近30年來，無論是在學(xué)術(shù)界還是工業(yè)界，機(jī)器人領(lǐng)域都得到了快速發(fā)展。雖然已經(jīng)取得了大量的研究進(jìn)展，但機(jī)器人的實(shí)際應(yīng)用還相當(dāng)有限。大多數(shù)部署的機(jī)器人要么是工作在特殊的、或?qū)�控制要求很高的環(huán)境中（如工廠裝配線上的機(jī)械臂，或大型倉庫中的自動導(dǎo)引車），要么是功能單一的微型機(jī)器人（如機(jī)器人吸塵器，或智能無人機(jī)）。其他類型的機(jī)器人系統(tǒng)要么還在學(xué)術(shù)研究中，要么只在少數(shù)試驗(yàn)性的地方運(yùn)行，包括自動駕駛車、服務(wù)機(jī)器人（用于酒店、購物中心等）、包裹運(yùn)送機(jī)器人、緊急救援機(jī)器人等。阻礙機(jī)器人廣泛應(yīng)用的因素主要有兩個(gè)：制造成本和技術(shù)成熟度。

IROS2019發(fā)表的論文“Perception System Design for Low-Cost Commercial Ground Robots: Sensor Configurations, Calibration, Localization and Mapping”提出一個(gè)product—ready機(jī)器人感知系統(tǒng)，設(shè)計(jì)穩(wěn)定并具有長遠(yuǎn)性的自動化設(shè)備來解決這個(gè)問題，包括傳感器的選擇和配置，以及算法和實(shí)現(xiàn)。特別地，此低成本系統(tǒng)利用了一個(gè)單目相機(jī)，一個(gè)短程二維激光測距儀，車輪編碼器和慣性測量單元。相對于“最簡單”的設(shè)計(jì)角度（用最少的傳感器數(shù)量實(shí)現(xiàn)自動化機(jī)器人[1][2][3]），此系統(tǒng)傳感設(shè)置相對復(fù)雜，但理論上的困難不大。但是，從冗余傳感和實(shí)際應(yīng)用的角度來看，設(shè)置的4個(gè)傳感器具有互補(bǔ)性的特點(diǎn)，能夠?qū)崿F(xiàn)機(jī)器人的穩(wěn)健運(yùn)行，理論問題極少，故障率也很低。成本方面，完整的傳感器設(shè)備只需300美元左右(量產(chǎn)時(shí)甚至低至100美元)，而且我們提出的在線算法只需要一個(gè)現(xiàn)代ARM處理器的一個(gè)內(nèi)核就可以完成。本文的另一個(gè)關(guān)鍵貢獻(xiàn)是詳細(xì)的算法設(shè)計(jì)和有效的實(shí)現(xiàn)，使移動機(jī)器人能夠自主移動以進(jìn)行“在任何地方的應(yīng)用”。特別是我們提出了一個(gè)單步廠內(nèi)批量校準(zhǔn)算法，能夠有效、準(zhǔn)確地校準(zhǔn)傳感器的內(nèi)部和外部參數(shù)；通過緊密耦合的傳感器融合實(shí)現(xiàn)的定位算法，用于執(zhí)行區(qū)域探索、重新定位和傳感器在線校準(zhǔn)；映射算法，生成精確的混合地圖，用于商用機(jī)器人的長期部署。該文在算法設(shè)計(jì)上，并沒有把重點(diǎn)放在“數(shù)學(xué)新穎”，而是從“系統(tǒng)設(shè)計(jì)”上下功夫，推動低成本商用機(jī)器人走向現(xiàn)實(shí)。

1、相關(guān)工作

根據(jù)機(jī)器人傳感器系統(tǒng)和算法的設(shè)計(jì)，相關(guān)工作可以分為兩類：一類是依靠數(shù)量最少的傳感器（一個(gè)或兩個(gè)）[1][2][3][4][5]，另一類是使用多個(gè)傳感器的，類似于我們的傳感器，但有其自身的局限性[6][7][8][9]。

