張夢軒， 蘇治寶， 索旭東

(1.中國北方車輛研究所，北京 100072；2.智能移動(dòng)機(jī)器人(中山)研究院，中山市 528437)

定位問題是移動(dòng)機(jī)器人的一項(xiàng)重要研究內(nèi)容，也是移動(dòng)機(jī)器人實(shí)現(xiàn)路徑規(guī)劃、自主導(dǎo)航和決策的前提.在定位過程中，機(jī)器人利用內(nèi)部及外部傳感器不斷感知周邊環(huán)境信息，經(jīng)過一定的數(shù)據(jù)處理從而得到自身的位姿.傳統(tǒng)的基于模型的定位方法有相對定位和絕對定位兩種，它們?nèi)菀资艿絹碜原h(huán)境及系統(tǒng)自身的不確定誤差的影響，對此研究者們提出了概率定位，構(gòu)建系統(tǒng)的運(yùn)動(dòng)模型與觀測模型，并基于貝葉斯濾波原理實(shí)現(xiàn)位姿估計(jì).近年來，隨著人工智能的興起，基于數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)定位也得到了一定的發(fā)展.上述定位方法之間的關(guān)系如圖1所示.在傳感器配置方面，由于單一傳感器獲取信息存在局限性，且會(huì)受到自身性能的影響，多傳感器信息融合技術(shù)在移動(dòng)機(jī)器人定位領(lǐng)域受到了越來越廣泛的關(guān)注，它充分利用不同傳感器的互補(bǔ)輸出信息，將融合后的結(jié)果作為位姿估計(jì)，從而提高了移動(dòng)機(jī)器人的定位精度及可靠性[1].文中對幾類典型的移動(dòng)機(jī)器人定位方法進(jìn)行研究與比較，并總結(jié)多傳感器信息融合技術(shù)對于定位問題的重要意義，最后對移動(dòng)機(jī)器人定位系統(tǒng)的發(fā)展提出展望.

圖1 移動(dòng)機(jī)器人定位方法關(guān)系圖

1 相對定位

相對定位法又被稱為航位推算法，是移動(dòng)機(jī)器人在給定初始位姿的條件下，依靠內(nèi)部傳感器來估計(jì)每一時(shí)刻相對于前一時(shí)刻的位移和航向角的變化，從而確定當(dāng)前位姿的方法[2]，常用傳感器有光電編碼器和慣性測量單元(IMU)[3]，見圖2.

圖2 Kuebler光電編碼器和TDK慣性測量單元

相對定位方法具有裝置簡單、成本低的優(yōu)點(diǎn)，但由于其基本思想是隨時(shí)間整合增量運(yùn)動(dòng)信息，這便不可避免地導(dǎo)致了累積誤差，因此，該方法通常只能在短時(shí)間內(nèi)使用.

2 絕對定位

絕對定位法又被稱為全局定位法，是移動(dòng)機(jī)器人在全局參考框架下獲取位姿信息的方法，主要包括活動(dòng)信標(biāo)法、地標(biāo)定位法和地圖匹配法3種.

2.1 活動(dòng)信標(biāo)法

活動(dòng)信標(biāo)系統(tǒng)是移動(dòng)機(jī)器人領(lǐng)域一種常見的輔助設(shè)備，最典型的有源信標(biāo)系統(tǒng)基于三邊測量法的原理(圖3)進(jìn)行定位.在系統(tǒng)中通常有三個(gè)或多個(gè)位置已知的信號(hào)源，利用飛行時(shí)間信息，系統(tǒng)可以計(jì)算出固定信號(hào)源和機(jī)載接收器之間的距離，從而確定機(jī)器人的位置.全球定位系統(tǒng)(GPS)就是三邊測量法的一個(gè)應(yīng)用實(shí)例[4].目前，使用GPS進(jìn)行定位導(dǎo)航還面臨遮擋物或地形導(dǎo)致的周期性信號(hào)阻塞，以及多路徑干擾等問題.

圖3 三邊測量法原理圖

活動(dòng)信標(biāo)法的優(yōu)點(diǎn)是允許高采樣率且具有可靠性，但較高的安裝和維護(hù)成本對其應(yīng)用產(chǎn)生了一定的限制.

2.2 地標(biāo)定位法

地標(biāo)是通過機(jī)器人的傳感器感知識(shí)別的特征信息，它具有固定且已知的位置，可以是矩形、圓形、直線等幾何形狀，也可以是條形碼等附加信息，通常分為自然地標(biāo)和人造地標(biāo)兩種.自然地標(biāo)是環(huán)境的一部分，具有機(jī)器人導(dǎo)航以外的功能，兩種常用的輔助機(jī)器人定位的特征提取算法是SIFT[5-6]和SURF[7-8].人造地標(biāo)是指人為放置在環(huán)境中的物體或特殊設(shè)計(jì)的標(biāo)記，可以通過激光、紅外、聲納和視覺傳感器進(jìn)行檢測，僅為移動(dòng)機(jī)器人定位導(dǎo)航功能服務(wù).有研究者[9]使用二維碼作為人造地標(biāo)，讓每個(gè)二維碼存儲(chǔ)唯一的文本字符串，指向室內(nèi)環(huán)境的絕對坐標(biāo)，如圖4.由此開發(fā)出高精度、高可靠性的室內(nèi)導(dǎo)航系統(tǒng).

