探测机器人煤矿井下地图创建
矿井是一种人工开采的地下建筑结构，以网状狭长巷道为体，主要包括主副井、通风井、大巷、皮带运输巷、采煤工作面等具有不同结构、路面和环境特征的结构单元。
井下探测机器人主要是对井下的各种巷道进行探测与环境参数采集，这些巷道首先是具有不同的路面特征，呈现出路面情况的复杂性和多样性，如水泥路面等结构化平整路面，起伏不平但表面坚硬的土质路面，沙地，阶梯，铁轨，泥泞路面以及因开采施工等因素对方的杂物组成的更加复杂的地形条件等等。因此，用于井下机器人导航的环境地图，首先需要能够较为准确的表达出这些地形情况的起伏度、坡度等基本信息，从而使机器人可以在这种非平整路面环境下通过可通过性分析等手段完成基本的路径规划任务。
其次，由于井下各种巷道的结构条件以及巷道内设备、物料等堆放物以及自然形成的各种地质结构多种多样，其现场既存在确定性、结构化的特征，也存在不确定、非结构化的特征。在这些特征当中，有些是可以作为导航、定位的特征区域或特征点来使用的，如铁轨、巷道的交叉口、阶梯等；有些则是在远程操作或自主路径规划中需要躲避的可能对机器人本身造成伤害的危险区域或危险环境，如较深的积水、泥潭等。因此，如何对可利用的结构化的特征以及可能对机器人造成伤害的特征进行有效的识别与定位，并将这些目标的分类、危险程度、穿越或翻越的可能性及代价等信息在地图上进行表示，也是在井下机器人地图创建过程中的一个重要的目标。在本节接下来的内容里，将分别分析煤矿井下典型区域中各种人工或地质结构的地形特征及其可能对井下机器人导航产生的影响。
大巷是地下采矿时，为采矿提升、运输、通风、排水、动力供应等而掘进的通道。一般情况下煤矿大巷内结构化的环境特征比较明显，路面情况也比较好，多以平坦坚硬的路面为主，偶尔有阶梯或其他物料堆积物。因而，大巷对于井下机器人来说其导航的条件是比较理想的。
巷道交叉口，巷道交叉口一般为“Y”型结构，少数也有“+”型结构，对于交叉口的识别是井下导航一个非常实用的功能，可以用于局部地图与先验的井下拓扑地图的融合，使局部路径规划与全局路径规划结合起来。
铁轨是井下常见的一种结构特征，作为井下机器人来说，铁轨既可以被操作员利用作为保持机器人航向操作的参考；也可以直接被机器人的感知系统所采集并作为结构化特征为机器人的定位等任务提供必要的数据基础。除此之外，由于在正常情况下，铁轨因为经常被维护从而基本不会有人为的堆放物或其他障碍物，因此在地形环境比较复杂的时候，在铁轨中间行走不失为井下探测机器人一个理想的路径规划选择。
阶梯常出现在井底大巷或上下山巷道中，对于阶梯结构DEEC_II机器人有一套相对自主的攀爬模式，通过视觉引导的方法实现机器人在阶梯上的姿态保持，这部分内容将出现在论文的后续章节中。因此，如何准确的识别阶梯及其走向和坡度等信息，并存储到井下地图中，从而使机器人可以启动阶梯攀爬程序实现自主攀爬，也是很有意义的。
在井下积水是非常普遍的，只是因为大多数的矿井都会有地下水的渗入，甚至会由于大规模出水造成透水事故。这些积水区域有的只是浅浅的是一个小水坑，有的则很深。虽然DEEC_II机器人本体是按照IP67进行设计的，其本体可以在不超过1米的水下短时间工作，但机器人所携带的环境气体探测器等设备却由于必须与空气接触而需要暴露在外面，这些设备进水将造成其不可修复性损坏。对积水深度的判断是比较复杂的一件事，这在很大程度上需要借助操作员本人的经验来实现判断。对于机器人来说，较大面积的积水则由于其情况不明作为路径规划中具有潜在威胁的目标来对待。
泥泞的路面环境在井下也是非常普遍的，履带式移动机器人对泥泞道路具有一定的适应能力，但对于大面积过度饱和的泥泞路面，特别是具有一定深度的泥潭，将会使机器人深陷其中，从而无法继续完成探测任务。因此，机器人同样需要能够检测较为饱和的大面积泥泞路面，并作为一种有危害的特征在井下地图中进行标注。
综上所述，无论是用于对操作员的远程操作进行现场地形和环境信息的支持，还是作为移动机器人井下导航的基础数据，用于井下地形环境的地图不仅要具有描述井下复杂的不平整路面的能力，还应该能够进一步描述一些典型的景物特征，如铁轨、阶梯、巷道交叉口、大面积泥泞、积水等。
2移动机器人常用地图表达方式
