欧宝体育下载app苹果版:扫地机器人 视觉slam

来源:欧宝体育网络网址 作者:欧宝体育平台下载

  自20世纪60年代以来机器人的各项相关技术取得了巨大的进步。而就扫地机器人而言扫地机器人受到越来越多家庭的欢迎国外先进的扫地机器人主要采用了视觉导航技术而国内在基于视觉导航机器人的应用上技术差距较大。本文在低成本的扫地机器人平台上设计和实现了一套基于视觉的自主导航系统主要工作包括

  区分扫地机器人智能与否的一个重要判断条件为扫地机器人是否具备自主导航能力无自主导航的扫地机器人一般通过随机游走实现对环境的清扫工作效率较低具备导航能力的扫地机器人在清扫时通过对环境的感知实现更加高效自主的规划式清扫。

  主流扫地机器人主要有两类自主导航方式激光雷达导航和视觉导航。

  其中激光雷达导航相关技术研宄起步较早优势

  目前国内外均有相关扫地机器人产品但激光雷达的硬件成本较高且存在安全隐患不利于普及应用。激光可能受到干扰

  国外在扫地机器人的视觉导航方面的研究起步早己有多款产品采用了视觉导航技术。而国内扫地机器人厂商在视觉导航领域的研究才刚起步采用视觉导航技术的相关产品十分罕见与国外尚存在一定的差距。

  1.环境观测与地图构建负责获取环境信息构建环境地图;

  .自主定位机器人对自己在世界坐标系下所处位置和姿态进行估计

  扫地机器人构建地图的主要目的是为路径规划提供全局的环境信息而扫地机器人路径规划的任务是工作空间的全覆盖使用特征地图或者拓扑地图难以完成全覆盖的任务由于栅格地图能较好地表示环境信息能够完成全覆盖任务因此采用栅格地图。

  扫地机器人的机身尺寸为几十厘米栅格地图尺寸为几厘米时分辨率己足够路径规划使用而且扫地机器人工作空间大小有限通常为几十平方米到几百平方米栅格地图的计算量和存储量可以被当前主流的嵌入式平台接受。扫地机器人对障碍物的测距精度应该高于栅格分辨率即要求测距精度至少为厘米级。

  激光雷达测距因其测距范围大、精度较高被较早地应用于扫地机器人但激光雷达价格昂贵应用于家庭环境还可能存在安全隐患。项目组采用单目视觉测距采用线结构光视觉测距传感器作为主要的环境观测传感器。该传感器由一个低成本摄像头和一个红外线;发射一字型红外线c;测距原理为三角测距原理。

  该传感器能够对摄像头视场范围内的障碍物进行测距在50cm范围内测量误差小于1cm能满足扫地机器人障碍物探测精度要求。相比于昂贵的激光测距仪其成本低廉、体积小、重量轻。但该线结构光传感器存在以下缺点

  2.由于摄像头的视场有限该传感器存在探测盲区需要其他传感器配合

  两个红外测距传感器分别被安装在机身两侧在机器人运动过程中实现对机器人两侧障碍物的探测。并且为扫地机器人安装碰撞检测、跌落检测和悬空检测传感器这三类危险状态的检测均使用简单的开关类型传感器。

  1.自主性高能不依赖任何外部信息即可完成定位

  定位精度会随着时间而降低。短时精度高但定位误差会随着时间的增长而不断累积。

  能够全天候实时提供载体的三维位置和速度信息且误差不随时间累积是一种高精度的导航和定位系统。缺点再于

  GPS信号功率很低机器人在室内工作时信号被遮无法完成室内定位。

  通过识别外部环境中己知固定位置的路标特征来推算机器人当前位置定位误差不随时间累积但需要额外改造环境。

  基本原理是提取连续两帧天花板图像中的特征点对特征点进行匹配通过两帧图像中相同特征点来计算机器人在两帧之间的平移和旋转据此计算得到机器人的位姿。优点再于

  缺点受环境影响大、实时性差等缺点天花板特征不丰富时天花板视觉定位效果不友好

  激光雷达定位和视觉定位由于不必在环境中增加额外的硬件而成为两种主流的定位方式。长时间工作时二者的误差比惯性定位小。激光雷达定位优点在于精确、快速、计算量小但激光雷达体积较大、功耗高且价格昂贵视觉传感器具有价格低、体积小重量轻、信息丰富等优点但计算量大对环境依赖强容易受到干扰。组合定位兼备各子系统的优点使组合系统具有许多单独的定位系统所不具备的优越性能。

