李曉東

甘肅建投重工科技有限公司 甘肅蘭州 730000

1 前言

在現(xiàn)今社會人力成本不斷上升情況下，“機器換人”步伐的加快，公共服務(wù)類機器人作為一個新興產(chǎn)物可以節(jié)省人力，有效地降低經(jīng)營成本。本文簡單介紹了小型電動全自動導航掃路機器人的技術(shù)特點，并且從技術(shù)角度說明了服務(wù)類機器人的基本組成、基本功能、技術(shù)難點以及目前存在的問題。

2 機器人分類、基本組成與相關(guān)功能

本文依據(jù)行動導航方式將機器人分為有軌道與無軌道兩大類。

2.1 有軌道機器人導航技術(shù)

巡線行走，按鋪設(shè)導航磁條行走，定點布置RFID地標點，形成由點到線由線到面的數(shù)據(jù)地圖，在特殊位置，通過內(nèi)置RFID芯片觸發(fā)特殊指令識別地面RFID射頻編碼標簽（能放置在指定位置或指定物品上，可以與閱讀器之間不直接接觸而進行無線數(shù)據(jù)傳輸?shù)臄?shù)據(jù)通信標簽）到指定標簽位置停下，并按照對應(yīng)標簽數(shù)據(jù)介紹相應(yīng)標簽物品的情況或執(zhí)行標簽數(shù)據(jù)中指定的動作內(nèi)容（左轉(zhuǎn)、右轉(zhuǎn)、轉(zhuǎn)身、到達、返回等），此項技術(shù)算法容易，整體較為簡單，成本較低，一般應(yīng)用于一定范圍內(nèi)的室內(nèi)場地。

2.2 無軌道機器人定位導航技術(shù)

與有軌道機器人不同的是，無軌道機器人沒有固定路徑，可以自主尋路以及避障，其一般具有自主學習能力，能在未知的環(huán)境里通過學習，并能無碰撞地從給定起點到達指定目標，在前方有障礙物時，根據(jù)不同的程序設(shè)定，可以選擇另行路徑或者繞行。目前較為成熟的與主流的導航定位系統(tǒng)有以下3種。

2.2.1 慣性導航定位技術(shù)

慣性導航定位系統(tǒng)（INS），物體做勻速度或者變速度直線運動，其任意時刻的瞬時位置是決定于物體的初始位置、實時速度、運動的時間和運動的角度，實時速度又是取決于起始速度、實時加速度和加速時間決定，即：實時位置是對速度的積分，而速度又是對加速度的累計積分。如下列公式[1]：

式 中，ax、 ay、 az分 別 為x、y、z方 向的 加 速 度 ，vx0、 vy0、vz0分別為x、y、z方向的初始速度。

慣性導航系統(tǒng)就是利用此物理規(guī)律實現(xiàn)對物體的導航定位，它利用陀螺儀平臺建立自身的3D空間直角坐標系，每個軸系分別有自身的加速度計可測量出各自方向的加速度，并對其進行積分；疊加各自方向的初始位置，便可以測算出目標載體在坐標系中的基本位置和實時速度。此系統(tǒng)本身不依賴外部信息，也不向其他導航系統(tǒng)對外部輻射能量[2]。因此，系統(tǒng)的獨立性和隱蔽性較強，也經(jīng)常應(yīng)用于隱形戰(zhàn)機和導彈導航中。

通過網(wǎng)格規(guī)劃，基于角動量守恒理論設(shè)計計算，依據(jù)定軸性和進動性，即：慣性保持穩(wěn)定，同時反抗任何改變軸子的力量，又與外力矩方向相互垂直[3]，導航更精準，能夠靈敏感應(yīng)方向、速度及坡度變化，靈活調(diào)整方向和路線。

然而，其缺點也非常明顯，無論慣性傳感器精確度有多高，由于陀螺儀與加速度計的誤差會隨著時間逐漸累積，而導航信息經(jīng)過時間積分而產(chǎn)生，定位誤差就會隨著時間增加而增大，長期計算精度差；因此，一般情況下不單獨使用。

