行業(yè)干貨|機(jī)器人如何實現(xiàn)自主移動與路徑規(guī)劃？

SLAMTEC思嵐科技

智能服務(wù)機(jī)器人正成為行業(yè)的風(fēng)口浪尖，從清掃機(jī)器人開始，家庭陪伴機(jī)器人、送餐機(jī)器人等陸續(xù)進(jìn)入公眾視線。

: I; g4 I# w) b3 q# k+ C

在討論這類機(jī)器人是否能解決實際問題時，自主定位導(dǎo)航技術(shù)作為機(jī)器人智能化的第一步正不斷引起行業(yè)內(nèi)的重視。同時，作為自主定位導(dǎo)航技術(shù)的重要突破口，SLAM 技術(shù)也成為關(guān)注焦點。

正如圖中所示，機(jī)器人自主定位導(dǎo)航技術(shù)中包括定位、地圖創(chuàng)建與路徑規(guī)劃（運動控制），而 SLAM 本身只是完成機(jī)器人的定位和地圖創(chuàng)建，二者有所區(qū)別。

* D( ~% S) z% O0 ]' a% N

那么，SLAM 技術(shù)究竟是如何實現(xiàn)的？它有哪些難點？機(jī)器人如何實現(xiàn)自主移動和路徑規(guī)劃？到底什么樣的掃地機(jī)器人才算智能？

這些問題，小編將為你一一解答，帶領(lǐng)大家了解機(jī)器人自主移動的秘密。

今天，我們先從 SLAM 說起。

, y  `# t0 }: ~2 L8 w; I

什么是SLAM技術(shù)?

SLAM 是同步定位與地圖構(gòu)建 (Simultaneous Localization And Mapping) 的縮寫，最早由 Hugh Durrant-Whyte 和 John J.Leonard 提出。

其實，SLAM 更像是一個概念而不是一個算法，它本身包含許多步驟，其中的每一個步驟均可以使用不同的算法實現(xiàn)。主要用于解決移動機(jī)器人在未知環(huán)境中運行時即時定位與地圖構(gòu)建的問題。

當(dāng)你身處異地，怎么準(zhǔn)確找到想去的地方？在戶外迷路時，怎么找到回家的路？沒錯，我們有導(dǎo)航軟件和戶外地圖。

和人類繪制地圖一樣，機(jī)器人描述環(huán)境、認(rèn)識環(huán)境的過程主要就是依靠地圖。它利用環(huán)境地圖來描述其當(dāng)前環(huán)境信息，并隨著使用的算法與傳感器差異采用不同的地圖描述形式。

四種常見的地圖表示方法是什么？

+ a- M4 ]% _2 N; o; h$ b6 I) e2 I) T

機(jī)器人學(xué)中地圖的表示方法有四種：柵格地圖、特征地圖、直接表征法以及拓?fù)涞貓D。

柵格地圖

: Y; _3 c0 Q$ h2 c* B* M. Z8 ~

機(jī)器人對環(huán)境地圖的描述的方式最常見的為柵格地圖 (Grid map) 或者稱為 Occupancy Map。柵格地圖就是把環(huán)境劃分成一系列柵格，其中每一柵格給定一個可能值，表示該柵格被占據(jù)的概率。

! s2 S* i" b% ]' I

這種地圖看起來和人們所認(rèn)知的地圖沒什么區(qū)別，它最早由 NASA 的 Alberto Elfes 在 1989 年提出，在火星探測車上就用到過，其本質(zhì)是一張位圖圖片，但其中每個「像素」則表示了實際環(huán)境中存在障礙物的概率分布。

一般來說，采用激光雷達(dá)、深度攝像頭、超聲波傳感器等可以直接測量距離數(shù)據(jù)的傳感器進(jìn)行 SLAM 時，可以使用該地圖。這種地圖也可以通過距離測量傳感器、超聲波（早期）、激光雷達(dá)（現(xiàn)在）繪制出來。

