基于连续-离散MRF图模型的鲁棒多机器人地图融合方法

更新时间:2023-05-28

《机器人》2020年01期

【摘要】针对多机器人同步定位与建图(MSLAM)中感知偏差会产生高度相关且互一致的异常回环,进而导致定位与地图变形等问题,提出了基于马尔可夫随机场(MRF)的通用连续-离散图模型.其中,连续图对标准位姿图(pose graph)进行建模;离散图通过对异常值相关关系的显式建模,建立剔除模型.在此基础上,进一步利用凸松弛方法,将连续-离散图代表的非凸且NP(非确定性多项式)完全的组合优化问题转化为半正定规划(SDP)问题,方便利用现有凸优化工具进行求解.仿真和实测数据实验表明,本文方法提高了位姿图对感知偏差带来异常外点的鲁棒性,且结果不依赖于位姿初始值的好坏,在异常值占比为50%的情况下,剔除率仍可达99.8%,地图融合精度优于现有主流动态协方差缩放(DCS)方法和两两一致测量集(PCM)方法.

【关键词】多机器人同步定位与建图感知偏差地图融合马尔可夫随机场