SLAM系統(tǒng)和自主導(dǎo)航的特征匹配

SLAM系統(tǒng)構(gòu)成

SLAM系統(tǒng)一般分為五個(gè)模塊，包括傳感器數(shù)據(jù)、視覺(jué)里程計(jì)、后端、建圖及回環(huán)檢測(cè)。

傳感器數(shù)據(jù)：主要用于采集實(shí)際環(huán)境中的各類(lèi)型原始數(shù)據(jù)。包括激光掃描數(shù)據(jù)、視頻圖像數(shù)據(jù)、點(diǎn)云數(shù)據(jù)等。

視覺(jué)里程計(jì)：主要用于不同時(shí)刻間移動(dòng)目標(biāo)相對(duì)位置的估算。包括特征匹配、直接配準(zhǔn)等算法的應(yīng)用。

后端：主要用于優(yōu)化視覺(jué)里程計(jì)帶來(lái)的累計(jì)誤差。包括濾波器、圖優(yōu)化等算法應(yīng)用。

建圖：用于三維地圖構(gòu)建。

回環(huán)檢測(cè)：主要用于空間累積誤差消除

SLAM上的傳感器主要分為這兩類(lèi)，一種是基于激光雷達(dá)的激光SLAM(Lidar SLAM)和基于視覺(jué)的VSLAM(Visual SLAM)。

1、激光SLAM

激光SLAM采用2D或3D激光雷達(dá)（也叫單線或多線激光雷達(dá)），2D激光雷達(dá)一般用于室內(nèi)機(jī)器人上（如掃地機(jī)器人），而3D激光雷達(dá)一般使用于無(wú)人駕駛領(lǐng)域。激光雷達(dá)的出現(xiàn)和普及使得測(cè)量更快更準(zhǔn)，信息更豐富。激光雷達(dá)采集到的物體信息呈現(xiàn)出一系列分散的、具有準(zhǔn)確角度和距離信息的點(diǎn)，被稱為點(diǎn)云。通常，激光SLAM系統(tǒng)通過(guò)對(duì)不同時(shí)刻兩片點(diǎn)云的匹配與比對(duì)，計(jì)算激光雷達(dá)相對(duì)運(yùn)動(dòng)的距離和姿態(tài)的改變，也就完成了對(duì)機(jī)器人自身的定位。

激光雷達(dá)測(cè)距比較準(zhǔn)確，誤差模型簡(jiǎn)單，在強(qiáng)光直射以外的環(huán)境中運(yùn)行穩(wěn)定，點(diǎn)云的處理也比較容易。同時(shí)，點(diǎn)云信息本身包含直接的幾何關(guān)系，使得機(jī)器人的路徑規(guī)劃和導(dǎo)航變得直觀。激光SLAM理論研究也相對(duì)成熟，落地產(chǎn)品更豐富。

2、視覺(jué)SLAM

視覺(jué)SLAM從環(huán)境中獲取海量的、富于冗余的紋理信息，擁有超強(qiáng)的場(chǎng)景辨識(shí)能力。早期的視覺(jué)SLAM基于濾波理論，其非線性的誤差模型和巨大的計(jì)算量成為了它實(shí)用落地的障礙。近年來(lái)，隨著具有稀疏性的非線性優(yōu)化理論(Bundle Adjustment)以及相機(jī)技術(shù)、計(jì)算性能的進(jìn)步，實(shí)時(shí)運(yùn)行的視覺(jué)SLAM已經(jīng)不再是夢(mèng)想。

視覺(jué)SLAM的優(yōu)點(diǎn)是它所利用的豐富紋理信息。例如兩塊尺寸相同內(nèi)容卻不同的廣告牌，基于點(diǎn)云的激光SLAM算法無(wú)法區(qū)別他們，而視覺(jué)則可以輕易分辨。這帶來(lái)了重定位、場(chǎng)景分類(lèi)上無(wú)可比擬的巨大優(yōu)勢(shì)。同時(shí)，視覺(jué)信息可以較為容易的被用來(lái)跟蹤和預(yù)測(cè)場(chǎng)景中的動(dòng)態(tài)目標(biāo)，如行人、車(chē)輛等，對(duì)于在復(fù)雜動(dòng)態(tài)場(chǎng)景中的應(yīng)用這是至關(guān)重要的。

通過(guò)對(duì)比發(fā)現(xiàn)，激光SLAM和視覺(jué)SLAM各擅勝場(chǎng)，單獨(dú)使用都有其局限性，而融合使用則可能具有巨大的取長(zhǎng)補(bǔ)短的潛力。例如，視覺(jué)在紋理豐富的動(dòng)態(tài)環(huán)境中穩(wěn)定工作，并能為激光SLAM提供非常準(zhǔn)確的點(diǎn)云匹配，而激光雷達(dá)提供的精 確方向和距離信息在正確匹配的點(diǎn)云上會(huì)發(fā)揮更大的威力。而在光照嚴(yán)重不足或紋理缺失的環(huán)境中，激光SLAM的定位工作使得視覺(jué)可以借助不多的信息進(jìn)行場(chǎng)景記錄。