特征點地圖

9 n% h1 T* g/ B$ ~

特征點地圖，是用有關(guān)的幾何特征（如點、直線、面）表示環(huán)境，常見于 vSLAM（視覺 SLAM）技術(shù)中。

- ]+ P3 I; H0 r, }  \" e/ l

* u: M" f! q/ V+ Y4 G

相比柵格地圖，這種地圖看起來就不那么直觀了。它一般通過如 GPS、UWB 以及攝像頭配合稀疏方式的 vSLAM 算法產(chǎn)生，優(yōu)點是相對數(shù)據(jù)存儲量和運算量比較小，多見于最早的 SLAM 算法中。

直接表征法

直接表征法中，省去了特征或柵格表示這一中間環(huán)節(jié)，直接用傳感器讀取的數(shù)據(jù)來構(gòu)造機(jī)器人的位姿空間。

8 b5 `3 p3 x& ^) h1 U' w. h  b7 b

上圖就是直接記錄了屋子內(nèi)天花板畫面的圖像地圖。這種方法就像衛(wèi)星地圖一樣，直接將傳感器原始數(shù)據(jù)通過簡單處理拼接形成地圖，相對來說更加直觀。

拓?fù)涞貓D

6 h1 @; G/ A+ j' p+ R

拓?fù)涞貓D，是一種相對更加抽象的地圖形式，它把室內(nèi)環(huán)境表示為帶結(jié)點和相關(guān)連接線的拓?fù)浣Y(jié)構(gòu)圖，其中結(jié)點表示環(huán)境中的重要位置點（拐角、門、電梯、樓梯等），邊表示結(jié)點間的連接關(guān)系，如走廊等。這種方法只記錄所在環(huán)境拓?fù)滏溄雨P(guān)系，這類地圖一般是由前幾類地圖通過相關(guān)算法提取得到。

) F' m( k2 ^. G. Y7 ^

比如掃地機(jī)器人要進(jìn)行房間清掃的時候，就會建立這樣的拓?fù)涞貓D：

小結(jié)

" {8 |& T" U! d

在機(jī)器人技術(shù)中，SLAM 的地圖構(gòu)建通常指的是建立與環(huán)境幾何一致的地圖。

一般算法中建立的拓?fù)涞貓D只反映了環(huán)境中的各點連接關(guān)系，并不能構(gòu)建幾何一致的地圖，因此，這些拓?fù)渌惴ú荒鼙挥糜?SLAM。

7 L( p& I# g2 B6 W! |6 P

直接表征法類似衛(wèi)星地圖，它是直接使用傳感器（一般是圖像傳感器）構(gòu)建得到。這種方法的信息冗余度最大，對于數(shù)據(jù)存儲是很大的挑戰(zhàn)，同時，機(jī)器人要從中提取出有用的數(shù)據(jù)也要耗費一番周折，因此在實際應(yīng)用中很少使用。

) {. n3 A, O, E( u

特征點地圖又是另一個極端，雖然數(shù)據(jù)量少，但是它往往不能反應(yīng)所在環(huán)境的一些必須的信息，比如環(huán)境中障礙物的位置。vSLAM 技術(shù)中，多采用這種地圖來解決機(jī)器人定位問題。想讓機(jī)器人進(jìn)行自主避障和路徑規(guī)劃，還需要額外配置距離傳感器，如激光雷達(dá)、超聲波來完成。

柵格地圖，或者 Occupancy Map（占據(jù)地圖）恰好介于其中，一方面它能表示空間環(huán)境中的很多特征，機(jī)器人可以用它來進(jìn)行路徑規(guī)劃，另一方面，它又不直接記錄傳感器的原始數(shù)據(jù)，相對實現(xiàn)了空間和時間消耗的最優(yōu)。因此，柵格地圖是目前機(jī)器人所廣泛應(yīng)用的地圖存儲方式。