  使用视觉定位可以校正惯性定位的累积误差而惯性定位的自主性高、实时性好的特点可以弥补视觉定位的易受环境影响、实时性差的缺点因此扫地机器人的定位解决方案为天花板视觉定位和惯性定位相结合以视觉定位保证定位精度以惯性定位保证定位的自主性和实时性。

  路径规划指移动机器人按照某一性能指标如距离、时间、能量等搜索一条从起始状态到目标状态的最优或次优路径。不同于常规的点到点规划扫地机器人的路径规划要求遍历工作空间中的无障碍物区域属于全覆盖路径规划。

  根据环境信息是否己知全覆盖路径规划分为离线规划和在线规划。离线规划依赖静态的环境信息要求环境已知然而充分己知环境信息在许多情况下是难以做到的。在线规划并不完全依赖环境信息而是利用传感器的实时观测信息完成规划因此在线全覆盖算法又被称为基于传感器的全覆盖算法。

  常见的全覆盖路径规划算法有基于栅格的方法和单元分解法。扫地机器人工作环境通常是未知、变化的离线;要求的环境信息己知这一条件通常难以做到。而基于传感器信息的在线;往往只能完成局部区域的全覆盖无法依据全局信息完成所有区域的全覆盖。综合考虑局部规划和全局规划的优势和不足扫地机器人采用局部规划与全局规划相结合的方法实现对工作空间的全覆盖。

  局部规划生成“弓”字形路径并根据传感器信息进行实时避障实现对局部区域的全覆盖。在执行“弓”字形运动过程中扫地机器人不断获取环境信息逐步完善栅格地图。局部规划完成局部区域的全覆盖后难以继续工作此时机器人根据部分环境己知的栅格地图搜索尚未覆盖的区域目标区域全局规划基于当前栅格地图规划一条到达下一目标区域的安全路径扫地机器人沿着该路径运动到下一区域继续执行局部规划。

  轮式移动机器人的反馈控制根据控制目标的不同分为三类轨迹跟踪、道路跟随以及点镇定。

  轨迹跟踪指机器人从给定的初始状态出发到达目标状态并在运动过程中跟随给定的参考轨迹运动过程依赖于时间。

  道路跟随指机器人从给定初始状态出发到达目标状态并在运动过程中跟随给定的几何路径但与轨迹跟踪不同道路跟随的运动过程独立于时间。

  点镇定指机器人从初始状态开始到达并保持在设定的目标状态。

  运动控制模块与路径规划模块紧密相关任务是通过调节驱动轮速度来控制机器人沿着设定的路径运动对时间无严格约束是典型的道路跟随问题。扫地机器人运动控制的关键在于对驱动轮速度的控制。控制是一种基于经典控制理论的控制算法也是最早发展起来的一种用于工业控制的控制算法。

  控制具有结构简单、稳定性高、鲁棒性好、调整方便、易于工程实现等优点是工业控制的主要技术之一被广泛应用于工业过程控制。驱动轮速度的调节采用控制器。由于扫地机器人路线为“弓”字形路径规划模块生成的路径为折线c;而不会是光滑的曲线c;因此运动控比可以通过路径分解进行简化。 在基本运动的执行过程中将定位模块输出的位姿与目标路径比较进行反馈调节在更高层次上确保机器人行驶在设定的路径上。据此扫地机器人的运动控制模块可以进一步划分为两部分高层次的路径跟随子模块和低层次的运动执行子模块。路径跟随子模块根据路径规划模块设定的目标位姿与定位模块输出的机器人位姿生成运动指令运动执行子模块利用控制器执行路径跟随子模块生成的运动指令。

  综上所述扫地机器人运动控制模块的解决方案为根据扫地机器人路径的特殊性通过路径分解和运动分解将较复杂的道路跟随问题简化为基本运动的执行。高层次的路径跟随子模块依据定位模块反馈的机器人位姿生成运动指令低层次的运动执行子模块则利用控制器执行运行指令。

  “舟师识地理夜则观星昼则观日阴晦观指南针”几个世纪以前的古人便利用观星术和指南针实现了大航海中位置和航向的标定走出世代居住的大陆走向广袤的大海探索新大陆。

  上个世纪七十年代由美军研制并投入使用的GPS系统实现了全球范围内10米的定位精度综合定位精度在军用领域可达到厘米级和毫米级。

  有着出色定位性能的GPS技术在室内却无能为力。由于建筑物遮挡配备GPS的手机在室内基本无法获取定位信息更不用谈定位精度。

  这就为室内SLAM带来了巨大挑战各种室内定位和导航技术应运而生。

  室内SLAM方案则根据其技术选型而有众多区别。在日常生活中大家经常接触的多是iBeacon和WiFi室内定位两种技术这两种方案均是基于2.4G射频技术根据射频场强随距离衰减的模型计算距离因为射频信号传播本身就受环境干扰不稳定。所以基于这个原理的测距也不会精确。针对iBeacon苹果也是把结果放在一个大概范围内分成Immediate、Near和Far三种。根据测试结果在3米内精度尚可3米后基本无效。所以也多是用在仓储、商场、购物中心做粗略的楼层或位置判断。

