服務機器人關鍵技術（一）

幾年前就曾有人預言“機器人終將取代人類工作”，隨著AI產業化、商業化落地實現，機器人取代人類完成高頻重複的工作正加速前進中，而技術問題是目前面臨的主要難題。

服務機器人實際上是多種技術的融合和實現，包括定位導航、語音互動、運動控制、後臺排程管理、多感測器融合、通訊等多領域的技術。要讓產品理想落地及商用，這些技術缺一不可。今天我們就先來探討下服務機器人的定位導航技術。

 

說起服務機器人定位導航，就不得不提到SLAM技術， SLAM (simultaneous localization and mapping簡稱SLAM)即時定位與地圖構建，通常是指機器人透過對各種感測器資料進行採集和計算，生成對其自身位置姿態的定位和場景地圖資訊的系統，SLAM技術對於機器人的行動和互動能力至為重要，因為它代表了這種能力的基礎：知道自己在哪，周圍環境怎樣及下一步該如何自主行動。除了在機器人領域，它在自動駕駛、無人機、AR/VR等領域都有廣泛的應用，可以說擁有一定行動能力的智慧體都擁有某種形式的SLAM技術。

SLAM技術通常包含多種感測器和多種功能模組，按照核心功能模組來區分，目前基於鐳射雷達的SLAM（鐳射SLAM）和基於視覺的SLAM（VSLAM）是機器人SLAM技術最主要的兩種形式。

 

鐳射SLAM介紹

鐳射SLAM起步較早，脫胎於早期的基於測距的定位方法（如超聲和紅外單點測距）。鐳射雷達的出現和普及使測量更快更準，資訊更豐富。它所採集到的物體資訊呈現出一系列分散的、具有準確角度和距離資訊的點，被稱為點雲。透過鐳射SLAM系統對不同時刻兩片點雲的匹配與比對，計算鐳射雷達相對運動的距離和姿態的改變，也就完成了對機器人自身的定位。

鐳射雷達在強光直射以外的環境種執行穩定，測距精準，點雲的處理也較容易，同時，點雲資訊本身包含直接的幾何關係，使得機器人的路徑規劃和導航變得更直觀。

 

VSLAM介紹

眼睛是人類獲取外界資訊的主要來源，視覺SLAM也具有類似的特點，它可以從環境種獲取海量的、富於冗餘的紋理資訊，擁有超強的場景辨識能力。早期的視覺SLAM基於濾波理論，其非線性的誤差模型和巨大的計算量成為了它實用落地的障礙。近年來，隨著具有稀疏性的非線性最佳化理論(Bundle Adjustment)以及相機技術、計算效能的進步，實時執行的視覺SLAM已經不再是夢想。

通常，一個VSLAM系統由前端和後端組成。前端負責透過視覺增量式計算機器人的位姿，速度較快。後端，主要負責兩個功能：

一是在出現迴環(即判定機器人回到了之前訪問過的地點附近)時，發現迴環並修正兩次訪問中間各處的位置與姿態；

 

二是當前端跟蹤丟失時，根據視覺的紋理資訊對機器人進行重新定位。簡單說，前端負責快速定位，後端負責較慢的地圖維護。

 

VSLAM的優點是它所利用的豐富紋理資訊。例如兩塊尺寸相同內容卻不同的廣告牌，基於點雲的鐳射SLAM演算法無法區別他們，而視覺則可以輕易分辨。這帶來了重定位、場景分類上無可比擬的巨大優勢。同時，視覺資訊可以較為容易的被用來跟蹤和預測場景中的動態目標，如行人、車輛等，對於在複雜動態場景中的應用這是至關重要的。第三，視覺的投影模型理論上可以讓無限遠處的物體都進入視覺畫面中，在合理的配置下(如長基線的雙目相機)可以進行很大尺度場景的定位與地圖構建。

 

目前鐳射SLAM技術在理論和產品落地上都相對成熟，而 VSLAM 目前仍處於研發和應用場景擴充、產品逐漸落地階段。但由於鐳射SLAM和視覺SLAM各擅勝場，單獨使用都有其侷限性，而融合使用則是未來主要的發展趨勢，使兩者之間達到取長補短的作用，例如，視覺在紋理豐富的動態環境中穩定工作，並能為鐳射SLAM提供非常準確的點雲匹配，而鐳射雷達提供的精確方向和距離資訊在正確匹配的點雲上會發揮更大的威力。而在光照不足或紋理缺失的環境中，鐳射SLAM的定位工作使得視覺可以藉助不多的資訊進行場景記錄。