面向场景变化的动态自适应同时定位与地图构建

在动态变化的复杂环境中,如何使同时定位与地图构建（SLAM）系统根据场景变化持续可靠地进行定位和地图构建,成为其能否走向实际应用的关键所在,也是目前SLAM研究领域中重点研究和待解决的问题之一.针对这一问题,本文提出了一个可扩展的、面向场景变化的同时定位与地图构建框架—SceneSLAM,支持场景检测和SLAM算法的有效复用和自动化调度;根据当前场景检测结果,动态自适应地调用依赖不同传感器数据的SLAM算法,从而提高SLAM系统适应环境变化和持续稳定工作的能力;在SceneSLAM框架基础之上,提出了能够有效检测室内、室外、黑暗场景的场景检测模型,以及应对光线变化的室内、室外场景的动态自适应SLAM模型;在模型切换时自动地进行坐标转换和尺度转换,从而获得具备全局一致性和尺度一致性的定位与地图构建结果.最后,基于ROS平台实现了一个动态适应场景变化的SLAM原型系统,实验中利用Turtlebot机器人,在室内、室外、黑暗场景中进行实验,验证了本文所提出方法的有效性.