  若应用在室内机器人行走则因为精度问题以及需要提前布置无线c;实际效果与成本非常不尽人意。

  2009年成立于2005年的扫地机厂商Neato发布了一款成本极低的激光雷达利用激光发射器与接收器之间的三角测距方法测得与障碍物之间的距离激光测距传感器安装在电机上通过旋转测得一圈360°范围内的距离并基于此绘制室内地图。测距范围从20cm到6m最大误差只有3cm以30美金的超低价格在机器人圈中引起不小的轰动。

  而在此之前市面上诸多高精度的测距传感器价格如图6高达几千美金用于无人车自动驾驶领域的激光雷达更是高达几万美金致使激光雷达一直存在于各大科研院所的实验室中未能真正进入大众的生活。

  Neato一百美金的的激光雷达满足了机器人对测距传感器高性价比的需求在此之后的几年内国内诞生了众多基于此的激光雷达方案商。

  从上图很容易发现Neato采用的旋转式激光雷达采用的皮带传动很容易老化且激光测距模块位于旋转部件顶部长时间转动磨损较为严重而Neato在Amazon的用户评论也恰好证明了这一点

  按扫地机每天工作时间为2小时则三年总计工作时间约为2000小时即使行业内最早做室内机器人SLAM方案的Neato公司其产品寿命也仅为两三千小时满足室内机器人的高强度长时间运行似乎有些困难。

  由MIT人工智能实验室的几位学生在1990年创立的iRobot从2002年九月份推出第一款扫地机后在短短的两年内已卖出1百万台截止到2012年已卖出近8百万的家用机器人这样一家行业巨头在家用机器人上又是采用什么样的SLAM方案呢

  Roomba 980 是iRobot于2015年12月推出的最新一款采用vSLAM方案的扫地机在扫地机顶部一颗斜向上45°的摄像头摄像头通过vSLAM算法拾取和记录沙发中的大量特征点尤其是物体的边角并在运动过程中不断追踪这些特征点同时不断检测新的特征点由此建立一个环境地图。但是为了定位自己当前的位置必须要结合其他测距传感器诸如陀螺仪、惯性导航设备等。

  Virtual Wall 技术多出现于传统的非智能扫地机中多是因为传统扫地机无法识别家庭环境并建立一套行之有效的房间地图当卧室或厨房或儿童房等某个房间不需要扫地机清扫时则可在其门口设立这样一个Virtual Wall模组待扫地机行走到此处时自动避开人或动物则可畅通无阻。然而Roomba 980 不能依靠原有的vSLAM实现相关技术而需另选Virtual Wall配件则可见其vSLAM技术并没有建立真正的室内地图。

  此外vSLAM这种依托被动光源的导航方案对光线c;若光照条件不足则会丧失导航的功能进入到盲扫的状态。

  在采用被动光源的vSLAM相关技术领域中由于需要通过处理大量包含rgb信息的图像信息一方面移动处理器的性能问题另一方面相关算法的成熟度不仅功耗较高不适合移动机器人平台并且精度十分有限甚至无法识别近处的较为细小的桌腿等障碍物。

  另一种方案来自Intel。在半年之前的CES展览上生产3D深度传感器Realsense的Intel可谓煞费苦心现场演示基于Realsense进行物体跟踪与视觉壁障的无人机但很快即被吐槽其采用电影特效中常用的标记点方式作弊究其根本原因还是Realsense这类3D视觉传感器处理数据时的高性能要求的同时产生的较高功耗。官方标称其最低支持的CPU为第四代英特尔酷睿处理器而此处理器在运行3D视觉运算时的功耗则达15W甚至更高虽然对于随随便便功耗就能到50W的笔记本电脑来说无足轻重但是对于最大功率只有28W的室内扫地机器人来说有些十分奢侈。

  从上面的分析可以发现为了能让智能机器人进入每个家庭不仅需要一套完善且成熟的SLAM导航方案还需要较为低廉的成本然后究竟哪一种方案最为适合室内机器人尤其是扁平化的扫地机呢

  上图便是刚才提到的为机器人提供三维SLAM方案的Realsense辅助进行物体识别、物体抓取等操作配合Oculus Rift甚至能实现虚拟与现实世界的线D Depth Camera的优势。

