发布询价单
您的位置:首页 > 资讯 > 企业动态 > 正文

移动机器人定位技术—激光SLAM

2020-04-01 10:05 性质:转载 作者: Seer Robotics 来源: 仙知机器人
免责声明:AGV网(www.chinaagv.com)尊重合法版权,反对侵权盗版。(凡是我网所转载之文章,文中所有文字内容和图片视频之知识产权均系原作者和机构所有。文章内容观点,与本网无关。如有需要删除,敬请来电商榷!)
SLAM英文全称是 Simultaneous Localization and Mapping ,意为即时定位与地图构建。SLAM最早由Smith、Self和Cheeseman于1988年提出,至今已有30余年的发展历史。相较于深度学习、神经网络、...

SLAM英文全称是 Simultaneous Localization and Mapping ,意为即时定位与地图构建。

SLAM最早由Smith、Self和Cheeseman于1988年提出,至今已有30余年的发展历史。

相较于深度学习、神经网络、大数据等热门词汇,听过SLAM的人少之又少,是因为国内从事相关研究的机构更是屈指可数。直至2015年左右,SLAM才逐渐成为国内机器人和计算机视觉领域的热门研究方向,在当前较为热门的领域崭露头角。

本文仅对没有接触过SLAM的新人进行的科普。

01

近年来,移动机器人技术在世界范围内得到快速发展。人们致力于把移动机器人应用于各种场景中,从室内外搬运机器人,到服务型机器人,再到工业机器人等,移动机器人的运用都得到了巨大突破。

在移动机器人研究中一个最关键的技术就是即时定位和建图,也就是所谓的SLAM技术。SLAM它试图解决这样的问题:一个机器人在未知的环境中运动,如何通过对环境的观测确定自身的运动轨迹,同时构建出环境的地图。

SLAM技术正是为了实现这个目标涉及到的诸多技术的总和。由于其重要的理论与应用价值,被很多学者认为是实现真正全自主移动机器人的关键。

02

SLAM系统一般分为五个模块:传感器数据、视觉里程计、后端、建图及回环检测。

传感器数据:主要用于采集实际环境中的各类型原始数据。包括激光扫描数据、视频图像数据、点云数据等。

视觉里程计:主要用于不同时刻间移动目标相对位置的估算。包括特征匹配、直接配准等算法的应用。

后端:主要用于优化视觉里程计带来的累计误差。包括滤波器、图优化等算法应用。

建图:用于三维地图构建。

回环检测:主要用于空间累积误差消除

其工作流程大致为:

传感器读取数据后,视觉里程计估计两个时刻的相对运动(Ego-motion),后端处理视觉里程计估计结果的累积误差,建图则根据前端与后端得到的运动轨迹来建立地图,回环检测考虑了同一场景不同时刻的图像,提供了空间上约束来消除累积误差。

目前,SLAM(即时定位与地图构建)技术主要被运用于无人机、无人驾驶、机器人、AR、智能家居等领域。

03

按照核心的功能模块来区分,目前常见的移动机器人SLAM系统一般具有两种形式:基于激光雷达的SLAM(激光SLAM)基于视觉的SLAM(Visual SLAM或VSLAM)

激光SLAM脱胎于早期的基于测距的定位方法(如超声和红外单点测距)。激光雷达(Light Detection And Ranging)的出现和普及使得测量更快更准,信息更丰富。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点,被称为点云。通常,激光SLAM系统通过对不同时刻两片点云的匹配与比对,计算激光雷达相对运动的距离和姿态的改变,也就完成了对机器人自身的定位。

激光雷达距离测量比较准确,误差模型简单,在强光直射以外的环境中运行稳定,点云的处理也比较容易。同时,点云信息本身包含直接的几何关系,使得机器人的路径规划和导航变得直观。激光SLAM理论研究也相对成熟,落地产品更丰富。

视觉SLAM主要通过摄像头来实现。摄像头品类繁多,主要分为单目、双目、单目结构光、双目结构光、ToF几大类。基于深度摄像机的 V-SLAM,跟激光 SLAM 类似,通过收集到的点云数据,能直接计算障碍物距离;基于单目、鱼眼相机的 V-SLAM 方案,则利用多帧图像来估计自身的位姿变化,再通过累计位姿变化来计算距离物体的距离,并进行定位与地图构建。

04

激光SLAM与视觉SLAM比较

一直以来,业内对激光SLAM与视觉SLAM到底谁更胜一筹,谁是未来主流趋势都有自己的看法。下面从以下几个角度进行简单对比:

技术发展

早在 2005 年的时候,激光 SLAM 就已经被研究的比较透彻,框架也已初步确定,激光 SLAM是目前最稳定、最主流的定位导航方法;视觉SLAM 目前尚处于进一步研发和应用场景拓展、产品逐渐落地阶段。

使用环境

激光SLAM主要应用于室内;视觉SLAM在室内外均能开展工作,但是对光的依赖度高,在暗处或者一些无纹理区域无法进行工作。

地图精度

两者相较,激光 SLAM 构建的地图精度高,不存在累计误差,且能直接用于定位导航。

通过对比我们发现,激光SLAM和视觉SLAM各擅胜场。两者相较,激光 SLAM 构建的地图精度高,不存在累计误差,且能直接用于定位导航。

当然,激光SLAM也有一定的局限性。比如在又长又直、两侧是墙壁的长廊或是动态变化大的环境中,单纯依靠激光SLAM容易发生定位丢失的情况。

05

仙知机器人作为一家以控制调度为核心的高新技术企业,在激光SLAM导航的基础上,融合了激光反光板导航二维码导航惯导摄像头等,采用多传感器融合算法让移动机器人定位更精确、性能更强大,并具有环境普适性,能够应对长廊、高动态的复杂环境及地面坑洞等。

在长廊、高动态的环境中,可自由切换至激光反光板导航、二维码导航,确保定位不会丢失;在地面环境相对较差的情况下,可选配3D相机对地面坑洞、立体障碍物等进行识别检测,并根据参数配置让移动机器人选择停障或绕行。

另外,为保证移动机器人使用安全,仙知机器人还拥有一系列方法来确保移动机器人在使用过程中机器人、人员和货物的安全。如双激光解决方案,通过双激光完成移动机器人周围360°全方位的安全检测;在基于SRC的激光SLAM自动叉车解决方案中,通过3D相机、红外传感器、超声、安全触边等进行安全防护,确保自动叉车在作业过程中人员和货物的安全。

其实,要想让移动机器人应对各种复杂的使用场景,激光SLAM与视觉SLAM必将在相互竞争和融合中发展,多传感器融合导航必然是未来发展方向。伴随移动机器人核心技术的解决,将替代人工完成简单、重复、劳动量大的繁杂工作,真正为人类服务。

网友评论
文明上网,理性发言,拒绝广告

相关资讯

关注官方微信

手机扫码看新闻