2.2.2 SLAM導航定位技術(shù)

SLAM（Simultaneous Localization and Mapping即時定位與地圖構(gòu)建）技術(shù)是目前較為主流的人工智能機器人與其他無軌道行走機械定位導航技術(shù)。簡單來說，SLAM技術(shù)是指機器人在未知環(huán)境中，完成自身定位、構(gòu)建圖紙、路徑規(guī)劃的整套流程，從而實現(xiàn)機器人的自主導航。按照主流使用的不同種類傳感器分類可分為以下兩種SLAM解決方案，一是使用3D激光傳感器，通過傳感器內(nèi)置計算芯片以TOF為算法基礎(chǔ)測量相關(guān)數(shù)據(jù)信息，再者是使用單目或多目深度視覺傳感器，通過軟件與圖像處理算法為基礎(chǔ)測量相關(guān)數(shù)據(jù)信息，以下將分別介紹兩種不同傳感器的導航技術(shù)。

2.2.2.1 基于3D激光傳感器的SLAM定位系統(tǒng)

通過內(nèi)置3D激光雷達攝像頭向360°發(fā)送激光光束來獲取數(shù)據(jù)，通過激光反射回來的時間（time of fly）來判斷障礙物距離機器人的距離信息，在根據(jù)配置的高精度編碼器與陀螺儀計算出自身移動軌跡與移動距離，可以在較為復雜的環(huán)境下繪制出已經(jīng)過路徑的實時地圖信息，實現(xiàn)實時定位，對于機器人來說則是“測量四周環(huán)境與環(huán)境建模校對”（如圖1）。

圖1 基于3D激光傳感器的SLAM定位系統(tǒng)

2.2.2.2 基于單雙目傳感器的SLAM定位算法DPVT（直接參數(shù)化的視覺追蹤）

給定來自攝像機的一系列圖像，觀察由某些圖像表示的數(shù)據(jù)模型，通過圖像分析，視覺跟蹤與確定模型隨時間變化的參數(shù)，根據(jù)視覺自我運動跟蹤整個場景，并從場景結(jié)構(gòu)的感知運動中推斷出視覺深度攝像機的運動。通過最小化密集像素成本函數(shù)的直接視覺跟蹤方法[7]。（“直接”是指根據(jù)模型參數(shù)與視頻幀之間的像素強度相關(guān)的函數(shù)來計算模型參數(shù)。直接方法的關(guān)鍵部分是一個生成模型，該模型可以根據(jù)給定的模型參數(shù)真實值來預(yù)測實時框架的外觀。）視覺跟蹤問題的真實模型參數(shù)的有效方法是考慮與預(yù)測參數(shù)和真實視圖相關(guān)的光度成本函數(shù)的梯度，以適應(yīng)變化的參數(shù)。在迭代框架內(nèi)，視頻圖像中每個像素與預(yù)測之間的殘差值直接對模型參數(shù)的精確估計形成線性約束。模型參數(shù)通常會隨著時間而平滑變化。

利用每個像素，可以最大化從圖像數(shù)據(jù)中提取的信息，并可以實現(xiàn)非常高精度的視覺跟蹤。當然，某些像素不如其他像素提供更多信息。例如，在無紋理區(qū)域中梯度大小較小的像素，以及在一個或多個方向上具有區(qū)分梯度的像素（例如邊緣和拐角），都無法將參數(shù)約束在成本空間內(nèi)。

通常，由于模型的參數(shù)相對于像素觀測值而言過于參數(shù)化，因此直接參數(shù)化方法會隨著圖像質(zhì)量的下降而適度下降，并且可以在低圖像分辨率下運行。以低分辨率估算參數(shù)通?？梢蕴峁┚哂懈纳频氖諗刻匦缘臏蚀_結(jié)果。估計值可以進一步用于在從粗到精策略中以更高的分辨率初始化估計值，從而有助于提高收斂性和計算效率。

單雙目里程計系統(tǒng)與立體系統(tǒng)一樣會遭受絕對姿態(tài)不確定性的增加，且因為存在漂移尺度的問題，不能僅憑單眼視覺確定物體的絕對大小。許多移動設(shè)備上都使用非完整的約束來打破不確定的比例漂移[8]。普通的單雙目視覺測距系統(tǒng)在性能上仍然落后于立體激光3D系統(tǒng)，特別是由于難以可靠地跟蹤足夠的高質(zhì)量特征來限制運動，但是從具有高紋理級別的視頻流中可以獲得很好的效果。