  首先从计算量上降低了很多只需要廉价的芯片即可完成图形处理与距离计算

  其次采用市面上早已成熟的标准的线性结构光器件与摄像头模组大大降低了相关的元器件成本这也从根本上让2D Depth Camera从几百美金降到了只有几十美金甚至在将来技术方案成熟后成本将会进一步下降

  相较于Neato旋转激光雷达的方案2D Depth Camera在稳定性与使用寿命方面得到了大幅提升不再为SLAM模组的售后而担心。

  也许很快你买回家的扫地机将会是一台真正的智能机器人而你只需要告诉它去卧室或厨房它便会自己前往完成特定区域特定时间的清扫工作不再为它的傻萌而担心。

  作者简介王永涛现就职于雷动云合致力于让真正的智能机器人走入每个家庭技术问题交流

  伴随着人工智能、机器人、无人驾驶等技术的蓬勃发展越来越多的相关智能产品出现在了我们的日常生活中作为底层技术基石之一的SLAM也逐渐被大家所熟知。下面通过“机器人对于人类的意义”、“机器人为什么需要SLAM技术”和“搭载SLAM算法的机器人有哪些用途”这样三个问题来探讨SLAM在机器人中的应用。

  本篇文章已经收录在我最新出版的书籍《机器人SLAM导航核心技术与实战》感兴趣的读者可以购买纸质书籍来进行更加深入和系统性的学习购买链接如下

  点这里购买《机器人SLAM导航核心技术与实战》购买链接

  从某种意义上说人类的躯体延展了人类的智能。互联网技术和人工智能技术则是对人类智能的又一次延展而机器人又对人工智能技术进行了延展如图1所示。这种延展性是机器人对于人类的重要意义。

  人类学会使用工具可以看成是人类躯体的第一次延展。试想一下在不会使用工具的远古时代人类祖先只能靠采摘树上的水果维持生计就连那些美味的坚果由于无法被牙齿咬开而十分遗憾地远离了人类的食谱。当人类学会了使用简单的工具(比如石斧、长矛、弓箭等)就可以用这些工具劈开坚硬的食物外壳、捕杀野兽以及保卫家园这极大促进了人类的进步。再到后来学会制造和使用青铜器、铁器、汽车、轮船、飞机等一系列更先进的工具这大大突破了人类躯体自身所能触及大自然的极限。

  机器人的出现可以看成是人类躯体的第二次延展。机器人相比于以往的单纯工具显然具有更高的自由度能解决更复杂的问题。通常可以将人类的社会活动归结为人适应自然环境并改造自然环境的过程站在技术的角度讲就是人的社会活动是人与自然环境时时刻刻发生的交互行为的总和。机器人作为人类与自然环境发生交互行为的重要工具机器人的行为当然也就要围绕与自然环境的交互而展开。机器人通过搭载的传感器对环境进行感知即传感器是机器人系统的输入端机器人通过搭载的执行机构与环境进行交互即执行机构是机器人系统的输出端决策作为机器人的中枢系统连接输入端和输出端决策由低智能的认知层和高智能的逻辑推理层构成常见的人脸识别、语音识别、机器人定位、机器人避障等都属于低智能的认知层而复杂的逻辑推理目前在机器人中还比较难实现。

  而互联网技术的普及是对人类智能的又一次延展我们可以借助互联网巨大的信息存储以及检索能力来管理我们的知识(以前靠人脑维护这些知识则需要消耗掉我们很大一部分的心智)同时互联网提供的便捷交流渠道加速了人类认识并改造自然的进程。伴随着互联网技术而兴起的人工智能技术则是对人类智能的进一步延展如果将传统互联网技术看成是信息存储、检索和传播的载体那么人工智能技术则可以看成是对载体上的信息进行挖掘并应用新信息的一种工具。简单点说就是传统互联网技术本身并不生产信息而只是起到信息传播的作用信息仍然由使用它的人产生而人工智能技术则可以从人产生的信息中生成新信息即机器能发掘出人不知道的一些知识经验。

  如果人工智能技术仅仅停留在虚拟的网络和数据之中那么其挖掘并利用新知识的能力很难扩展开来。可以说机器人是人工智能技术应用能力的有效延展特别是能自主移动的机器人极大地扩展了人工智能技术的应用范围而基于SLAM的自主导航技术正是当下实现机器人自主移动的热门研究领域。

