行业资讯

聚焦科技之美

以高素质团队和专业设备打造业界领先的传感器、混合集成电路产品

聚焦科技之美

行业资讯

  主页 / 新闻资讯 / 行业资讯 /

智能机器人领域的SLAM与传感器、惯导系统的联系

作者:admin  更新时间:2017-06-28
智能机器人领域的SLAM与传感器、惯导系统的联系
智能机器人领域的SLAM与传感器、惯导系统的联系
  SLAM定义
  SLAM是Simultaneous Localization and Mapping的缩写,意为“同时定位与建图”。slam说白就一句话:同时解决精确定位和环境绘制问题。在大多数场合中,我们研究机器人会碰到一个基础性的困难,那就是定位和建图,也就是所谓的SLAM技术。没有准确的定位与地图,扫地机就无法在房间自主地移动,只能随机乱碰,家用机器人就无法按照指令准确到达某个房间。此外,在虚拟现实(Virtual Reality)和增强现实技术(Argument Reality)中,没有SLAM提供的定位,用户就无法在场景中漫游。在这几个应用领域中,人们需要SLAM向应用层提供空间定位的信息,并利用SLAM的地图完成地图的构建或场景的生成。
  SLAM与传感器
  传感器是机器人的整个信息入口点,因此它们能够决定在定位、建图中所能使用的方法及其结果的好坏。SLAM的实现方式与难度和传感器的形式与安装方式密切相关。传感器分为激光和视觉两大类,视觉下面又分三小方向。
  1. 传感器之激光雷达
  激光雷达是最古老,研究也最多的SLAM传感器。它们提供机器人本体与周围环境障碍物间的距离信息。常见的激光雷达,例如SICK、Velodyne还有我们国产的rplidar等,都可以拿来做SLAM。激光雷达能以很高精度测出机器人周围障碍点的角度和距离,从而很方便地实现SLAM、避障等功能。
  主流的2D激光传感器扫描一个平面内的障碍物,适用于平面运动的机器人(如扫地机等)进行定位,并建立2D的栅格地图。这种地图在机器人导航中很实用,因为多数机器人还不能在空中飞行或走上台阶,仍限于地面。在SLAM研究史上,早期SLAM研究几乎全使用激光传感器进行建图,且多数使用滤波器方法,例如卡尔曼滤波器与粒子滤波器等。
  激光的优点是精度很高,速度快,计算量也不大,容易做成实时SLAM。缺点是价格昂贵,一台激光动辄上万元,会大幅提高一个机器人的成本。因此激光的研究主要集中于如何降低传感器的成本上。对应于激光的EKF-SLAM理论方面,因为研究较早,现在已经非常成熟。与此同时,人们也对EKF-SLAM的缺点也有较清楚的认识,例如不易表示回环、线性化误差严重、必须维护路标点的协方差矩阵,导致一定的空间与时间的开销,等等。
  2. 传感器之视觉SLAM
  视觉SLAM是21世纪SLAM研究热点之一,一方面是因为视觉十分直观,不免令人觉得:为何人能通过眼睛认路,机器人就不行呢?另一方面,由于CPU、GPU处理速度的增长,使得许多以前被认为无法实时化的视觉算法,得以在10 Hz以上的速度运行。硬件的提高也促进了视觉SLAM的发展。以传感器而论,视觉SLAM研究主要分为三大类:单目、双目(或多目)、RGBD,我们将在下一篇讲到。
  SLAM与惯性导航
  智能机器人采用SLAM(即时定位与地图构建),通过感知自身周围环境来构建3D增量式地图,从而实现自主定位和导航。而在科技发展的今天,能够实现自主定位和导航的不止SLAM,惯性导航系统是利用惯性元件来测量运载体本身的加速度,通过积分和运算得到速度和位置,从而达到载体导航定位的目的。