圖4 以二維碼為人造地標(biāo)的室內(nèi)導(dǎo)航

地標(biāo)定位法的優(yōu)點(diǎn)是快速且使用方便，但特征的選取會(huì)直接影響特征描述、特征檢測和特征匹配的復(fù)雜性.

2.3 地圖匹配法

地圖匹配法[10]，是機(jī)器人利用傳感器創(chuàng)建環(huán)境地圖，再將局部映射與先前存儲(chǔ)的全局映射進(jìn)行匹配，從而計(jì)算出自身在環(huán)境中位姿的技術(shù)，主要分為視覺定位和激光雷達(dá)定位.

2.3.1 視覺定位法

視覺定位是通過相鄰幀圖像特征匹配實(shí)現(xiàn)相機(jī)運(yùn)動(dòng)估計(jì)，可分為單目相機(jī)定位[11]、雙目相機(jī)定位[12]和深度相機(jī)定位[13].為了克服視覺定位在閉環(huán)時(shí)的累積漂移和姿態(tài)跳躍等問題，有研究者提出一種基于先驗(yàn)地圖進(jìn)行2D-3D線條匹配的單目相機(jī)定位方法[14]，從地圖中離線提取幾何3D線條，從視頻序列中在線提取2D線條，利用VIO的姿態(tài)預(yù)測和最小化對應(yīng)關(guān)系進(jìn)行匹配，從而實(shí)現(xiàn)位姿估計(jì)，見圖5.

圖5 基于2D-3D線條匹配的視覺定位效果圖

視覺定位法的優(yōu)點(diǎn)是精度高、速度快，但是相機(jī)容易受到光照條件的影響，而且視角較小，一般不適用于室外環(huán)境的定位.

2.3.2 激光雷達(dá)定位法

激光雷達(dá)定位的中心思想是點(diǎn)云匹配[15].ICP(Iterative Closest Point)算法是影響最大、應(yīng)用最廣的點(diǎn)云匹配算法，它利用最小二乘法使得源點(diǎn)云和目標(biāo)點(diǎn)云對應(yīng)點(diǎn)之間的歐氏距離最小，從而求解運(yùn)動(dòng)位姿；NDT(Normal Distributions Transform)算法是位姿跟蹤的另一經(jīng)典算法，它將參考點(diǎn)云數(shù)據(jù)轉(zhuǎn)換成二維空間分段連續(xù)的概率密度函數(shù)，然后將當(dāng)前幀進(jìn)行旋轉(zhuǎn)平移，使得數(shù)據(jù)在參考幀的得分最高(圖6).

圖6 NDT配準(zhǔn)示意圖

ICP族算法的優(yōu)點(diǎn)在于匹配精度高，最初收斂過程較快，但缺點(diǎn)是難以保證實(shí)時(shí)性且對初始位置要求嚴(yán)格，對于該算法的改進(jìn)主要集中在對于高密度點(diǎn)云進(jìn)行篩選、提取描述子進(jìn)行匹配、重新設(shè)計(jì)匹配方案3個(gè)角度[16-18]；NDT族算法的優(yōu)點(diǎn)在于實(shí)時(shí)性強(qiáng)，魯棒性好，對初始位置的要求不高，而缺點(diǎn)在于精度較差，對于該算法的改進(jìn)主要集中在對于點(diǎn)云柵格化的策略、統(tǒng)計(jì)學(xué)參數(shù)的選取、更新目標(biāo)函數(shù)三個(gè)角度[19-21].

3 概率定位

無論是相對定位還是絕對定位，都會(huì)面臨不確定誤差的干擾.因此，基于概率統(tǒng)計(jì)的定位方法被提出，它的理論基礎(chǔ)是貝葉斯濾波[22]，核心步驟包括預(yù)測和更新兩步，前者利用上一時(shí)刻的系統(tǒng)狀態(tài)及里程計(jì)數(shù)據(jù)來預(yù)測這一時(shí)刻的系統(tǒng)狀態(tài)，后者利用點(diǎn)云匹配結(jié)果來更新這一時(shí)刻的系統(tǒng)狀態(tài)估計(jì)，不斷遞歸調(diào)用這兩個(gè)步驟，最終輸出迭代優(yōu)化后的位姿估計(jì)(圖7).

