标题：Multi-Robot Multi-Room Exploration With Geometric Cue Extraction and Circular Decomposition
1、研究背景：
（1）本文扩展了之前的工作，以协调多机器人在由多个房间组成的建筑中进行探索。
（2）合并了两个用于多机器人多房间探索的新模块：1）从3D激光雷达点云数据中检测门和房间位置的几何线索提取方法；2）用于房间表示、目标分配和通信的空间圆分解。
3、研究方法：
MRMR探索算法的第一个组成部分：通过几何线索提取来检测门和房间。提取算法如下图2所示：
图2 几何线索提取算法示意图
首先，通过机器人机载雷达构建3D点云地图，再将点云地图转换为3D体素地图。其次，如果高度z∈[zlow，zhigh]范围内的任何体素被占用，则通过将2D地图中的点设置为被占用，3D体素网格地图O被平坦化为2D二进制地图B。之后，机器人将中值滤波应用于二进制地图B，然后将B转换为2D距离变换地图M。机器人获得距离图的二阶偏导数矩阵或Hessian矩阵，用于计算获得鞍点和局部最大值。这里的鞍点就是门的位置，局部最大值m就是一个点，与其他相邻像素相比，该点到墙的距离δ最高。在后续自由空间分解中，(m, δ)对将被用作圆的中心和半径。
MRMR探索算法的第二个组成部分：将房间内的自由空间用圆分解表示。分解示意图如下图3所示：
对于图(a)和图(b)，探测范围为λ的相机和半径为r且与墙壁相切的圆，如果r>λ，即使机器人走到中心，也有观察遗漏。因此本文设置圆分解的半径阈值rthresh=2.5m（r≤rthresh），相机传感器范围λ=5.0m。对于图(c)较大房间，算法1的提取算法通常输出较长的距离δ>λ，需将圆分割成一组半径r较小的圆，并让机器人一个接一个地到达较小圆的中心。自由空间的圆分解并不是静态的，而是机器人根据增量构建的地图来动态分解（如发现一堵新的墙）。如图(d)所示，机器人更新圆的大小，使其与新观察到的墙相邻，如果圆明显重叠，则合并圆，如果圆的半径高于阈值rthresh，则拆分圆，最终实现自由空间用一组相邻圆表示。具体分解圆算法如下图4所示：
图5 多机器人通信和目标分配算法
需要声明的是，本文的多机器人共享世界坐标系。首先对于Communication()函数，多个机器人之间的分布式目标分配，本文利用门和圆作为共享信息。机器人与其他机器人相互共享自己到过的门和圆，这样就把整体环境用鞍点和圆进行紧凑表示，从而实现机器人之间的高效通信。对于TargetDoor()和TargetCircle()函数，当瞄准新的门或圆时，机器人不仅排除了自己到达的门和圆，也排除其他机器人到过的门和圆，避免冗余探索。
图6 MRMR探索算法总体流程图
图7 设置的8个仿真环境示意图
实验运行结果图如下图9所示。基于边界的基线方法通过直线移动来快速行进走廊以增加覆盖区域，而不转向门或房间。而MRMR方法快速转向到达门并进入房间，并且能使机器人没有冗余的情况下唯一地访问每个房间：
图9 两种方法运行结果示意图
4、结论：
同时，MRMR算法的局限性在于，由于3D体素被平坦化为2D距离变换，该方法仅适用于单层建筑。