9 h$ d+ d- u$ h1 `' c+ L- c

思嵐科技的 SLAMWARE 系統(tǒng)內(nèi)部也采用這種地圖方式。

! `3 F; n& u1 i# H% M3 E1 _

當(dāng)你打開手機(jī)中的導(dǎo)航軟件，在選擇前往目的地的最佳路線之前，首先要做的動作是什么呢？沒錯，就是定位。我們要先知道自己在地圖中的位置，才可以進(jìn)行后續(xù)的路徑規(guī)劃。

在機(jī)器人實時定位問題中，由于通過機(jī)器人運動估計得到的機(jī)器人位置信息通常具有較大的誤差，我們還需要使用測距單元得到的周圍環(huán)境信息更正機(jī)器人的位置。

4 c2 W, P, ]6 ?

目前，常見的測距單元包括激光測距、超聲波測距以及圖像測距三種。其中，憑借激光良好的指向性和高度聚焦性，激光雷達(dá)已經(jīng)成為移動機(jī)器人的核心傳感器，同時它也是目前最可靠、最穩(wěn)定的定位技術(shù)。

8 R4 x+ [0 ~+ @- `0 T8 ~; U: [; v5 D

自 1988 年被提出以來，SLAM 的理論研究發(fā)展十分迅速。在實際應(yīng)用時，除配備激光雷達(dá)外，還需要機(jī)器人具有 IMU（慣性測量單元）、里程計來為激光雷達(dá)提供輔助數(shù)據(jù)，這一過程的運算消耗是巨大的，傳統(tǒng)上需要 PC 級別的處理器，這也成為限制 SLAM 廣泛應(yīng)用的瓶頸之一。

8 |) W$ s. ^9 b0 o1 k" N

那么，實現(xiàn) SLAM 的過程中，都會遇到哪些坑呢？

9 c% l( D8 v& A# W7 l$ j

SLAM 實現(xiàn)過程中的難點有哪些？

SLAM 主要解決機(jī)器人的實時定位與自動建圖問題，那么，在實際應(yīng)用時，SLAM 究竟是如何實現(xiàn)的呢？在實現(xiàn)過程中有哪些難點？

這是一個完整的 SLAM 和導(dǎo)航系統(tǒng)的主要架構(gòu)圖：

/ x( v8 y3 @9 ^3 Y

9 K* J0 s5 \1 P" O0 \) J

其中，SLAM 核心過程包括 3 個步驟，第一步稱為預(yù)處理。我們知道，激光雷達(dá)和其他雷達(dá)設(shè)備一樣，某一個時刻只能獲取它所在位置的環(huán)境信息。

% ]( L/ z5 g( l6 a, ~

這就是我們所說的點云，它只能反映機(jī)器人所在環(huán)境中的一個部分。第一步預(yù)處理就是對激光雷達(dá)原始數(shù)據(jù)進(jìn)行優(yōu)化，剔除一些有問題的數(shù)據(jù)，或者進(jìn)行濾波。

1 e* j! G1 I" Y( k; {0 [

第二步是匹配，也就是說把當(dāng)前這一個局部環(huán)境的點云數(shù)據(jù)在已經(jīng)建立地圖上尋找到對應(yīng)的位置，這個步驟非常關(guān)鍵。

這個是 ICP 的點云匹配算法，用于實現(xiàn)匹配。說這個過程關(guān)鍵，就是因為它的好壞，直接影響了 SLAM 構(gòu)建地圖的精度。這個過程和我們玩拼圖游戲有點類似，就是在已經(jīng)拼好的畫面中找到相似之處，確定新的一個拼圖該放在哪里。

6 G* |* e& X$ f. I# _. L& ]2 E+ V

在 SLAM 過程中，需要將激光雷達(dá)當(dāng)前采集的點云（紅色部分）匹配拼接到原有地圖中。

! N7 K7 w7 T" |

如果不進(jìn)行匹配過程，所構(gòu)建的地圖可能就亂成一團(tuán)，變成這樣。

在這個部分完畢以后，就進(jìn)行第三步，地圖融合，也就是將這一輪來自激光雷達(dá)的新數(shù)據(jù)拼接到原始地圖當(dāng)中，最終完成地圖的更新。