國(guó)內(nèi)SLAM發(fā)展現(xiàn)狀

激光SLAM比視覺(jué)SLAM起步早，在理論、技術(shù)和產(chǎn)品落地上都相對(duì)成熟。基于視覺(jué)的 SLAM 方案目前主要有兩種實(shí)現(xiàn)路徑，一種是基于 RGBD 的深度攝像機(jī)，比如 Kinect；還有一種就是基于單目、雙目或者魚(yú)眼攝像頭的。VSLAM 目前尚處于進(jìn)一步研發(fā)和應(yīng)用場(chǎng)景拓展、產(chǎn)品逐漸落地階段。

解析自然導(dǎo)航方法：掃描匹配與特征匹配

掃描匹配和特征匹配有什么區(qū)別？

自然導(dǎo)航技術(shù)實(shí)現(xiàn)方法有兩種：掃描匹配(有時(shí)稱為 SLAM 導(dǎo)航)和特征匹配(由 ANT應(yīng)用)。

借助掃描匹配技術(shù)，來(lái)自車(chē)輛激光掃描儀的測(cè)量結(jié)果與基于網(wǎng)格的環(huán)境參考地圖單元格進(jìn)行比較(匹配)。這些單元格就類(lèi)似數(shù)字圖像中的像素。

為了在地圖中定位(定位)自身，導(dǎo)航系統(tǒng)會(huì)使用匹配點(diǎn)來(lái)計(jì)算車(chē)輛位置。同時(shí)，它會(huì)使用測(cè)程法，通過(guò)計(jì)算車(chē)輛動(dòng)作來(lái)測(cè)量車(chē)輛位置變化。在極少數(shù)情況下，掃描匹配系統(tǒng)會(huì)使用車(chē)輛“看到”的內(nèi)容定期更新參考地圖。

掃描匹配技術(shù)將環(huán)境的許多不同部分與參考地圖進(jìn)行匹配。特征匹配技術(shù)則將環(huán)境中的一些永 久性特征與參考地圖進(jìn)行匹配。

特征匹配的工作原理

借助 ANT 特征匹配技術(shù)，將車(chē)輛激光掃描儀的測(cè)量結(jié)果與墻壁和柱子等永 久地圖參考(特征)進(jìn)行比對(duì)(匹配)。如果站點(diǎn)的部分空間不具備足夠特征，也可以添加反光貼紙以提供額外參考。

選擇匹配特征而不是激光點(diǎn)的重要優(yōu)勢(shì)之一是：是由于每個(gè)特征的特定大小和角度，使得特征具有高度獨(dú)特性。因此，它們很容易讓系統(tǒng)識(shí)別并成功匹配。

為了在地圖中定位車(chē)輛，ANT接著會(huì)使用測(cè)程法和特征匹配的組合，從計(jì)算中排除所有非永 久性的“動(dòng)態(tài)”對(duì)象(例如：托盤(pán)、箱子、人等)。

由于生成的地圖僅包含靜態(tài)和永 久特征的坐標(biāo)，因此與掃描匹配使用基于網(wǎng)格的地圖相比，文件容量相對(duì)縮小很多。

如果把使用掃描匹配導(dǎo)航的車(chē)輛參考(網(wǎng)格)地圖比作由像素組成的數(shù)字圖像，那么使用特征匹配導(dǎo)航的車(chē)輛參考地圖則類(lèi)似于線條圖。

車(chē)輛能否在無(wú)需看清一切的情況下精 確導(dǎo)航？

使用特征匹配和使用掃描匹配技術(shù)的車(chē)輛都需要“看到”并匹配環(huán)境中的特征，以精 確定位自己的位置。

但是它們需要匹配的環(huán)境特征比例差異巨大：

l 掃描匹配技術(shù)需要識(shí)別至少 60% 的環(huán)境才能準(zhǔn)確定位。

l 特征匹配技術(shù)僅需識(shí)別5% 或更少的環(huán)境特征即可精 確定位。事實(shí)上，即使在幾秒鐘內(nèi)沒(méi)有匹配任何特征，由于使用測(cè)程法，ANT驅(qū)動(dòng)的車(chē)輛也可以有效地導(dǎo)航幾米。

· 

為什么差異如此巨大？我們可以用一句老話來(lái)回答：見(jiàn)木不見(jiàn)林。AGV 不太可能發(fā)現(xiàn)自己身處于森林中，如果有需要，掃描匹配車(chē)輛將掃描并繪制每片沙沙作響的樹(shù)葉和經(jīng)過(guò)的鹿。這種方式生成的地圖是密集且詳細(xì)的，并且?guī)缀醪豢赡茉谙乱粋€(gè)任務(wù)中匹配(因?yàn)樯种写蠖鄶?shù)事物都會(huì)略有不同)。相比之下，特征匹配車(chē)輛將忽略其他一切，只匹配森林中唯 一不移動(dòng)的物體（樹(shù)干）來(lái)生成地圖。