根據(jù)濾波原理的不同，概率定位方法可以分為卡爾曼濾波定位法[23]、馬爾可夫定位法[24]和蒙特卡洛定位法[25].卡爾曼濾波定位法用于處理線性高斯系統(tǒng)，可以估計(jì)移動(dòng)物體的位置和速度，并在可見條件下對物體進(jìn)行跟蹤，后來研究者們又提出用于處理非線性系統(tǒng)的無跡卡爾曼濾波(UKF)[26]和擴(kuò)展卡爾曼濾波(EKF)[27].為了突破卡爾曼濾波單峰高斯分布假設(shè)的限制，馬爾可夫定位法被提出，根據(jù)對狀態(tài)空間及模型表示方法的不同，分為拓?fù)漶R爾可夫定位和柵格馬爾可夫定位.蒙特卡洛定位法(MCL)的基本原理是粒子濾波(PF)，相比與卡爾曼濾波方法，它易于實(shí)現(xiàn)且不受限于噪聲高斯分布；相比于馬爾可夫定位法，它有更高的計(jì)算效率，尤其在處理高維問題時(shí)不會(huì)弱化性能，因此在移動(dòng)機(jī)器人領(lǐng)域得到了最為廣泛的應(yīng)用.

MIGUEL等[28]基于MCL算法，利用3D雷達(dá)信息和GNSS信息提高戶外環(huán)境中移動(dòng)機(jī)器人的定位精度，同時(shí)解決移動(dòng)機(jī)器人的綁架問題；LIU等[29]基于MCL算法，利用視覺傳感器和2D激光測距儀實(shí)現(xiàn)室內(nèi)定位，并提高了移動(dòng)機(jī)器人在室內(nèi)場景中重定位的精度；GE等[30]通過使用環(huán)境語義信息和雷達(dá)掃描信息，提出Text-MCL定位方法，提高了移動(dòng)機(jī)器人全局定位的速度和成功率.

概率定位將相對定位與絕對定位進(jìn)行了優(yōu)勢互補(bǔ)，在保證計(jì)算效率的同時(shí)極大地降低了各種不確定誤差的干擾，提高了定位的精度與可靠性，但建模的準(zhǔn)確性將直接影響其定位效果.

4 深度學(xué)習(xí)定位

相對定位、絕對定位和概率定位均為基于模型的定位方法，在建模過程中會(huì)面臨無特征區(qū)域、運(yùn)動(dòng)模糊、精確的相機(jī)校準(zhǔn)等挑戰(zhàn)[31].而深度學(xué)習(xí)則通過數(shù)據(jù)驅(qū)動(dòng)的方式為解決定位問題提供了新思路，學(xué)習(xí)方法可以利用高度壓縮的深度神經(jīng)網(wǎng)絡(luò)作為通用近似器，并自動(dòng)提取與任務(wù)相關(guān)的特征.YANG等[32]在視覺里程計(jì)中引入數(shù)據(jù)驅(qū)動(dòng)(圖8)，顯著提高了系統(tǒng)的魯棒性；MA等[33]利用深度學(xué)習(xí)的方法完成SLAM中的語義標(biāo)記，將抽象元素與人類可理解的術(shù)語聯(lián)系起來，用于解決定位問題；ZHOU等[34]通過將視圖合成作為一種自監(jiān)督信號(hào)，從未標(biāo)記的視頻中恢復(fù)自身的運(yùn)動(dòng)和深度；通過構(gòu)建任務(wù)驅(qū)動(dòng)圖，深度學(xué)習(xí)的表示還可以進(jìn)一步支持高級(jí)任務(wù)，如路徑規(guī)劃[35]和決策[36].

深度學(xué)習(xí)定位對各種環(huán)境具有較好的適應(yīng)性，可以在新場景中自行發(fā)現(xiàn)新的解決方案，但是學(xué)習(xí)技術(shù)要依賴于海量數(shù)據(jù)集才能提取統(tǒng)計(jì)上有意義的模式，并且相比于基于模型的方法，它的計(jì)算成本往往更大[37].

5 多傳感器信息融合技術(shù)

當(dāng)面對復(fù)雜且不確定的環(huán)境及對象時(shí)，單一傳感器獲取的信息存在一定的局限性，同時(shí)還會(huì)受到自身性能的影響.因此，多傳感器信息融合技術(shù)在移動(dòng)機(jī)器人定位領(lǐng)域得到了越來越廣泛的關(guān)注，它充分利用了不同定位傳感器的互補(bǔ)輸出信息，將融合后的結(jié)果作為機(jī)器人的位姿估計(jì).

