江苏龙网

  1. 首页 > 人文 > >

#仙知机器人#移动机器人定位技术—激光SLAM

SLAM英文全称是SimultaneousLocalizationandMapping ， 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 。
#仙知机器人#移动机器人定位技术—激光SLAM
文章图片
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 。
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 。
#仙知机器人#移动机器人定位技术—激光SLAM
文章图片
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 。
#仙知机器人#移动机器人定位技术—激光SLAM
文章图片
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 。
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 。
【#仙知机器人#移动机器人定位技术—激光SLAM】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 。
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)和基于视觉的SLAM(VisualSLAM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(LightDetectionAndRanging)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 。
#仙知机器人#移动机器人定位技术—激光SLAM
文章图片
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 。


推荐阅读


上一篇：「中国青年网」青创独家|2月科创板上市公司传播影响力TOP30：捐赠成为2月高频词

下一篇：「小橙子聊科技」第一款是OPPO，性价比非常高，千元机里拍照最好的四款手机