自主探索建图是机器人实现智能化和自主化的关键技术之一，面向无任何先验信息的未知场景，自主探索机器人能够在没有人员干预的情况下，仅依靠自身携带的传感器进行环境勘探并建立三维环境模型。搭载深度相机的旋翼无人机具有体积小、机动灵活、视野开阔、感知信息丰富等特点，更加符合自主探索的需求。针对传统自主探索算法后期探索效率大幅下降的问题，本文以携带小型深度相机的旋翼无人机为研究对象，提出了一种基于分块地图的3D地图构建方法和边界检测策略，基于层次逻辑的多属性边界决策策略，以及全局-局部分层探索路径规划方法，并搭建一套无人机自主探索系统进行了实验验证。本文的主要工作如下： 首先，研究旋翼无人机的定位与环境模型维护方法，为探索提供地图先验信息。采用基于视觉惯导融合的多传感器定位方案以满足无人机探索中定位的高精度和实时性需求。结合拓扑地图、点云地图以及栅格地图的优缺点，以八叉树-拓扑混合地图作为环境的表达方式，构建稠密环境描述和稀疏导航地图。提出以工作空间栅格搜索次数作为指标构建分块地图，以及局部-全局的八叉树栅格地图维护方法。 其次，提出基于分块地图的边界点检测和决策策略，为探索提供目标点。分析边界检测问题的数学模型和波前算法边界检测的原理，提出了包括分块地图边界点筛选、局部探索边界点降采样及全局边界更新模块的边界点检测方法。针对分块地图边界点决策问题，设计融合未知信息增益、运动代价以及环境特征的多属性、分段决策模型，通过层次分析法确定不同阶段属性的优先级以赋值权重，保证探索的效率和安全性。 再次，提出基于八叉树-拓扑混合地图的无人机分层路径规划模式，为探索提供运动路径。融合探索环境模型以及自决策目标区域，提出局部-全局分层路径规划算法。通过构建与波前边界检测算法相耦合的波阵图，选择回溯节点求解初始局部路径。通过已有历史信息实时学习拓扑节点并构建基于三角剖分的拓扑地图，采用Dijkstra算法求解拓扑数值模型的全局初始路径。根据探索场景需求，局部-全局规划器相互切换，结合化点为线的方法二次优化路径，协同规划探索的路径。融合分层路径规划方法，提出了基于分块地图的总探索框架。 最后，通过在仿真与真实场景实验中搭建基于ROS的无人机探索系统，对本文所提方法进行验证。讨论不同分块地图构建指标对于探索的影响，验证以工作空间栅格搜索次数作为指标的合理性。分析基于分块地图算法的探索过程，以轨迹长度和探索时间作为评价指标进行评估，并验证其相比于传统边界检测算法和采样探索算法的优越性。在非结构化实验室和大型地下车库场景中应用本文算法进行实验，分析基于分块地图的探索过程并验证在真实场景中的适用性。
NETL