A. 具有最少(1-2個(gè))傳感器的系統(tǒng)

在機(jī)器人系統(tǒng)中使用的各種傳感器中，攝像頭（RGB相機(jī)或深度相機(jī)）和激光測距儀（單光束或多光束）是最受歡迎的傳感器，通過這些傳感器設(shè)計(jì)出了各種自主的算法。這些傳感器可以支持機(jī)器人在適當(dāng)?shù)沫h(huán)境下完全自主。例如，攝像頭在3-30Hz下可以提供對周圍環(huán)境的密集感知，其感知信息可用于進(jìn)行3D SLAM[2][10]。攝像機(jī)在體積、成本和功率方面的優(yōu)勢使其易于集成到不同類型的機(jī)器人，甚至是微型機(jī)器人中[2]。深度攝像機(jī)也可以作為機(jī)器人的主要傳感器，提供定位、繪圖、避障等功能[5][11]。與深度相機(jī)相比，LRF通常具有更大的視野（FOV）和更長的感應(yīng)距離，因此也被廣泛應(yīng)用于商業(yè)機(jī)器人[1][4]。此外，由于近年來MEMS技術(shù)的發(fā)展，相機(jī)往往與IMU集成在一起。這使得機(jī)器人在劇烈運(yùn)動或挑戰(zhàn)性的環(huán)境下，具有更好的比例估計(jì)能力，同時(shí)也有更好的系統(tǒng)穩(wěn)定性[3][12][13]。類似地，LRF傳感器也可以借助于IMU，實(shí)現(xiàn)性能的提升[14]。研究人員還致力于將IMU與車輪編碼器集成在一起，在缺乏外在感受器的傳感器長期使用，而產(chǎn)生不可避免的漂移時(shí)，產(chǎn)生準(zhǔn)確的死角估計(jì)[15]。

B. 帶有冗余多傳感器系統(tǒng)的系統(tǒng)

目前，自動駕駛是最具挑戰(zhàn)性的機(jī)器人研究項(xiàng)目之一，通常情況下，自主駕駛汽車會配備精確但昂貴的GNSS-INS系統(tǒng)、數(shù)十臺雷達(dá)傳感器、多個(gè)RGB攝像頭和多個(gè)多光束LRF [6]。為了使類似級別的自動駕駛汽車更具有經(jīng)濟(jì)性和可行性，開發(fā)出了依靠相機(jī)和3D感應(yīng)LRF的系統(tǒng)，以代替昂貴的GNSS-INS系統(tǒng)[7][16]。在這些系統(tǒng)中，3D感應(yīng)LRF要么采用成本較高的多光束LRF，要么采用旋轉(zhuǎn)2D LRF，但其應(yīng)用在商業(yè)機(jī)器人時(shí)也有其自身的局限性（如旋轉(zhuǎn)轉(zhuǎn)子的價(jià)格和生命周期、機(jī)器人工業(yè)和結(jié)構(gòu)設(shè)計(jì)的挑戰(zhàn)等）。要開發(fā)地面機(jī)器人，車輪編碼器是低成本但高效的傳感器。然而，大多數(shù)利用車輪編碼器的系統(tǒng)只關(guān)注于具有平坦表面的環(huán)境[9][8]。紅外和超聲波傳感器在機(jī)器人系統(tǒng)中也得到了廣泛的應(yīng)用。雖然它們可以用于定位和測繪，但由于精度和分辨率較低，主要用于避障[17]。本文提出了我們的機(jī)器人感知系統(tǒng)設(shè)計(jì)，由攝像頭、單光束LRF、IMU和車輪編碼器組成。這樣的系統(tǒng)成本較低，可以保證在大多數(shù)常見的環(huán)境下（“任何位置”）的穩(wěn)健性能。這些都是上述任何一種系統(tǒng)無法同時(shí)實(shí)現(xiàn)的目標(biāo)。

 

2、傳感器的配置分析

傳感器配置和討論 機(jī)器人傳感器可分為兩種類型：本體感覺傳感器（測量機(jī)器人自身的運(yùn)動）和外部感覺傳感器（感知周圍環(huán)境）。為了發(fā)揮其互補(bǔ)的感知能力，機(jī)器人通常配備本體感受和外感傳感器。

1）本體感覺傳感器。

由于IMU和車輪編碼器具有互補(bǔ)性，因此本設(shè)計(jì)集成了IMU和車輪編碼器。IM/U可以測量高幀率（≥100Hz）下移動框架的角速度和比力（重力影響的局部線性加速度），其測量結(jié)果可用于描述機(jī)器人在3D空間中的運(yùn)動。雖然IMU在機(jī)器人應(yīng)用中得到了廣泛的應(yīng)用，但由于其性質(zhì)，即使與其他傳感器融合，也有一定的局限性。有幾種情況會導(dǎo)致運(yùn)動估計(jì)失敗。例如，機(jī)器人靜止、以恒定的圓周速度或直線速度運(yùn)動等[3][18]。此外，由于IMU不能直接獲得線性速度估計(jì)，當(dāng)機(jī)器人在具有挑戰(zhàn)性的環(huán)境中導(dǎo)航時(shí)，迭代估計(jì)器的本地化估算值可能會始終落入局部最小值，從而導(dǎo)致估計(jì)性能低下，甚至出現(xiàn)發(fā)散[19]。然而，這些挑戰(zhàn)都可以通過集成車輪編碼器來克服，因?yàn)檐囕喚幋a器直接提供速度估計(jì)。另一方面，車輪編碼器只能對機(jī)器人在二維平面上的運(yùn)動進(jìn)行表征。這些互補(bǔ)的特性使IMU和車輪編碼器成為一對完美的本體感知傳感器，而且它們的成本都很低。