5.1 多傳感器信息融合算法

傳感器融合系統(tǒng)是一個(gè)復(fù)雜的信息系統(tǒng)，各種傳感器實(shí)時(shí)收集信息，各種信息之間也存在相互約束和影響[38].因此，信息融合算法是多傳感器融合定位的核心[39]，目前主要分為4類，分別是推理法[40]、分類法[41]、人工智能法[42]和濾波估計(jì)法[43].推理法主要基于D-S理論，該理論為處理傳感器信息的模糊性和不確定性提供了很好的解決方案；分類法中常用的聚類和融合算法是K-means，它基于歐幾里德距離來判斷目標(biāo)數(shù)據(jù)，從而將具有更大相似度的數(shù)據(jù)收集并融合在一起以實(shí)現(xiàn)分類[44]；人工智能方法主要基于多源數(shù)據(jù)信息融合的人工神經(jīng)網(wǎng)絡(luò)，通過學(xué)習(xí)算法分配網(wǎng)絡(luò)權(quán)重，同時(shí)推理多傳感數(shù)據(jù)的不確定性，然后利用神經(jīng)網(wǎng)絡(luò)的信號(hào)處理能力和自動(dòng)推理功能實(shí)現(xiàn)數(shù)據(jù)融合[45].濾波器估計(jì)方法利用相應(yīng)的濾波器對系統(tǒng)狀態(tài)進(jìn)行估計(jì)，由于其在動(dòng)態(tài)和復(fù)雜狀態(tài)下具有更好的魯棒性和適用性，已成為最為廣泛使用的方法.

5.2 多傳感器信息融合技術(shù)在定位問題中的應(yīng)用

為了解決模糊度問題，WAN等[46]提出一種可以在不同城市場景中實(shí)現(xiàn)厘米級(jí)定位精度的定位系統(tǒng)(圖9)，其中GNSS-RTK模塊基于卡爾曼濾波(KF)融合框架，最終實(shí)現(xiàn)了5-10 cm的RMS精度；為了解決移動(dòng)機(jī)器人定位過程中對大角度旋轉(zhuǎn)的適應(yīng)性問題，LI等[47]提出一種基于遞歸卷積神經(jīng)網(wǎng)絡(luò)(RCNN)的架構(gòu)用于融合點(diǎn)云數(shù)據(jù)和IMU數(shù)據(jù)，以增強(qiáng)定位系統(tǒng)的魯棒性和準(zhǔn)確性；為了解決ESKF算法在高度非線性條件下估計(jì)精度下降的問題，SHAUKAT等人[48]提出RBF-ESKF多傳感器融合算法，利用RBF神經(jīng)網(wǎng)絡(luò)改進(jìn)誤差項(xiàng)來補(bǔ)償ESKF性能的不足，通過最速下降優(yōu)化方法最小化來設(shè)計(jì)RBF神經(jīng)網(wǎng)絡(luò)的權(quán)重和中心，實(shí)驗(yàn)證明該方法相比于傳統(tǒng)的ESKF法具有更高的精度和可靠性.

圖9 城市場景中多傳感器融合定位效果圖

與單傳感器系統(tǒng)相比，多傳感器系統(tǒng)可以顯著降低不確定性的影響，并且在系統(tǒng)部分出現(xiàn)故障的情況下依然能夠提供有效信息，同時(shí)還有利于擴(kuò)大測量范圍、提高分辨率，因此，在移動(dòng)機(jī)器人定位問題中具有較高的研究價(jià)值.

6 結(jié) 論

文中對幾類典型的定位方法進(jìn)行比較與分析.其中，概率定位基于貝葉斯濾波原理，將相對定位與絕對定位的結(jié)果同時(shí)用于系統(tǒng)狀態(tài)的估計(jì)，有效降低了不確定誤差的干擾，但建模的準(zhǔn)確性是其主要限制；深度學(xué)習(xí)定位則憑借數(shù)據(jù)驅(qū)動(dòng)的計(jì)算方式避免了建模難題，但對海量數(shù)據(jù)集的依賴和較高的計(jì)算成本是其主要限制.此外，隨著融合算法的發(fā)展，多傳感器信息融合技術(shù)被越來越廣泛地應(yīng)用于移動(dòng)機(jī)器人定位領(lǐng)域，該技術(shù)能夠有效提高系統(tǒng)的魯棒性，從而更好地適用于實(shí)際工程問題.綜上所述，對于移動(dòng)機(jī)器人定位系統(tǒng)，有以下幾個(gè)方向值得深入研究：

1)深度學(xué)習(xí)方法的開發(fā)：隨著相關(guān)數(shù)據(jù)集的豐富與完善，深度學(xué)習(xí)方法將在點(diǎn)云匹配及信息融合技術(shù)中發(fā)揮更大的作用.

2)概率定位與深度學(xué)習(xí)定位融合：目前已有研究者嘗試將這兩種方法進(jìn)行優(yōu)勢互補(bǔ)，但相關(guān)領(lǐng)域依然存在較大的探索空間.