基于單雙目傳感器的SLAM定位算法利用每一幀特征數(shù)據(jù)在約束參考系中生成系統(tǒng)軌跡。僅基于相對局部感測（如視覺）的任何形式的運動估計一樣，也會隨著時間的流逝而偏離參考系，但是有助于得到可視化里程算法偏離絕對速率比[9]。在圖2中，藍色為單雙目SLAM視覺里程定位導航，綠色為真實規(guī)劃路徑。在每個一分鐘時長內(nèi)，顯示了軌跡的延伸，可以看到在每種情況下都與起始第一幀的地面真實路況對齊，但是隨著時間的推移，計算路徑會偏移真實路徑。

圖2 基于單雙目傳感器的SLAM

2.2.3 GPS導航定位技術(shù)

GPS導航定位技術(shù)與以上兩種技術(shù)的使用范圍相互之間各有重疊，但又有其各自的特點，GPS技術(shù)全稱為全球定位系統(tǒng)，目前廣泛應(yīng)用于軍事，科技，汽車定位與日常手機定位等領(lǐng)域，其基本構(gòu)成有三個部分：空間設(shè)備部分、地面控制部分和用戶設(shè)備部分。GPS目前只能在室外使用，在建筑物內(nèi)部、地下設(shè)施、海底等無信號或信號不穩(wěn)的環(huán)境中無法使用。目前提供民用的GPS建圖在導航精度最多只能達到米級，且對于環(huán)境中突然出現(xiàn)的固定障礙物與移動障礙物無法識別，不能達到實時更新的技術(shù)需求，而SLAM技術(shù)卻獨立于GPS技術(shù)，可以在未知環(huán)境中自建地圖、自定位、姿態(tài)估計和自動路徑規(guī)劃，在自身多維激光傳感器或者視覺傳感器的輔助下，可以識別未知環(huán)境中出現(xiàn)的固定障礙物與移動障礙物，實時更新自建地圖，GPS定位技術(shù)目前主要是基于衛(wèi)星與地面接收站將信息反饋到客戶端。

2.2.4 SLAM導航定位、GPS導航定位與INS導航定位精度對比

由于INS導航定位系統(tǒng)單獨使用數(shù)據(jù)漂移量較大，精度較差，因此將GPS系統(tǒng)與INS系統(tǒng)結(jié)合使用與單雙目SLAM視覺里程系統(tǒng)進行精度對比，SLAM系統(tǒng)以幀頻30 Hz的測量頻率估算幀間運動。圖3顯示了系統(tǒng)在大約5 min的道路上與地面GPS系統(tǒng)和INS自定位導航系統(tǒng)相比較測得的線速度和角速度。視覺里程表以30 Hz繪制，而GPS系統(tǒng)與INS自定位導航系統(tǒng)以1 Hz繪制。以通過對齊的幀之間的像素誤差平方和來衡量可靠性。可以得出，SLAM視覺里程計的測量精度緊隨GPS導航與INS自定位導航的融合系統(tǒng)，并且SLAM視覺里程系統(tǒng)在本地測量上比GPS與INS測量更平滑，并且頻率采樣更高。

圖3 自定位導航方式的比較

2.2.5 INS、SLAM與GPS導航定位進行系統(tǒng)融合的本地化定位

由于SLAM視覺定位，GPS定位與INS定位的優(yōu)缺點可以互補，因此最優(yōu)策略是將三種導航定位系統(tǒng)相互融合，SLAM視覺測距算法提供了可靠、準確和平滑的局部運動估計，而GPS提供了固定在全局地圖上的粗略測量，INS導航系統(tǒng)確保了每個起始數(shù)據(jù)采樣點短期的靈敏性與獨立性。將多個測量數(shù)據(jù)融合在概率濾波器中，使用實時滑動窗口優(yōu)化算法與圖形優(yōu)化的通用框架，以絕對GPS測量值、INS系統(tǒng)的起點數(shù)據(jù)積分值和SLAM相對視覺測距法測量值融合為相對于非漂移參考系的姿態(tài)實時組合估值[7][10]。在這種融合模式中，由于非連續(xù)姿態(tài)從未相互關(guān)聯(lián)，因此新測量值對現(xiàn)有姿態(tài)的影響將隨著姿態(tài)保持時間而迅速減小。而絕對GPS測量會限制軌跡的整體姿態(tài)，也即是大約10 s以上的姿態(tài)幾乎不會受到新測量數(shù)據(jù)的影響，所以可以認為是固定的數(shù)據(jù)。通過在每次未固定頂點數(shù)據(jù)的總數(shù)達到閾值以上時固定圖中最后的數(shù)據(jù)頂點，采用這種數(shù)據(jù)結(jié)構(gòu)和相對較小的數(shù)據(jù)規(guī)模，能夠非?？焖俚睾喜⑿碌臏y量數(shù)據(jù)，并且將結(jié)果完全約束在實時范圍內(nèi)。