移动机器人环境空间的表示方法主要包括几何地图(GeometricalMap)和拓扑地图(TopologicalMap)两大类。其中，栅格地图(Grid-basedMap)和特征地图(LandmarkMap)是比较常见的几何地图表达形式。这些地图表示方法分别具有其各自的特点，因而被应用于不同的场合，或者通过不同类型地图的组合实现其环境空间更为适当的表达。
(l)栅格地图
栅格地图表示法最早由Moravec和Elfes于1985年提出，其原理是将环境分解成若干相同大小的栅格，每一单元代表环境的一部分，并包含一个表示该单元格被占据可能性的概率值。相比之下，栅格地图易于创建、表示和维护，每个栅格单元的信息直接与环境对应用于表示空闲或障碍物信息，因而方便声纳等低成本传感器实现这种地图的创建。借助于栅格地图，机器人可以方便地完成自定位、路径规划等。栅格地图是一种用于近似表达环境信息的地图，它对特定感知系统的假设参数不敏感，因而具有较好的鲁棒性。然而在大规模环境或环境复杂需要详细划分时，栅格数量将会增大，这就导致维护地图所需的计算量增加从而导致地图处理的实时性变差。然而从另一方面考虑，由于传统的栅格地图仅仅表达了相应位置的“空闲”(可通过区域)或“占据”(障碍物区域)，因而更多的应用于室内或结构化特征明显的室外平整路面导航中，对于非平整路面或非结构化特征很强的环境，传统的栅格地图就由于信息量不足而显得无能为力了。
经过众多研究人员多年的努力，栅格地图表示法也在不断的发展和改进当中得到了越来越广泛的应用，逐渐形成了四叉树等改进的模型结构。Burgard采用神经网络对感知数据进行学习，然后映射到地图中。Angelo提出基于反馈神经网络模型的栅格概率计算方法，从而可以有效的减少传感器镜面反射、随机性误差等的影响。Ribo对Bayesian概率模型、D-S证据理论、模糊集三种算法更新栅格地图模型的优缺点进行了深入的分析。针对非平整路面机器人导航问题，Moravec，Rankin等提出并应用了多种形式的2.5D栅格地图，进而加强了栅格地图的表达能力，解决了栅格地图信息量不足的问题。
(2)特征地图
特征地图又称为几何特征地图，它是通过机器人从环境的感知信息中提取更为抽象的几何特征，这些特征由若干包含环境位置信息的特征组成，例如线段、角点、目标边缘、规则曲线、平面等均可作为地图特征，这些特征通过特定的表达形式存储在地图中，并且易于被机器人观测到，方便用于位置估计和目标识别。几何特征地图也有着较为广泛的应用，如Ayache通过视觉传感器获取环境中的直线段信息作为特征，Ip等人通过对原始声纳数据的处理获得线段信息作为特征，Choset等采用ATM模型精确提取环境中的点特征。多传感器信息融合是提高特征检测能力的重要手段，Castellanos对激光和摄像机数据进行特征级数据融合以提高识别准确度。特征地图缺点是特征的提取需要对感知信息作额外的处理，需要一定数量的感知数据才能得到结果，而且特征地图的更新比栅格地图复杂很多。
(3)拓扑地图
拓扑地图，首先由Kuipers在1978年提出，是一种紧凑的环境表示方法，通常以图(Graph)的结构形式表现一个环境的连通性。拓扑地图描述法是对真实世界的一种近似描述，它并没有一个明显的尺度概念，而是选用一些特定的地点来描述环境空间信息。一般来说拓扑地图把环境表示为带节点和相关连接线的拓扑结构图，其中节点表示环境中的重要位置，如墙角、门等有一定可检测特征的结构，拓扑地图的边表示节点之间的连接通道，如环境中的走廊、通道等。相对而言拓扑地图非常便于实现路径规划，适用于基于行为的导航；而更大的优势在于，拓扑地图可以直接使用诸多成熟高效的图形搜索和推理算法;这种地图以描述环境的拓扑结构为主要目标，因而对环境没有精确的位置要求；并且对存储空间和计算资源要求相对较低，因此，基于拓扑地图的计算效率较高。尽管拓扑地图在很多方面具有优势，但它要求机器人可以准确地观测到拓扑节点，对拓扑节点的定义是拓扑地图创建的难点，在很多情况下往往会造成节点定义的失败；特别是在相似性较强的环境中，很容易使系统陷入节点混淆的状态。因此，拓扑地图对于结构化的环境，特别是对于不是很复杂的大尺寸结构化环境，是一种高效的表示方法。然而，对于非结构化环境，节点的识别将变得非常复杂从而使地图创建的难度增大。拓扑地图的节点定义一般采用三种方式:第一种是人为预定节点标志的方式，第二种是特定位置法，即根据特定位置的环境信息定义节点。Kuipers采用爬山法寻找局部唯一特征点，利用外部传感器感知的信息定义节点，第三种是传感器的观测数据的相似性特征进行节点定义，Nehmzow直接根据栅格直方图信息进行节点定义。
