近30年來(lái)，無(wú)論是在學(xué)術(shù)界還是工業(yè)界，機器人L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，但機器人的實(shí)際應用還相當有限。大多數部署的機器人要么是工作在特殊的、或對控制要求很G的環(huán)境中（如工廠(chǎng)裝配線(xiàn)上的機械臂，或大型倉庫中的自動(dòng)導引車(chē)），要么是功能單一的微型機器人（如機器人吸塵器，或智能無(wú)人機）。其他類(lèi)型的機器人系統要么還在學(xué)術(shù)研究中，要么只在少數試驗性的地方運行，包括自動(dòng)駕駛車(chē)、服務(wù)機器人（用于酒店、購物中心等）、包裹運送機器人、緊急救援機器人等。阻礙機器人廣泛應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機器人感知系統，設計穩定并具有長(cháng)遠性的自動(dòng)化設備來(lái)解決這個(gè)問(wèn)題，包括傳感器的選擇和配置，以及算法和實(shí)現。特別地，此低成本系統利用了一個(gè)單目相機，一個(gè)短程二維激光測距儀，車(chē)輪編碼器和慣性測量單元。相對于“簡(jiǎn)單”的設計角度（用少的傳感器數量實(shí)現自動(dòng)化機器人[1][2][3]），此系統傳感設置相對復雜，但理論上的困難不大。但是，從冗余傳感和實(shí)際應用的角度來(lái)看，設置的4個(gè)傳感器具有互補性的特點(diǎn)，能夠實(shí)現機器人的穩健運行，理論問(wèn)題J少，故障率也很低。成本方面，完整的傳感器設備只需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(xiàn)算法只需要一個(gè)現代ARM處理器的一個(gè)內核就可以完成。本文的另一個(gè)關(guān)鍵貢獻是詳細的算法設計和有效的實(shí)現，使移動(dòng)機器人能夠自主移動(dòng)以進(jìn)行“在任何地方的應用”。特別是我們提出了一個(gè)單步廠(chǎng)內批量校準算法，能夠有效、準確地校準傳感器的內部和外部參數；通過(guò)緊密耦合的傳感器融合實(shí)現的定位算法，用于執行區域探索、重新定位和傳感器在線(xiàn)校準；映射算法，生成準確的混合地圖，用于商用機器人的長(cháng)期部署。該文在算法設計上，并沒(méi)有把重點(diǎn)放在“數學(xué)新穎”，而是從“系統設計”上下功夫，推動(dòng)低成本商用機器人走向現實(shí)。

1、相關(guān)工作

根據機器人傳感器系統和算法的設計，相關(guān)工作可以分為兩類(lèi)：一類(lèi)是依靠數量少的傳感器（一個(gè)或兩個(gè)）[1][2][3][4][5]，另一類(lèi)是使用多個(gè)傳感器的，類(lèi)似于我們的傳感器，但有其自身的局限性[6][7][8][9]。

A. 具有少(1-2個(gè))傳感器的系統

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

B. 帶有冗余多傳感器系統的系統

目前，自動(dòng)駕駛是具挑戰性的機器人研究項目之一，通常情況下，自主駕駛汽車(chē)會(huì )配備準確但昂貴的GNSS-INS系統、數十臺雷達傳感器、多個(gè)RGB攝像頭和多個(gè)多光束LRF [6]。為了使類(lèi)似級別的自動(dòng)駕駛汽車(chē)更具有經(jīng)濟性和可行性，開(kāi)發(fā)出了依靠相機和3D感應LRF的系統，以代替昂貴的GNSS-INS系統[7][16]。在這些系統中，3D感應LRF要么采用成本較G的多光束LRF，要么采用旋轉2D LRF，但其應用在商業(yè)機器人時(shí)也有其自身的局限性（如旋轉轉子的價(jià)格和生命周期、機器人工業(yè)和結構設計的挑戰等）。要開(kāi)發(fā)地面機器人，車(chē)輪編碼器是低成本但G效的傳感器。然而，大多數利用車(chē)輪編碼器的系統只關(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器人系統中也得到了廣泛的應用。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器人感知系統設計，由攝像頭、單光束LRF、IMU和車(chē)輪編碼器組成。這樣的系統成本較低，可以保證在大多數常見(jiàn)的環(huán)境下（“任何位置”）的穩健性能。這些都是上述任何一種系統無(wú)法同時(shí)實(shí)現的目標。