圖4顯示了傳感器數(shù)據(jù)與算法融合后的最終軌跡，SLAM視覺導航系統(tǒng)軌跡（藍色）與單獨的GPS定位導航相比，SLAM視覺測距法和GPS的結(jié)合更準確地反映了地面真實軌跡。從中可以看到，生成的系統(tǒng)與地面實況系統(tǒng)相差很小，并且在圖像的比例上很難區(qū)分它們。與單純SLAM系統(tǒng)相比，GPS、INS和SLAM的結(jié)合更加順暢，同時可以準確捕獲移動車輛通過回旋處的路徑。

圖4 傳感器數(shù)據(jù)與算法融合后的最終軌跡

2.3 SLAM技術(shù)的缺點

第一個缺點，該技術(shù)可使用的傳感器一般有：多維激光，單或多目深度視覺攝像傳感器，雷達、聲吶、超聲波傳感器等，激光類與視覺類受光照條件影響大，在強光源或鏡面反射物體較多的環(huán)境下精度會呈指數(shù)曲線下降，而聲吶與超聲波類傳感器能耗較高，且回傳速度較慢、漫反射環(huán)境下數(shù)據(jù)不穩(wěn)定，加濾波后數(shù)據(jù)不真實等問題。

第二個缺點，SLAM算法都是以環(huán)境或者圖像特征點為基礎(chǔ)，目前高精度高像素的圖像或高采樣率激光掃描特征點提取和匹配計算量大，通常是多維矩陣的乘積或者迭代卷積[5][6]，如公式1，所以對GPU要求很高，一般難以到達實時性處理要求，從而影響定位的效率與精度。

式中，yi為特征點i的三維空間坐標；P表示系統(tǒng)誤差協(xié)方差矩陣；X表示狀態(tài)向量。

無論是基于3D激光傳感器的SLAM定位計算，還是以單目或多目深度視覺傳感器通過軟件與圖像處理算法為基礎(chǔ)SLAM定位，如果是對于已知的工作環(huán)境，也可以預(yù)先在系統(tǒng)中加載圖紙信息，例如建筑物或者房屋的AUTOCAD圖紙；機器人通過自身訓練系統(tǒng)與學習系統(tǒng)會匹配并且修正兩個數(shù)據(jù)來源，每次訓練以構(gòu)建的路線，機器人將會檢測它所“看到”的和存儲于它“記憶”的圖紙（即預(yù)先加載的AutoCAD圖紙），從而得到最真實與最準確的地圖信息。采用SLAM技術(shù)的導航機器人一般精度可達厘米級別。

3 目前市場產(chǎn)品存在的技術(shù)難點與問題

機器人在人機交互中對于復雜結(jié)構(gòu)的語法語言在斷句劃分和提取關(guān)鍵字過程中容易產(chǎn)生歧義，且目前的機器人只能通過語氣詞簡單判斷語氣，很難通過語調(diào)和微表情判斷對話者的當前情感，在輸出過程中也是通過相應(yīng)語法拼接數(shù)據(jù)詞典中匹配單詞，基本沒有語調(diào)變化。

無軌機器人避障感知系統(tǒng)，由于傳感器與程序優(yōu)化問題或多或少存在掃描遺漏、激光散射或者光源吸收與圖像數(shù)據(jù)分辨率過大過小內(nèi)建圖紙存在部分錯誤與盲區(qū)等問題。

無論有軌或者無軌機器人在空間過小，移動物體過多的復雜環(huán)境下效率大為降低。且只能執(zhí)行數(shù)據(jù)庫內(nèi)已有或固定流程程序，離標準意義的人工智能差距較大。

4 結(jié)語

通過以上內(nèi)容針對目前主流自主定位與導航機器人的結(jié)構(gòu)組成、SLAM算法與技術(shù)難點進行了簡要分析介紹，相對來說，人類不僅可以通過視覺推斷出具有特定形狀物體的大概距離與剛性，而且同樣能夠推斷沒有特定形狀氣體，液體與其他透明物體的狀態(tài)與體積，而對于機器人的識別功能來說這仍然是一大問題，本文僅針對剛性物體的自主定位與導航技術(shù)算法為更多相關(guān)廠家做出了簡單的技術(shù)算法參考指導。