中文摘要：

本项目主要进行野外环境中基于自适应学习的移动机器人地形分类与建图研究。首先，研究提取能够全面刻画野外环境地形多样性、集成激光和视觉传感器信息的融合特征，构建支持在线学习、适用于野外环境地形分类的自适应神经网络模型；其次，研究地形分类模型的在线学习问题，在机器人运动过程中，关联选定区域地形的融合特征和实际可通过性反馈数据，产生训练样本，在线训练神经网络模型实现正确的地形分类，并自动适应地形及光照等外部条件的变化；然后，研究野外环境中GPS信号失效时的移动机器人定位问题，提出从激光点云序列中提取自然环境路标并基于自然路标完成定位的算法，并基于扫描匹配方法实现自然路标的可靠获取；最后，研究如何建立区别穿越方向、支持多目标优化运动规划的环境地图，基于地形分类结果及地形几何信息建立描述局部区域地形变化的栅格地图，以支持同时考虑穿越代价、驾驶安全、能量消耗等优化性能指标的递增式运动规划和自主导航。

结论摘要：

移动机器人能够代替人到各种特定环境中完成任务，而对所处周围环境进行感知和建模，是移动机器人自主运动到目标位置并完成各种任务的重要前提。要实现在非结构化野外环境中稳定、可靠的自主导航，机器人必须具备自主判断野外地形可通过性的能力。机器人需要依据车载传感器获得的环境信息，完成对当前场景各组成部分的可通过性进行正确感知和分类，基于此建立环境地图，依据渐进的运动规划和导航，自主运动到目标位置，完成作业任务。项目研究了未知野外环境中移动机器人地形分类与建图问题，完成了面向野外环境地形分类的融合特征和自适应神经网络分类模型、基于自适应学习的野外环境地形分类、面向野外环境自主运动规划与导航的环境地图构建等内容。项目提出了集成激光、视觉传感器信息的适用于地形分类的组合特征，从各个相互独立的角度全面刻画环境可通过性特性；提出了面向野外环境复杂地形分类的自适应神经网络分类模型和基于场景发现的自监督训练方法，使得地形分类效果能够迅速适应环境变化；针对野外森林环境GPS信号失效的情况，提出从所处环境中提取可靠的自然路标并依靠自然路标实现准确定位的算法，实现了对移动机器人连续定位；提出了能够描述地形局部变化的地图构建方法，综合考虑穿越代价、驾驶安全、能量消耗等因素，实现野外环境中多目标优化的路径规划和自主导航。本项目面向未知野外环境，通过有效的传感信息提取与处理技术、机器学习技术和移动机器人导航技术，实现机器人在复杂多变的野外环境中自主完成地形分类、连续定位与地图构建，其研究成果可应用于军事、救援、农业、探测、自主驾驶等诸多领域。项目按照计划书要求执行，完成了计划书所列研究内容，达到了预期指标。围绕项目研究内容，共发表学术论文23篇，其中数篇论文发表在Robotica、IEEE Transactions on Instrumentation and Measurement、IEEE Transactions on Industrial Electronics等国际期刊以及ICRA 2012、IROS 2012等国际顶级学术会议上，同时获得国家发明专利1项，申请国家发明专利1项，获得计算机软件著作权1项。