无定位导航：基于收敛定理的可靠示教与复现

我们提出了一种用于示教—复现视觉导航的新概念。所提概念基于一个数学模型，该模型表明在示教—复现导航场景中，移动机器人无需执行显式定位。相反，复现先前示教路径的移动机器人可以简单地“回放”学习到的速度，同时仅利用其相机信息来校正其相对于预期路径的航向。为支持我们的主张，我们建立了机器人的位置误差模型，该机器人仅通过校正航向来遍历示教路径。随后，我们给出数学证明，表明该位置误差不会随时间发散。基于模型中的见解，我们提出了一种简单的单目示教—复现导航方法。该方法计算高效，不需要相机标定，并且可以学习并自主遍历任意形状的路径。在一系列实验中，我们证明了该方法能在现实的室内与室外条件下可靠引导移动机器人，并能应对不完美的里程计、地标缺失、光照变化以及自然发生的环境改变。此外，我们在 http://www.github.com/gestom/stroll_bearnav 提供了导航系统与所采集的数据集。