  虽然我们还没有彻底搞清楚人类智能的本质以及生命存在的意义这个终极哲学问题但就目前取得的进展而言人工智能技术和机器人无疑极大地增加了人与自然环境交互的可能性。让机器人成为人的第二躯体能极大地延展人与自然环境交互的范围和速度。当从量变发展为质变时就有可能让人类摆脱自身躯体的局限而取得跨越式的发展。而这样的机器人应该具备高度的自主性让机器人实现完全自主化也就成了人类一直以来的梦想。所谓完全自主化就是在没有外界指令的干预下机器人能通过传感器和执行机构与环境自动发生交互并完成特定的任务。比如自主与人类发生语言和情感交流自主识别、抓取和操控物体自主移动等。完成这些特定任务的每一种底层技术都可以认为是机器人时代的一种基础设施比如由语音识别、语音合成、自然语言理解等技术组成的语音交互基础设施由目标识别、运动规划、行为决策等技术组成的物体抓取基础设施由建图、定位、路径规划等组成的自主移动基础设施等。自主移动 --- SLAM导航自主抓取自主交互

  由于我们生活在一个三维空间环境中在环境空间中移动是机器人与环境发生交互最基本的形式之一因此自主移动也被誉为机器人自主化的“圣杯”。换句线c;要实现机器人的完全自主化就必须先实现机器人的自主移动。试想一下如果人类拥有一个非常聪明的脑瓜子但却被限制在固定的地方不能移动那么人与人之间的交流将很大程度地被阻断人类的分工协作、社会生产、认识并改造自然的能力也将不复存在。既然自由移动对于人类这么重要那么作为人类第二躯体的机器人其自主移动的重要性也就不言而喻了。

  自主移动实质上就是解决从地点A到地点B的问题这个问题看似简单实则非常复杂。当向机器人下达移动到地点B的命令后机器人不免会问出3个颇具哲学性的问题即“我在哪”、“我将到何处去”和“我该如何去”如图2所示。

  经过近几十年来的研究形成了一套有效解决机器人自主移动的方案即SLAM导航方案。SLAM导航方案由建图(mapping)、定位(localization)和路径规划(path planning)3大基本问题组成这3大问题互相重叠和嵌套又组成新的问题也就是SLAM问题、导航问题、探索问题等如图3所示。

  对于单独的定位问题来说是在已知全局地图的条件下通过机器人传感器测量环境利用测量信息与地图之间存在的关系求解机器人在地图中的位姿。定位问题的关键点是必须事先给定环境地图比如分拣仓库中货架上粘贴的二维码路标就是人为提供给机器人的环境地图路标信息机器人只需要识别二维码并进行简单推算就能求解出当前所处的位姿如图4所示。

  而对于单独的建图问题来说是在已知机器人全局位姿的条件下通过机器人传感器测量环境利用测量地图路标时刻的机器人位姿和测量距离与方位信息很容易求解出观测到的地图路标点坐标值。建图问题的关键点是必须事先给定机器人观测时刻的全局位姿比如装载了GPS定位的街景绘制汽车汽车由GPS提供全局定位信息测量设备基于GPS定位信息完成对街道建筑物的测绘如图5所示。

  很显然这种建立在环境先验基础之上的定位和建图具有很大的局限性。将机器人放置到未知环境(比如火星探测车、地下岩洞作业等场景)前面这种上帝视角般的先验信息将不再存在机器人将陷入一种进退两难的局面即所谓的“先有鸡还是先有蛋”的问题。

  如果没有全局地图信息机器人位姿将无法求解没有机器人位姿地图又将如何求解呢于是将机器人位姿量与地图路标点作为统一的估计量进行整体状态估计这是SLAM问题研究的起源。简单点理解的线c;SLAM的建图与定位过程如图7所示。

  当机器人来到一个完全陌生的环境之中机器人通过传感器(比如激光雷达)对该位置上能观测到的环境物体进行扫描这样就获得了一个很小的局部初始地图。接着机器人就可以在移动的过程中利用这个局部初始地图进行定位这样就能获得下一个时刻机器人的位置。当然在移动的过程中机器人会扫描到环境中新的物体。这样往复机器人就可以不断利用以往的地图进行定位同时在定位的基础上对以往地图进行更新。当然SLAM算法的实际实现过程要比这个复杂得多涉及到概率论、状态估计、优化理论、感知融合等这里就不具体展开了。

  其实机器人的自主导航就是在回答“我在哪”、“我将到何处去”和“我该如何去”这样三个问题。仅仅依靠SLAM技术所提供的建图和定位功能还无法实现机器人的自主移动还需要将SLAM与导航算法以及人工规则等相结合这种结合也就是所谓的SLAM导航。SLAM一方面为导航算法中的路径规划提供机器人定位信息另一方面为导航算法提供可动态更新的全局地图。而导航算法主要解决序贯决策问题包括障碍物度量、路径规划、运动控制等研究课题。