+ ^, E) ^8 k3 S, ]% {

就像這個圖一樣，這個過程是永遠(yuǎn)伴隨 SLAM 過程的。

3 @3 f: J+ E3 q2 \4 @/ ^: L

. F3 p6 r8 o" w& w

數(shù)據(jù)融合和簡單的貼圖是有很大的差異的。因為實際上傳感器描繪的世界存在一定的誤差，或者正巧在這個時間環(huán)境有了變化，例如機(jī)器人旁邊闖入了一只小貓。

因此，實際要進(jìn)行的過程會更加復(fù)雜，需要用很多概率算法，并采用濾波的方式進(jìn)行融合。將上述這個過程逐次執(zhí)行，就最終產(chǎn)生了我們看到的柵格地圖。

$ I: ^2 M' K# k( E

這個過程聽起來其實并不復(fù)雜，但是要處理好有很大難度。這里舉幾個例子，比如叫做 Loop Closure（回環(huán)）問題。如果匹配算法不足夠優(yōu)秀，或者環(huán)境中存在很不巧的干擾，當(dāng)機(jī)器人繞著環(huán)境一圈后，就會發(fā)現(xiàn)原本是應(yīng)該閉合的一個環(huán)形走廊斷開了。

. a1 A" M4 o  z0 W

比如正常地圖應(yīng)該這樣：

2 d9 C5 o2 A5 Q, i

+ M( g, [: n6 ~  }

如果處理不好，實際地圖就成這樣：

5 x, n' L; o9 }3 M4 Q6 W# n$ L. M% m* G

對于環(huán)境比較大的場景，回環(huán)問題是不得不面對的，但現(xiàn)實總是不完美的，即使是激光雷達(dá)這種高精度傳感器，也難免存在誤差。而回環(huán)問題的難點恰恰在于在一開始出現(xiàn)少許誤差的時候，并不會被發(fā)覺，直到機(jī)器人繞著環(huán)路一圈，隨著誤差的累加，發(fā)現(xiàn)環(huán)路已經(jīng)無法閉合時，此時已經(jīng)釀成大錯，一般很難回天。

* O4 {1 v3 V* M; Q, x# [

當(dāng)然這個問題并不是無解，一個好的商用化 SLAM 系統(tǒng)，回環(huán)問題是否能很好的解決，就成為評判這個系統(tǒng)實力的指標(biāo)了。

- Z7 J' r. k% w# ]0 y8 {% ?

這是前兩天在我們辦公室進(jìn)行的測試，左邊的視頻是基于開源的 ROS 機(jī)器人操作系統(tǒng)進(jìn)行的地圖構(gòu)建，右邊的是基于 SLAMWARE 構(gòu)建的地圖。

: b4 \$ i! ?8 ?

) Z" f$ Q" }! T0 Y9 e( _8 _. X
, _: K9 N( ]9 \9 U4 ~1 X

當(dāng)機(jī)器人已經(jīng)繞場一周后，ROS 構(gòu)建的地圖出現(xiàn)了中斷，而 SLAMWARE 構(gòu)建的地圖是一個完美的閉環(huán)，它與我們辦公室的設(shè)計圖完美重合。

% j, t! j$ ?- v3 Y

& ?1 [( R" \* @# T

除了算法層面的回環(huán)問題，SLAM 實際應(yīng)用中還有很多這種坑，比如走廊問題與外界干擾問題。

* |. [6 _0 a2 \) t

以外界干擾問題來說，通常，激光雷達(dá)作為機(jī)器人的眼睛，一般是安裝在底盤上的，它能看到的視野很有限。當(dāng)受到外界干擾（人類或者寵物等等）后，機(jī)器人很容易丟失定位精度，無法正常完成后續(xù)的建圖工作。

