A MAP BASED ON LASERSCANS WITHOUT GEOMETRIC INTERPRETATION
摘要
Abstract.
A map for an autonomous mobile robot (AMR) in an indoor environment for the purpose of continuous position and orientation estimation is discussed.
討論了一種用於室內環境中的自動移動機器人（AMR）的地圖，以進行連續的位置和方向估計。
該算法，使用激光測距儀的傳感器數據來建立地圖，而無需對數據進行幾何解釋。
通過將單個激光雷達掃描轉換爲環境信息，從而使實際轉換後的點雲成爲全局座標系中的實際位置和方向。
地圖本身是針對AMR所處位置的代表性掃描圖，因此它可以通過將實際掃描結果與存儲在地圖中的掃描圖進行比較來找到其位置和方向。
INTRODUCTION
在許多情況下，這些地圖由幾何圖元表示，例如直線或多邊形。在文獻中可以找到這種地圖的不同方法：要麼預先將地圖指定爲直線，多邊形或其他幾何圖元（Ruß等，1992），要麼通過從傳感器數據中提取這些幾何圖元來建立地圖（Hinkel）等人，1988）。
第一種情況通常是不切實際的，因爲在開始AMR的任何動作之前必須先獲得操作環境的CAD模型，第二種方法卻很困難，有時甚至不可靠，因爲只有啓發式方法才能從傳感器數據中提取幾何圖元。
匹配兩種激光雷達以進行位置和方向估計
MATCHING OF TWO LASER RADAR SCANS FOR POSITION AND ORIENTATION ESTIMATION
在展示如何從這些測距儀掃描中建立地圖之前，我們需要解釋一下如何計算兩次激光雷達掃描之間的相對位置和方向位移。 爲此，我們使用了已經在（Weiß等，1994）中展示的方法。 這種方法背後的基本思想是找到這兩個激光雷達掃描的匹配項，它們是從不同的位置和方向獲取的。 通過計算匹配，可以找到兩次掃描之間旋轉和平移的差異。
The calculation of the matching is divided in two principal steps:
-
the calculation of representations of the scans, that are invariant against rotation respectively translation
-
and the finding of the actual shift between the representations of the scans.
2. 1. Invariants in Laser Radar Scans for Position and Orientation Estimation 激光雷達掃描中的不變量用於位置和方向估計
爲了匹配兩次掃描，必須找到掃描的屬性，這些屬性與記錄的位置和方向一致。
首先，我們計算representation of the scan，該表示形式與變換無關。
假設激光雷達掃描中的兩個連續掃描點代表一條線，我們計算該線相對於固定方向的角度。 通過對所有成對的連續掃描點執行此操作，將角度舍入爲離散值，我們可以建立掃描中角度的離散分佈。
在人工環境中，某些角度會出現累積，假設每兩個點實際上都代表一條直線。
這些累積代表房間中共同方向的代表。
我們稱這種分佈爲“角度直方圖”。
它大致與進行掃描的位置無關，而且不是來自方向。
如果我們想到平坦的表面，就會很容易理解位置的獨立性。
-
如果將激光雷達移近一些，則將從該平坦表面上獲取更多掃描點。
-
如果將掃描儀移開，則會發生相反的情況。
在這兩種情況下，只有以特定角度累積的掃描點數量會改變，但角度不會改變（發生積累的地方）
如果位置的變化相對於掃描大小較小，則角度直方圖只會改變幅度，但是如果方向發生變化，則角度直方圖中會出現相移。
通過計算兩個直方圖h1和h2的互相關性，可以找到兩個角度直方圖之間的相移，因爲直方圖可以假定爲離散週期函數