  由于SLAM和导航是两个相对独立的系统通常SLAM在导航应用中有两种模式。第一种模式SLAM先运行建图模式构建好环境地图后将地图保存接着载入已保存的全局地图并启动SLAM重定位模式提供定位信息。第二种模式SLAM直接运行在线c;建图过程中直接提供地图和定位信息。后一种模式下的SLAM导航也称为环境探索利用已有地图进行导航然后导航控制机器人移动的过程又反过来更新了地图。

  目前以SLAM导航技术为支撑的自主移动应用领域已经十分广泛了涵盖航天、军事、特种作业、工业生产、智慧交通、消费娱乐等众多领域。航天领域的典型应用要属火星探测车在遥远的星球上自主移动无疑是一项必备的技能。军事上借助自主移动的坦克、机器人士兵、飞机等可以打一场无人化战争。在特种作业场合的自主移动机器人将发挥无可替代的作用比如管道清洗、矿井作业、抢险救援、排爆、安防巡检、深海勘探等。农业上的应用比如自主栽培、自主除草、自主施肥、自主采摘等。还有自动驾驶汽车、机器人终端物流配送、全自动化工厂、机器人智慧养老、机器人餐厅、家庭服务机器人等。总之就是用机器人去替代人类各种体力活的场合都用得到SLAM。下面结合更详细的案例来说明这些用途的广泛性。图9  SLAM在机器人中的应用1.导览机器人

  像博物馆、展览馆、陈列室这类以讲解游览为主的应用场景机器人讲解员能很好地替代人类讲解员高度机械重复的工作。在博物馆的入口游客可以挑选一台空闲的机器人讲解员然后从机器人屏幕推荐的游览路线中选择出一条感兴趣的路线c;接着就可以在机器人的带领下游览路线中的各个展台并听取机器人在对应展台的讲解。

  如果将地图以及货架商品等信息录入机器人那么机器人就可以提供更加详细以及贴切的查询指引服务。比如在大型商超顾客可以通过机器人的指引从成千上万件商品中找到需要商品的摆放位置。如果是在图书馆的线c;可以用类似的方法找到想要查阅书籍的摆放位置。引导机器人除了可以为顾客提供查询引导服务外还可以充当自主移动的购物车并且是一块具有移动属性的天然广告牌。

  上面提到的巡检机器人都是与机器设备打交道而下面这种安保机器人则主要是与人打交道。在巡检机器人的基础上增加以人工智能技术为依托的各种物体识别、行为识别、舆情监测等算法就可以让机器人在机场、游乐园、大型活动现场等场景提供日常安保服务。安保机器人上搭载的各种传感器(红外夜视、气体传感器、火焰传感器、金属探测器等)以及人工智能算法可以对各种违禁品(比如打火机、酒精、管制刀具等)、可疑包裹、异常行为等进行识别并预警。

  相信大家一定已经对家用扫地机器人不陌生了最早的扫地机器人仅依靠红外线传感器和碰撞传感器进行乱撞式的导航也就是走到哪撞到哪撞到障碍物后就换一个方向继续前进。这种早期的扫地机器人显然非常不智能且工作效率极低后来的一种改进方案是扫地机器人主动向天花板投射散色的红外线c;如果扫地机器人能收到反射回来的红外光就说明扫地机器人钻进了桌子或椅子底下这种方式能在一定程度上保证扫地机器人不被陷入导航困境但是还是显得比较“智障”。那么要如何让扫地机器人显得不那么“智障”呢目前主流的扫地机器人基本都采用SLAM技术进行导航主要是激光SLAM方案和视觉SLAM方案。激光雷达一般采用低成本的单线c;视觉传感器则包括单目、双目和RGB-D相机。目前搭载单线激光雷达的激光SLAM导航基本是扫地机器人的标配一些稍微高端点的扫地机器人还会在搭载单线激光雷达的基础上搭载额外的双目或RGB-D相机之类的进行更智能的避障辅助。

  随着SLAM以及无人驾驶技术的逐步成熟扫地机器人也越来越多的应用于环卫、公共场所、大型空间的清扫。环卫清扫机器人典型应用场景包括机场、火车站、大型商超、工地厂房、游乐园、公园等传统的环卫车需要人来驾驶而在传统环卫车上加装激光雷达以及SLAM导航算法就能变成一台无人驾驶环卫车这样能大大节省人力提高效率。

  其实除了送餐、送快递、送酒店物品外具备自主导航能力的机器人还可以配送很多其他东西。比如在智能泊车停车场泊车机器人可以将汽车自动运送到指定车位。在港口货运机器人可以将轮船上卸载的集装箱运送到码头对应的存放区域。在工厂AGV自主导航小车可以在各个产线之间帮忙运送各种生产原料以及成品。在养殖场自主导航机器人可以完成饲料投喂以及农副产品收捡。

