可以很容易在现有系统上实现;本发明不需要依赖多个机器人的团队合作，只需要一个完 整的机器人系统就能够得到多层建筑物的度量地图；本发明在分割度量地图时只需要考虑 气压读数，重复、对称或不同的建筑特色的环境不会影响到地图分割的性能。
【附图说明】
[0015] 图1是移动机器人探测建筑得到的地上六层的2D度量地图； 图2是建筑八个楼层的气压读数； 图3是在一个稳定的点上测量到大气压和温度的变化； 图4是移动机器