該crosscorrelation function在兩個角度直方圖之間的相移處顯示出局部最大值。 連同方向的粗略估算，例如crosscorrelation function，可以找到正確的局部最大值。
儘管此互相關函數具有離散的參數，但可以通過計算crosscorrelation function的最大值附近的平均值來找到確切的角度。
找到方向位移後，必須計算平移。
爲此，計算所謂的x和y直方圖。 x-（或y-）直方圖顯示了相對於座標系的x（或y-）方向上掃描點的分佈，其中x-（或y-）軸與最常見的方向平行。
最常見的方向是角度直方圖中出現最高峯的方向，即行數最多的方向。
因爲y-（或x-）軸垂直於此最常見的方向，所以代表此公共方向上的線的所有掃描點都以相同的y-（或x-）距離累積。由於在人造環境中矩形結構非常常見，因此堆積也會出現在x（或y-）軸上。
爲兩次掃描計算的這兩個直方圖與角度直方圖一樣，僅在相移方面有很大的不同。
因此，也可以通過互相關找到x（和y）位移
2. 2. Normalized Crosscorrelation Functions as a Measure of Reliability 歸一化互相關函數作爲可靠性的量度
採用上述形式的互相關函數，我們只能找到最大的相關性，而不能說明這種相關性的質量。 如果將互相關更改爲某種形式，則s1和s2是直方圖的平均值，現在稱爲歸一化互相關函數，其值在-1到1的範圍內：
如果直方圖不相關，則參數的值爲0。
如果它們是相關的，則值爲1（Ball 1968）。
兩者之間的任何度量通常都是沒有意義的，但是因爲我們知道，直方圖是從在大致相同的環境中進行的掃描計算得出的，所以此歸一化互相關的最大值表示了兩個直方圖之間的相關性。
只要該互相關函數的最大值接近1，就可以假定兩個直方圖的良好相關性。 這不一定意味着該相關性是高度可靠的，因爲例如 圓形房間的兩個角度直方圖將顯示任何角度幾乎爲1的互相關。
因此，需要檢查第二件事：
只能計算出重要互相關，如果基礎直方圖也顯示出顯着性。
因此，需要檢查直方圖中是否存在足夠高的峯。
3. FROM POSITION AND ORIENTATION ESTIMATION TO A MAP
如果我們現在使用我們的知識，那麼在AMR任務期間建立地圖的方法將非常簡單。 由於在某些地方拍攝的直方圖不會隨時間變化很大，至少在執行任務的時間內不會變化很大，我們不僅可以將它們一次用於增量位置和方向更新，還可以存儲它們並在以後使用 再來一次。 如果車輛又回到了先前的位置附近，那麼我們可以在以後的稍後時間通過先前進行的掃描來重新調整AMR的方向。
3. 1. The Organization of the Map
爲了組織掃描的存儲，將環境劃分爲一個網格，網格大小約爲車輛大小。
如果車輛在四處行駛，則每一次新掃描都將用於計算與較早採取的參考掃描之一的匹配度，從而可以校正漂移誤差。
另外，將校正後的掃描存儲在最近的網格單元中，以便將來可以用作參考點。
使用網格的優點是，實現起來非常簡單，並且鄰居也很容易找到。
當然，還有更多（內存）有效的解決方案，但即使是100 x 100的網格也只需要10,000個指針的空間（主要指的是NIL），而現在的技術條件，這個性能要求完全滿足。
3. 2. The Basics of the Algorithm
當AMR朝着其目標前進時，它需要儘可能快地對其環境進行新的掃描，以便獲得可靠的位置和方向估計並建立地圖。
爲了建立地圖，對於每個新的校正後的掃描，都要檢查地圖中是否已在代表掃描位置的網格單元中存儲了代表性掃描。
如果是這種情況，請進行第二次檢查：也許新掃描比已存儲的掃描具有更高的重要性。 然後，存儲的將被替換。 仍然爲空的網格單元將被新掃描填充。
在車輛行駛時，可能會發生起點處參考掃描之間的相關性變差的情況。在這種情況下，需要選擇新的參考掃描。
我們選擇新參考點的啓發式方法如下：首先，我們測試在車輛行駛方向上是否已經有參考點。