  当然这些功能非常炫酷的家庭服务机器人目前还比较少见而更多是以智能玩具的角色出现。比如智能逗猫机器人、游戏对战机器人、教育陪伴机器人等。

  有很多非技术的朋友会认为无人驾驶汽车只需要依靠事先人为制作的高精地图(比如谷歌地图、高德地图、百度地图等)然后利用GPS和IMU进行惯性导航同时利用激光雷达、毫米波雷达、超声波雷达等进行避障就能实现无人驾驶了。其实仔细研究显然没有这么简单。

  如果无人驾驶汽车完全行驶在道路场景完全不变化的封闭理想环境下也就是道路两旁的花草树木永远保持原样、马路永远不发生维修和扩建、马路两旁的建筑物永远保持原样不随时间更迭、马路上最好没有其他车辆。这样只需要给无人驾驶汽车导入事先人为制作好的高精地图基于这个不变的高精地图无人驾驶汽车就可以实现高精度定位并基于这个高精度定位以及避障传感器实现自主导航与避障。

  但是上面这种理想的一成不变的道路场景在实际生活中是不存在的只有在游戏世界中能保证。前几年国内一些巨头宣传自己的无人驾驶汽车能在实际道路上行驶其实都是选在场景单一不确定性极小的封闭高速公路中测试的。这些公司其实也知道以目前的技术水平无人驾驶汽车大概还只能在封闭理想环境下运行以规避道路上的各种不确定性。但不管怎么说无人驾驶是未来的趋势这种趋势将势不可挡。

  所以简单点说就是因为无人驾驶汽车所工作的道路场景具有极大的不确定性所以无人驾驶汽车离不开SLAM技术。因为SLAM解决了“先有鸡还是先有蛋”的问题即可以应对多变复杂的路况并实时更新环境地图和实时定位。其实SLAM是一种解决问题的思想并不仅仅指代某种算法。SLAM的全称是同时定位与建图也就是解决未知多变环境内的定位与环境建模问题。SLAM的具体实现非常之多经典的激光SLAM、视觉SLAM、多传感器融合SLAM、以及各种AI技术与SLAM相结合的方案可以说SLAM是一个非常开放的研究话题。

  曾经有这样一种说法人类对地球海洋的了解可能比外太空还要少足以见得对地球海洋的探索将具有极大的意义。由于深海是一个极具未知性、生存环境异常恶劣、人类通信技术很难讫及的地方因此海底探索基本上要依赖水下机器人。水下机器人的自主导航与陆地机器人的自主导航既有许多相似性也有很多不同比如SLAM导航技术在水下机器人中就不是基于激光雷达或视觉了水下探测传感器主要依靠超声波传感器(也就是常说的声呐)。

  当前还有其他许多在特殊场合应用的机器人这里统称为特种作业机器人。比如城市下水道检修机器人、核废物清理机器人、消防机器人、岩洞勘测机器人、垃圾回收机器人等。

  很多先进的科技成果都是源于军工科技并且最早也是应用于军工机器人其实也不例外。根据相关资料很多年前美国发射的火星探测车上就已经应用了SLAM技术进行自主导航和环境探索。在遥远的外太空星球上探测车在陌生环境的作业任务基本离不开SLAM技术。另外还包括军事补给运输机器人、机器人士兵等。

  对于扫地机器人相信很多人并不陌生早期的扫地机器人只能实现室内的简单清扫在房间内随机游走经常出现碰壁现象。而如今随着SLAM技术在扫地机器人中的应用目前的扫地机器人已变得非常智能了可通过传感器对室内的环境进行扫描建图并实现自主规划式清扫还能做到自主回充、断点续扫等功能。

  通过以上介绍我们可以总结出扫地机器人要真正实现智能清扫至少需要做到以下几点

  1.知道自己在哪定位也就是扫地机器人在工作过程中需要清楚自己所在房间的具置。

  2.了解周围环境是什么样子建图也就是需要知道整个房间的地面结构信息。

  有以上三大能力的扫地机器人就能变的非常智能了不会像无头苍蝇一样在室内随机乱跑而是可以从任意位置出发根据建立好的地图实现规划式清扫当然扫地机器人也会根据当前定位及清扫情况在建立好的地图基础上进行实时更新。

  激光SLAM采用单线或多线c;一般用于室内机器人及无人驾驶领域激光雷达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。

  视觉SLAM也有类似的特点它可从环境中获取海量的、富于冗余的纹理信息拥有超强的场景辨识能力。早期的视觉SLAM基于滤波理论其非线性的误差模型和巨大的计算量成为了它实用落地的障碍。近年来随着具有稀疏性的非线性优化理论(Bundle Adjustment)以及相机技术、计算性能的进步实时运行的视觉SLAM已经不再是梦想。

