一起读论文14：含有障碍物信息的时变气体分布图

摘要

（1）环境中的障碍物确实会影响气体的空间分布；
（2）当结合在不同时间点进行的气味测量时，必须考虑它们的“年龄”，以模拟气体分布的短暂性质。
为了将这两个特征结合到映射过程中，将气体的空间分布建模为高斯马尔科夫随机场，这一框架允许考虑两个：
（1）气体读数的消失信息通过传感器测量中的时间增加的不确定性；
（2）通过不同区域之间的相关性来影响物体在环境中的影响。

1 引言

  气体分布图是通过一组相关变量的空间和时间分布测量值，创建气体在环境中如何扩散的表示的过程。
  首先，移动机器人通常只携带一个气体传感装置，可以分析更复杂的化合物；此外，机器人可以以更高的分辨率采样，同时仍能提供每次测量所需的精确定位；再者，气体分布图是由机器人以在线方式创建的，允许根据这样的地图进行决策，用于探索任务；最后，移动机器人可以利用其他传感器提供的环境信息来增强GDM过程本身。

  用移动机器人建立气体分布模型是一个困难的问题，原因有以下几点：
（1）与移动机器人中使用的大多是外部感知传感器不同，电子鼻是一种点采样设备，它只对周围非常近的空气进行采样；
（2）气体的分散受大障碍物的存在影响；
（3）由于控制气体扩散的机制，气味是短暂的，因此随着时间的推移，给定测量所传递的信息会很快消失。
  在之前的工作中，仅在模拟气体扩散时明确考虑了气体分布中障碍物的影响，然而当面对GDM问题时，与障碍物相关的信息被忽略，导致地图上的附近区域总是相关的；此外，GDM的现有方法为任意时刻所有气体测量提供了相同的置信度。因此估计的气体分布平均了在时间上非常不同的时刻进行的测量，这与气体的消失性质强烈矛盾。
  将时间递减权重与每次气体测量相关联，以模拟最近的测量比以前的测量更真实地反映当前气体分布的事实。在同一地点进行并在时间上分开的观测将根据其各自的权重进行合并。

2 相关工作

在模拟气体分布时，这些工作均未考虑环境障碍物施加的限制，也未考虑气体传感器提供的信息随时间消失的物理现象。

3 将GDM建模为马尔可夫随机场

使用GMRFs估计二维网格上气体分布的基础。还描述了问题的高度稀疏结构，这导致了对问题的有效估计，最后，给出了观测时变不确定性的模型。

3.1 概率模型

提出的方法旨在估计环境中气体浓度的概率密度函数。使用马尔可夫随机场可以推断不受直接感应影响的远距离位置的气体浓度。如果将来自同一个网格的两个观测值结合起来，以估计其气体浓度，则对最近的一个给出更多的权重。最终，在GDM过程中，旧测量值的方差将变得足够大，以至于可以忽略。

4 GDM的最大后验估计

首先将气体浓度图m调节为所有可用数据，即气体浓度观测值Z={z₁,…,z_m},然后，我们寻求最大化地图估计值P（m|Z_1:m）&P(m,Z_1:m)。

4.1 恢复不确定性

为了获得每个单元估计的不确定性，我们必须计算H^(-1)的对角线，每一个对角线元素H(i,i)^(-1)对应于单元格方差i(σ_ii²)

4.2 参数选择

单元大小c决定了可以进行不同预测的分辨率，必须考虑地图分辨率和计算成本之间的折衷。一般来说，对于移动机器人嗅觉，鉴于气体传感器技术的实际限制，将网格大小控制在0.2m以下是没有意义的，因为在这种分辨率下采样需要对场景进行繁琐且昂贵的检查。

公差参数σ_p²的选择与气体观测如何外推到相邻单元有关。高公差意味着相邻单元不必具有相似的值，因此外推减少。对于较小的公差值，可以实现较高的外推，因此，即使只有一个样本也可以大大降低远处单元的不确定性。

5 实验

  实验包括一个移动机器人，它在一个有多个房间的区域内巡逻，同时建立一个检查环境的GDM，根据已知地图上机器人里程计和激光扫描提供的信息，通过有效的粒子过滤器实现机器人的定位。为了提供估计气体图精度的定量结果，以及允许在不同GDM方法之间进行严格比较，首先进行模拟实验，以获得气体分布的地面真实值。
  真实和模拟试验均在室内场景中进行，该场景由通过走廊连接的两个相邻房间组成。每个房间都由配备电子鼻的移动机器人通过一个完整的回路进行检查，电子鼻沿着路径（红色虚线）采集样本。从一个房间到另一个房间，机器人穿过走廊（路径标记为蓝色虚线）。

5.1 仿真实验

通过比较GMRF方法在考虑障碍物和不考虑障碍物在不同时间瞬间的估计气体浓度和相关不确定度图，以及比较GMRF和kernel DM+V方法。

（1）在初始时刻，不确定性图差别很大。当在环境中引入障碍物，影响地图单元之间的相关性。在这些情况下，GMRF方法为访问的区域提供了较低的不确定性，因此这一方法能更好地综合评估地图。
（2）一旦气体开始释放，如果GMRF和GMRF+障碍物不考虑观测时间，则估计的浓度图是对以往观测的平均值，然而在这些时刻，这些方法无法检测到地面真值图中存在的高浓度值。

  在GDM过程中考虑障碍物和时间，不仅大大降低估计气体浓度的MSE，而且还提供了更真实地不确定度图。对于kernel DM+V，方差表示气体观测值地估计可变性；而对于建议地GMRF方法，方差表示估计气体浓度地不确定性。因此无法进行比较。

5.3 真实实验

kernel DM+V方法地计算成本几乎与映射大小无关，这是因为每个新气体观测要更新地单元数由截止半径参数聚合，从而使执行时间几乎保持不变。相反，GMRF方法强烈依赖于地图大小，在每个时间步更新所有地图单元，以反映障碍物和观测时间的影响。