由於在這種情況下，我們要進入一個已經訪問過的區域，因此最好使用此掃描作爲參考。
如果正面沒有掃描，我們還將另外檢查正面是否有左掃描或右掃描。
如果這一切都失敗了，那麼很可能是車輛進入了一個未知的噴射區域：在這種情況下，我們將掃描從我們所來自的網格單元中取出。
以這種方式，在從起點到目標的過程中生成了一系列掃描，代表了它們的環境。
這些代表在一些小的誤差範圍內彼此對齊，這取決於位置和方向估計算法的準確性。
儘管這個較小的誤差可能會以更長的距離累加，但是局部位置和方向估計具有較高的精度，因爲它始終相對於局部代表。
就機器人所走的路徑而言，沒有環路，即使絕對位置和方向略有錯誤，也不會損害尋找精確返回路徑的起點。
但是，即使在機器人的路徑中發生循環，連續關聯期間的輕微錯誤也不一定會造成危害。
每當車輛在近似正確的代表掃描和具有累積漂移誤差的代表之間越過邊界時，實際掃描和先前掃描之間的誤差只會導致較小的“漂移”。
在車輛行駛時，可能會發生起點處參考掃描之間的相關性變差的情況。在這種情況下，需要選擇新的參考掃描。
我們選擇新參考點的啓發式方法如下：首先，我們測試在車輛行駛方向上是否已經有參考點。
由於在這種情況下，我們要進入一個已經訪問過的區域，因此最好使用此掃描作爲參考。
如果正面沒有掃描，我們還將另外檢查正面是否有左掃描或右掃描。
如果這一切都失敗了，那麼很可能是車輛進入了一個未知的噴射區域：在這種情況下，我們將掃描從我們所來自的網格單元中取出。
以這種方式，在從起點到目標的過程中生成了一系列掃描，代表了它們的環境。
這些代表在一些小的誤差範圍內彼此對齊，這取決於位置和方向估計算法的準確性。
儘管這個較小的誤差可能會以更長的距離累加，但是局部位置和方向估計具有較高的精度，因爲它始終相對於局部代表。
就機器人所走的路徑而言，沒有環路，即使絕對位置和方向略有錯誤，也不會損害尋找精確返回路徑的起點。
但是，即使在機器人的路徑中發生循環，連續關聯期間的輕微錯誤也不一定會造成危害。
每當車輛在近似正確的代表掃描和具有累積漂移誤差的代表之間越過邊界時，實際掃描和先前掃描之間的誤差只會導致較小的“漂移”。
整個方案如圖5所示。
AMR從網格點1開始，然後到達網格點10附近的目標。
這樣，首先將起點1作爲參考掃描，然後爲每個新的網格點輸入將掃描傳遞到地圖中的信息。
假設在網格點4處的相關性變差，以起點爲基準，則將點3作爲新的基準，因爲此時車輛前方的地圖中沒有掃描點。
這會連續發生，直到達到目標爲止。我們展示了兩種返回方式：直接和循環。
在第一種情況下（向後用黑色箭頭繪製），只要失去與以前使用的參考點的相關性，車輛就會選擇已經存在的參考點。
儘管車輛經過點7至點10時更接近其他點，但這種情況仍然發生，但是這些點是空的，所選點是直接在其路徑上的點的直接鄰居。
車輛通過這些空點時，還會將掃描結果存儲到其中。
在第二種情況下（以灰色繪製），車輛選擇了經過第9點之後返回起點的另一種方式。
因此，它將掃描11到13添加到地圖中。
假設在點12失去了相關性，它將使用點11作爲參考。
如果相關性在點13附近再次丟失，則將選擇點2，因爲該點位於車輛的直接航向上。現在將（相對）舊點2作爲新參考，可能會發現較大的偏差，因爲地圖在從點10到13的路徑上可能會有些失真。另一方面，這對查找沒有危害。正是起點，因爲這是相對於第1點而言的。
4. EXPERIMENTAL RESULTS
我們的車輛帶有一個被驅動和轉向的前輪和兩個自由行駛的後輪，尺寸爲110 x 62釐米。
我們使用的測試室約爲 5 x 4 m。
柵格單元的大小爲80釐米。
車輛按照圖中的標記啓動，向左和向右轉，穿過一門98釐米大小的門，沿着走廊（寬度爲2,50 m）走下，以來回迴旋的方式轉向 然後又穿過了門
5.結論
展示了一種算法，該算法可以通過在AMR執行任務期間構建其環境的地圖而無需對該環境進行幾何解釋的方式，在AMR的全局座標中進行增量的位置和方向估計。 如果地圖不僅用於預先規劃的路徑，而且用於環境的自主探索，則需要進行可靠性方面的進一步調查。