目前，SLAM 的開源實現(xiàn)代表多為學(xué)術(shù)界，實際應(yīng)用有很多 Corner Case 要處理，需要傳感器、系統(tǒng)參數(shù)、其他輔助設(shè)備的聯(lián)合調(diào)優(yōu)。

一般來說，上述的 SLAM 過程對于運算消耗是巨大的，雖然并沒有達(dá)到像訓(xùn)練神經(jīng)網(wǎng)絡(luò)動用服務(wù)器集群那種地步，但傳統(tǒng)上需要 PC 級別的處理器。

除配備激光雷達(dá)外，還需要機(jī)器人具有 IMU（慣性測量單元）、里程計來為激光雷達(dá)提供輔助數(shù)據(jù)，否則 SLAM 系統(tǒng)也難以得到運行。總的來說，SLAM 算法本身是一個對于外部系統(tǒng)有著多種依賴的算法，這是一個切實的工程問題。

很多機(jī)器人，比如掃地機(jī)是不可能裝一個 PC 進(jìn)去的，為了讓 SLAM 能在這類設(shè)備里運行，除了解決激光雷達(dá)成本外，還要對 SLAM 算法做出很好的優(yōu)化。

& b0 Y9 P" n) F( E

那么，機(jī)器人利用 SLAM 技術(shù)得到了有效的空間信息后，它是怎樣實現(xiàn)路徑規(guī)劃的？SLAM 和路徑規(guī)劃之間關(guān)系是怎樣的？

機(jī)器人如何實現(xiàn)自主移動和路徑規(guī)劃？

+ W6 R" N/ K3 S5 f

上面我們已經(jīng)知道了 SLAM 與路徑規(guī)劃的關(guān)系。

實際上，SLAM 算法本身只是完成了機(jī)器人的定位和地圖構(gòu)建兩件事情，與我們說的導(dǎo)航定位并不是完全等價的。這里的導(dǎo)航，其實是 SLAM 算法做不了的。它在業(yè)內(nèi)叫做運動規(guī)劃 (Motion Planning)。

運動規(guī)劃是一個很大的概念，從機(jī)械臂的運動、到飛行器的飛行，再到這里我們說的掃地機(jī)的清掃路徑規(guī)劃，都是運動規(guī)劃的范疇。

我們先談?wù)勧槍叩貦C(jī)這類輪式機(jī)器人的運動規(guī)劃。這里所需的基礎(chǔ)能力就是路徑規(guī)劃，也就是一般在完成 SLAM 后，要進(jìn)行一個叫做目標(biāo)點導(dǎo)航的能力。通俗的說，就是規(guī)劃一條從 A 點到 B 點的路徑出來，然后讓機(jī)器人移動過去。

要實現(xiàn)這個過程，運動規(guī)劃要實現(xiàn)至少兩個層次的模塊，一個叫做全局規(guī)劃，這個和我們車載導(dǎo)航儀有一點像，它需要在地圖上預(yù)先規(guī)劃一條線路，也要有當(dāng)前機(jī)器人的位置。這是由我們的 SLAM 系統(tǒng)提供出來的。行業(yè)內(nèi)一般會用叫做 A * 的算法來實現(xiàn)這個過程，它是一種啟發(fā)式的搜索算法，非常優(yōu)秀。它最多的應(yīng)用，是在游戲中，比如像星際爭霸、魔獸爭霸之類的即時戰(zhàn)略游戲，都是使用這個算法來計算單位的運動軌跡的。

- ]# S5 t; _$ X5 x$ C1 k5 j0 D; ~5 w

當(dāng)然，僅僅規(guī)劃了路徑還是不夠的，現(xiàn)實中會有很多突發(fā)情況，比如正巧有個小孩子擋道了，就需要調(diào)整原先的路徑。當(dāng)然，有時候這種調(diào)整并不需要重新計算一遍全局路徑，機(jī)器人可能稍微繞一個彎就可以。此時，我們就需要另一個層次的規(guī)劃模塊，叫做局部規(guī)劃。它可能并不知道機(jī)器人最終要去哪，但是對于機(jī)器人怎么繞開眼前的障礙物特別在行。

