基于反义词感知建模的声纳数据近似机器人地图构建

受Zadeh于2001年提出的“用词语与感知进行计算”思想的启发，本工作聚焦于如何将测量值转化为感知，以解决自主移动机器人的地图构建问题。我们提出将声纳传感器获得的感知建模为两个网格地图：一个用于障碍物，另一个用于空区域。用于构建和整合这些地图的规则通过语言描述表达，并由模糊规则建模。该方法与文献中报道的其他研究的主要区别在于，本文提出的方法基于“占据”和“空”这两个概念是反义词而非互补（如概率方法中那样）或独立（如先前的模糊模型中那样）的假设。在三种代表性室内环境中使用真实机器人进行了受控实验，并展示了结果。我们对概率方法、先前模糊方法和新的基于反义词的模糊方法所估计的地图进行了定性和定量比较。结果表明，基于反义词的方法获得的地图定义更清晰，能更好地捕捉墙壁和空区域的形状，并且由回波和短回声引起的误差更少。此外，尽管所使用的声纳传感器存在固有的噪声和低分辨率，所获得的地图仍精确且对不精确性具有容忍性。