  视觉SLAM的优点是它所利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌基于点云的激光SLAM算法无法区别他们而视觉则可以轻易分辨。这带来了重定位、场景分类上无可比拟的巨大优势。同时视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标如行人、车辆等对于在复杂动态场景中的应用这是至关重要的。

  即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别

  OpenCV实现20个实战项目实现OpenCV学习进阶。交流群欢迎加入公众号读者群一起和同行交流目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群以后会逐渐细分请扫描下面微信号加群备注”昵称学校/公司研究方向“例如”张三  上海交大  视觉SLAM“。请按照格式备注否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告否则会请出群谢谢理解~

  大张旗鼓的进军市场,然而一片火热的背后其口碑却一直争议不断,噱头大于实际是很多消费者购买体验后的直观感受。一款产品的“受欢迎度”不应受过度营销...

  点击上方“小白学视觉”,选择加星标或“置顶”重磅干货,第...这次汇报的题目我定为“

  真的是博大精深,就像C++一样,连说入门都底气不足,只能说了解,更不...

  技术可以对未知环境自动建立地图,并为智能设备导航。这一技术广泛地应用于各种可移动的智...

  就是其中之一,据前瞻网发布的数据显示,2018年扫地机市场增长预计达到120亿元,随着

  作为“新生代”国民新宠,近几年可谓火爆异常,不过事实上它并非什么新鲜产物,早在20年前便已进入市场。不过早期的版本十分落后,和智能实在沾不上边,只能叫做扫地机,并被当时的用户吐糟是人工...

  作为懒人利器,能够帮助解决地面清洁工作;随着生活水平的提高,越来越多的家庭都纷纷入手

  工坊”,选择“星标”干货第一时间送达来源丨挖数作者丨挖数一直觉得白电像空调、微波炉、冰箱等,在中国家庭的渗透率已经很高,未来随着房地产放缓,进一步增长非常难,这也是格力...

  目录 一、 说明 4 二、 功能简介 4 1. 功能 4 2. 技术特色 5 三、 系统结构 6 ...3. 激光

  的朋友一定遇到过这样的情形,扫地机满地乱窜、杂乱无章,有些地方扫了好几遍...

  框架由哪几个模块组成,各模块的任务是什么。 Ⅱ.搭建编程环境,为开发和实验做准备。 Ⅲ.理解如何在Linux下编译并运行一个程序,如果程序出了问题,又该如何调试它。 Ⅳ.掌握cmake的基本使用方法。

  如今,家电的智能化是行业大趋势,从解放人类的双手到成为用户的人工智能伴侣,家用电器的应用场景不断拓展。 在这其中,

  由 Dora 于 星期四, 2017-05-18 12:00 发表 思岚科技专栏 作者:思岚科技 地图的四种表示方法 智能服务

  正成为行业的风口浪尖,从清扫...同时,作为自主定位导航技术的重要突破口,

  中稠密深度估计的原理 2.通过实验了解单目稠密重建的过程 3.了解几种RGB-D重建中的地图形式

  是个不错的选择。它相当于一个自动吸尘器,可以帮你完成繁琐重复的地面清洁工作。米家在 2016 年推出了第一款「米家

  的定位和地图构建两件事情,与我们说的导航定位并不是完全等价的。这里的导航,其实是

  算法做不了的。它在业内叫做运动规划(Motion Planning)。运动规划是一个很大的概念...

  进阶:从零开始手写VIO》第一讲作业1 视觉与IMU融合后优势互补!2. 常见的视觉+IMU融合方案?有没有工业界应用的例子?3. 四元数和李代数更新,位姿...

  市场渗透率究竟有多大?中国的渗透率只有3%;而对于美国这样高度工业化的国家,

  越来越火,其路径规划由最初随机算法,到简单规划算法,再到激光slam以及

  算法等,代表机器人国外有irobot等几家公司,国内有科沃斯等,最近尝试了一下最基本的仿真,其他功能后续完善。...

  的前身是其实是吸尘器,它有一个电动抽风机,通电后高速运转,使吸尘器内部形成瞬间真空,内部的气压大大低于外界的气压,在这个气压差的作用下,尘埃...

  关注公众号,获取更多AI领域发展机会iRobot 是位于美国的全球顶尖的消费类

  算法门槛还是较高。不过最终还是决定从稍简单的随机式扫地机入手,再开发路径规划式,最后有可能回去尝试挑战

  是simultaneous localization and mapping的缩写。同时定位与构建地图。它指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程...eg:

  ”相关在业/存续企业数量达到1939家,2021年成立的企业超过90家。 近三年,国内清洁机器人、

相关新闻