這兩個層次的規(guī)劃模塊協(xié)同工作，機(jī)器人就可以很好的實現(xiàn)從 A 點到 B 點的行動了，不過實際工作環(huán)境下，上述配置還不夠。比如 A＊算法規(guī)劃的路徑是根據(jù)已知地圖，預(yù)先規(guī)劃好的，一旦機(jī)器人前往目的地的過程中遇到了新的障礙物，就只好完全停下來，等待障礙物離開或者重新規(guī)劃路徑了。如果掃地機(jī)器人買回家，必須先把屋子都走一遍以后才肯掃地，那用戶體驗就會很差。

為此，也會有針對這類算法的改進(jìn)，比如 SLAMWARE 內(nèi)我們采用改良的 D * 算法進(jìn)行路徑規(guī)劃，這也是美國火星探測器采用的核心尋路算法。這是一種動態(tài)啟發(fā)式路徑搜索算法，它讓機(jī)器人在陌生環(huán)境中行動自如，在瞬息萬變的環(huán)境中游刃有余。

" W' F% K  Y$ j* x* T1 O( P1 \. A

D * 算法的最大優(yōu)點是不需要預(yù)先探明地圖，機(jī)器人可以和人一樣，即使在未知環(huán)境中，也可以展開行動，隨著機(jī)器人不斷探索，路徑也會時刻調(diào)整。

7 d* F+ K8 P% P7 W+ Y1 V' p

以上是目前大部分移動機(jī)器人都需要的路徑規(guī)劃算法，而掃地機(jī)器人作為最早出現(xiàn)在消費市場的服務(wù)機(jī)器人之一，它需要的路徑規(guī)劃算法更為復(fù)雜。

一般來說，掃地機(jī)需要這么幾個規(guī)劃能力：貼邊打掃、折返的工字形清掃以及沒電時候自主充電。單單依靠前面介紹的 D * 這類算法，無法滿足這些基礎(chǔ)需要。

掃地機(jī)器人還需要有額外的規(guī)劃算法，比如針對折返的工字形清掃，有很多問題要處理。掃地機(jī)如何最有效進(jìn)行清掃而不重復(fù)清掃？如何讓掃地機(jī)和人一樣，理解房間、門、走廊這種概念？

針對這些問題，學(xué)術(shù)界長久以來有一個專門的研究課題，叫做空間覆蓋（space coverage），同時也提出了非常多的算法和理論。其中，比較有名的是 Morse Decompositions，掃地機(jī)通過它實現(xiàn)對空間進(jìn)行劃分，隨后進(jìn)行清掃。

20 世紀(jì) 70 年代，卡內(nèi)基梅隴大學(xué)（CMU）完全依靠超聲波做到了現(xiàn)在我們掃地機(jī)的行為，當(dāng)然造價也十分昂貴。

前面介紹的從 A 點到 B 點移動路徑規(guī)劃也是實現(xiàn)這類更高級路徑規(guī)劃的基礎(chǔ)。實際上，要從 SLAM 實現(xiàn)到掃地機(jī)器人所需要的這些功能，還是有非常多的工作要做的。

! S+ t1 h& k( K, Y9 ~/ @6 O2 I

未來第一站

謝謝分享!

韓寒11

家里就有掃地機(jī)器人，很好用的

天天來一回

謝謝分享

simpleplanfx

干貨，學(xué)習(xí)了

qwchenhao

樓主是否可以談?wù)勍勇輧x在機(jī)器人導(dǎo)航中的應(yīng)用。。

nangonglyj

$ P% A6 t9 r  Q" C$ A' l$ N