 

2、傳感器的配置分析

傳感器配置和討論 機器人傳感器可分為兩種類(lèi)型：本體感覺(jué)傳感器（測量機器人自身的運動(dòng)）和外部感覺(jué)傳感器（感知周?chē)�環(huán)境）。為了發(fā)揮其互補的感知能力，機器人通常配備本體感受和外感傳感器。

1）本體感覺(jué)傳感器。

由于IMU和車(chē)輪編碼器具有互補性，因此本設計集成了IMU和車(chē)輪編碼器。IM/U可以測量G幀率（≥100Hz）下移動(dòng)框架的角速度和比力（重力影響的局部線(xiàn)性加速度），其測量結果可用于描述機器人在3D空間中的運動(dòng)。雖然IMU在機器人應用中得到了廣泛的應用，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(huì )導致運動(dòng)估計失敗。例如，機器人靜止、以恒定的圓周速度或直線(xiàn)速度運動(dòng)等[3][18]。此外，由于IMU不能直接獲得線(xiàn)性速度估計，當機器人在具有挑戰性的環(huán)境中導航時(shí)，迭代估計器的本地化估算值可能會(huì )始終落入局部小值，從而導致估計性能低下，甚至出現發(fā)散[19]。然而，這些挑戰都可以通過(guò)集成車(chē)輪編碼器來(lái)克服，因為車(chē)輪編碼器直接提供速度估計。另一方面，車(chē)輪編碼器只能對機器人在二維平面上的運動(dòng)進(jìn)行表征。這些互補的特性使IMU和車(chē)輪編碼器成為一對出色的本體感知傳感器，而且它們的成本都很低。

表I顯示，當IMU和車(chē)輪編碼器融合在一起時(shí)，運動(dòng)估計效果顯著(zhù)提G。

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(guò)設計集成�；�于視覺(jué)的機器人系統可以在其捕獲的圖像包含足夠多的靜態(tài)的、可區分的信息（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。雖然大多數情況下如此，但仍然有很多環(huán)境不符合這個(gè)假設，尤其是建筑物內部和跨建筑物的環(huán)境（黑暗的環(huán)境、場(chǎng)景少、移動(dòng)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（不能用于室外導航）、無(wú)法捕捉3D信息、噪聲大。前兩個(gè)問(wèn)題可以通過(guò)相機很好地彌補，而第三個(gè)問(wèn)題可以通過(guò)基于概率估計的傳感器融合來(lái)改善。

3）完整的設計 

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的，因此兩者的集成可以提G機器人感知系統的性能。因此，我們在設計機器人時(shí)，將上述傳感器一起設計，即攝像頭、LRF、IMU、車(chē)輪編碼器。構建機器人感知系統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準確的時(shí)間同步。雖然可以設計算法來(lái)在線(xiàn)估計時(shí)空校準參數[12]，但可能會(huì )影響系統性能，引入使用風(fēng)險，因此我們把這一點(diǎn)作為對制造商的強烈要求。

3、實(shí)驗與結果

結果表明，在室內和室外場(chǎng)景中，部署的“IMU和車(chē)輪編碼器融合”比其他替代方案有很大的優(yōu)勢。在室內，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(dòng)機器人系統的實(shí)驗。搭載感知系統的機器人可以通過(guò)帶有規劃和控制模塊的預定路徑，進(jìn)行自主導航。2019年2月14日-24日期間，在阿里巴巴西溪園區內進(jìn)行了共計84次測試，室外總行程16.7公里（見(jiàn)圖2）。在測試過(guò)程中，僅有一次失去本地化時(shí)進(jìn)行了人為干預（這是由于我們的軟件不成熟造成的）。通過(guò)以上對比，可以看出所提出的方法的有效性。另一方面，當執行同樣的任務(wù)時(shí)，甚至在一天內多次需要人工干預[8]。此外，當運行在Nvidia Jetson TX2上時(shí)，所提出的定位算法只占用一個(gè)ARM內核（相當于A(yíng)73），并且達到優(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)運行。

查看更多相似文章