表I顯示，當(dāng)IMU和車輪編碼器融合在一起時(shí)，運(yùn)動估計(jì)效果顯著提高。

2）外窺式傳感器

一種短距離低成本的2D LRF和一個(gè)單目攝像頭通過設(shè)計(jì)集成。基于視覺的機(jī)器人系統(tǒng)可以在其捕獲的圖像包含足夠多的靜態(tài)的、可區(qū)分的信息（例如，稀疏的特征點(diǎn)[12]、半密集點(diǎn)云[10]、CNN特征等[20]）時(shí)成功地工作。雖然大多數(shù)情況下如此，但仍然有很多環(huán)境不符合這個(gè)假設(shè)，尤其是建筑物內(nèi)部和跨建筑物的環(huán)境（黑暗的環(huán)境、場景少、移動物體多、光照條件變化等）。另一方面，LRF具有較大的FOV（200-360度），并且在光照條件下具有很強(qiáng)的魯棒性，并具有豐富的環(huán)境特征。低成本的LRF的弱點(diǎn)是檢測范圍短（不能用于室外導(dǎo)航）、無法捕捉3D信息、噪聲大。前兩個(gè)問題可以通過相機(jī)很好地彌補(bǔ)，而第三個(gè)問題可以通過基于概率估計(jì)的傳感器融合來改善。

3）完整的設(shè)計(jì) 

眾所周知，本體感知傳感器和外部感知傳感器提供的信息是互補(bǔ)的，因此兩者的集成可以提高機(jī)器人感知系統(tǒng)的性能。因此，我們在設(shè)計(jì)機(jī)器人時(shí)，將上述傳感器一起設(shè)計(jì)，即攝像頭、LRF、IMU、車輪編碼器。構(gòu)建機(jī)器人感知系統(tǒng)需要考慮好的另一個(gè)關(guān)鍵因素是傳感器與傳感器的剛性連接和精確的時(shí)間同步。雖然可以設(shè)計(jì)算法來在線估計(jì)時(shí)空校準(zhǔn)參數(shù)[12]，但可能會影響系統(tǒng)性能，引入使用風(fēng)險(xiǎn)，因此我們把這一點(diǎn)作為對制造商的強(qiáng)烈要求。

3、實(shí)驗(yàn)與結(jié)果

結(jié)果表明，在室內(nèi)和室外場景中，部署的“IMU和車輪編碼器融合”比其他替代方案有很大的優(yōu)勢。在室內(nèi)，平均定位誤差為5cm左右，室外為35cm左右。此外，還進(jìn)行了全自動機(jī)器人系統(tǒng)的實(shí)驗(yàn)。搭載感知系統(tǒng)的機(jī)器人可以通過帶有規(guī)劃和控制模塊的預(yù)定路徑，進(jìn)行自主導(dǎo)航。2019年2月14日-24日期間，在阿里巴巴西溪園區(qū)內(nèi)進(jìn)行了共計(jì)84次測試，室外總行程16.7公里（見圖2）。在測試過程中，僅有一次失去本地化時(shí)進(jìn)行了人為干預(yù)（這是由于我們的軟件不成熟造成的）。通過以上對比，可以看出所提出的方法的有效性。另一方面，當(dāng)執(zhí)行同樣的任務(wù)時(shí)，甚至在一天內(nèi)多次需要人工干預(yù)[8]。此外，當(dāng)運(yùn)行在Nvidia Jetson TX2上時(shí)，所提出的定位算法只占用一個(gè)ARM內(nèi)核（相當(dāng)于A73），并且達(dá)到優(yōu)化操作平均35毫秒，而平均關(guān)鍵幀頻率低于5Hz。這表明所提出的方法可以很容易地在低成本的處理器上實(shí)時(shí)運(yùn)行。

查看更多相似文章