井下环境是一个大尺度的空间环境，并且具有一定的先验知识，这些先验知识可以较为容易的转换为以巷道口、巷道交叉点、井下重要设备或场所为节点的拓扑地图。以这个地图作为全局路径规划的拓扑地图，可以初步规划出机器人在井下当前位置通往目的点进行探测的全局路径信息。但由于这些地图仅仅提供了井下理想情况下的连通性信息，而实际的井下环境复杂多变，即使是很短的一段巷道的通行都需要一个包含有更加详细信息的局部地图进行路径规划。对这样复杂的地形环境，本文提出一种能够存储和表达更加详细信息的2.5D栅格地图，用于表示地形及附着在地形以上的各种物体，从而为移动机器人路径规划提供更加充分的地图信息。
3基于双目视觉的井下2.5维栅格地图创建
3.1一种2.5D栅格地图
面对复杂的井下环境，探测机器人要想成功的实现井下探测中的路径规划与导航，不仅需要对地形环境的可靠感知，更需要对各种地形环境的准确而全面的表达。在井下探测过程中，一个可靠的地形表达形式对于探测机器人能够规划出一条安全的路径，并最终顺利到达预设的目标点起着至关重要的作用。一般来说，地形环境的表达主要依靠安装于移动机器人本体上的具有测距功能的传感器来实现，如激光扫描仪、毫米波雷达等设备，但这些设备或者体积较大或者价格昂贵；影像传感器也是一种重要的感知器件，如可见光摄像机、多光谱摄像机、热成像仪、偏振光相机等等，这些传感器本身或它们的组合也可以较为方便的实现地形信息的获取。
经历了近20年的发展，各种各样的直角坐标系栅格地图被应用在移动机器人导航的研究当中，到底采用2D,2.5D还是3D栅格地图，取决于地形环境的复杂情况以及移动机器人所需的运算和动作速度。如前所述，2D栅格地图是一种典型的占有格形式，它主要存储每个栅格区域的不可通过、可通过以及未知这几种状态，即当一个障碍物被探测到位于其中一个占有格当中的时候，该占有格则被设置为不可通过状态。2D栅格地图主要应用于障碍物相对简单而分散，且地形环境不太复杂的情况下，因而多用于室内或其他平坦地面环境下。对于更加复杂的环境，则需要更高维的栅格地图来表达。2.5D栅格地图的基本形式是一种数字高程地图形式，它将相应栅格的高程信息存储在所表达的栅格数据当中。对于工作在野外等非平整路面的移动机器人来说，更加常用的2.5D栅格地图是一种存储有高程信息以及地形特征等信息的地形地图。当然，3D栅格地图也是一种可选择的方式，3D栅格地图可以用来描述立体的空间信息，其主要应用于空间、水下等机器人的三维路径规划的实现。但相比较而言，对于地面移动机器人来说2.5D地图在存储效率和计算复杂度方面的优势都是比较明显的。
本文提出一种方便井下机器人导航的2.5D栅格地图结构，该地图是由一系列局部地图与含有井下地形环境先验信息的全局地图融合后形成，其中每一个局部地图是立体视觉相机的一次采集的信息处理后形成的数据，有些研究人员把它称作单帧地图(SingleFrameMap)，这些地图根据其位置和姿态被匹配到全局地图当中。每个地图栅格由高度、地形分类、起伏度、可通过性代价以及可信度等元素组成。考虑到机器人的外形尺寸、越障能力等因素，该地图的水平栅格尺寸定为10cm，而高度分辨率根据立体视觉精度的平均值，定位2cm。由于机器人跨越陡直障碍物的能力为30cm，因此2cm的分辨率足以满足障碍物翻越算法的要求。根据前述机器人基于视觉的定位于姿态估算算法，机器人的姿态在每次立体视觉采集后都需要重新计算一次，因此每个单帧地图都需要根据机器人本身位姿的数据计算出地图与全局地图之间的位置和方向关系，从而保证其在全局地图中位姿的正确性，这也是保证实现地图融合的前提条件。
该结构的每个地图单元由4个字节组成，第1位到第9位用于栅格高度的存储，其中第1位是符号位，后8位表示与机器人观测点平面的绝对高度差；第9-11位用于表达该单元格的起伏度信息，用于描述该单元格内部及其与相邻单元格之间高度变化的平均幅度；第12-14位表达地形分类，表征该单元格属于哪种特定的地形特征，如可通过地形、阶梯、铁轨、泥泞、积水、未知等等；15-16位表示可通过性代价，是通过起伏度、地形特征等数据计算出来的可直接应用于井下机器人路径规划及远程操作参考的数据，如图1所示。
图1地图单元组成 三维扫描仪相关文章:三维扫描仪原理 热成像仪相关文章:热成像仪原理
评论