因此，ANT驅(qū)動(dòng)的車(chē)輛只需識(shí)別一小部分環(huán)境特征即可有效導(dǎo)航。

AGV 導(dǎo)航掃描儀的位置？

大多數(shù)特征匹配(ANT 驅(qū)動(dòng))車(chē)輛不需使用專(zhuān)用激光掃描儀進(jìn)行導(dǎo)航，而是依靠位于車(chē)輛底部的內(nèi)置安全激光掃描儀。

但是，特征匹配的車(chē)輛仍然可以檢測(cè)到意外物體，比如一堆新的托盤(pán)，并依靠其安全系統(tǒng)避免碰撞發(fā)生。但是，如上所述，這些動(dòng)態(tài)物體不會(huì)被添加到車(chē)輛地圖中。

然而，使用掃描匹配的車(chē)輛通常需要配備額外的激光掃描儀。它通常位于車(chē)輛的頂部，以確保盡可能與環(huán)境中的更多點(diǎn)進(jìn)行匹配。

增加額外激光掃描儀的缺點(diǎn)

l額外掃描儀會(huì)為車(chē)輛制造商增加額外的組件成本(對(duì)于車(chē)輛購(gòu)買(mǎi)者來(lái)說(shuō)，最終價(jià)格將會(huì)更高)。

l每增加一個(gè)硬件，就會(huì)增加一個(gè)潛在的故障點(diǎn)。

l在車(chē)輛頂部安裝激光掃描儀會(huì)限制生產(chǎn)商可以向市場(chǎng)提供的車(chē)輛類(lèi)型。例如 ：如何安裝此額外的激光掃描儀對(duì)于潛伏式AGV是一個(gè)巨大設(shè)計(jì)挑戰(zhàn)。

l安裝于車(chē)輛頂部的激光掃描儀對(duì)于不平整表面或軟輪胎引起的傾斜或偏航情況更加敏感。

哪個(gè)方法更精 確？掃描匹配或特征匹配自然導(dǎo)航？

使用自然導(dǎo)航時(shí)確保 AGV 操作的可重復(fù)性和可靠性并不容易。然而，事實(shí)證明，使用ANT驅(qū)動(dòng)可以實(shí)現(xiàn)這兩點(diǎn)，而且不會(huì)影響精 確度(約 ±1 cm / ±1°)。

掃描匹配的車(chē)輛定位精 確度與其參考地圖的單元格大小相當(dāng)。為了減少文件大小，使用掃描匹配的車(chē)輛通常會(huì)降級(jí)地圖，創(chuàng)建三到十厘米的單元格大小。ANT驅(qū)動(dòng)車(chē)輛并沒(méi)有這方面的限制，因?yàn)閰⒖嫉貓D僅包含永 久特征，文件較小且無(wú)需降級(jí)。

此外，由于掃描匹配涵蓋整個(gè)環(huán)境尋找匹配，它也會(huì)捕獲可以移動(dòng)的動(dòng)態(tài)對(duì)象。例如：托盤(pán)可能會(huì)定期放置在裝貨碼頭的某個(gè)位置。如果它們始終放置在完全相同的位置且精 確度為厘米，這樣不會(huì)造成任何問(wèn)題，但實(shí)際上這種情況很少。因此，如果這些托盤(pán)的放置位置偏離了幾厘米，但車(chē)輛可能會(huì)認(rèn)為它們?cè)谡_的位置，并相應(yīng)地調(diào)整地圖的其余部分，將地圖錨定到錯(cuò)誤位置，這樣一來(lái)其他點(diǎn)都會(huì)變得不準(zhǔn)確。

如果物體被放置在距離其預(yù)期位置幾厘米的地方，這可能會(huì)影響使用掃描匹配技術(shù)的車(chē)輛的定位精度。由于 ANT驅(qū)動(dòng)的車(chē)輛會(huì)忽略不是環(huán)境永 久組成部分的物體，因此它們不易受此問(wèn)題的影響

如果使用掃描匹配導(dǎo)航的車(chē)輛使用本質(zhì)上不精 確的讀數(shù)更新參考地圖，則任何錯(cuò)誤都將上傳到系統(tǒng)的車(chē)輛管理服務(wù)器，并將更新后的地圖下載到車(chē)隊(duì)的其余部分，這可能會(huì)擴(kuò)大誤差并導(dǎo)致錯(cuò)誤更嚴(yán)重。

在同一示例中，ANT驅(qū)動(dòng)的車(chē)輛根本不會(huì)記錄托盤(pán)的位置。車(chē)輛會(huì)忽略這些托盤(pán)位置，除非輸入指示需與它們進(jìn)行交互。

如果車(chē)輛忽略環(huán)境動(dòng)態(tài)物體，有可能會(huì)導(dǎo)致碰撞嗎？

出于定位目的，ANT驅(qū)動(dòng)的車(chē)輛被編程為忽略環(huán)境中與地圖中的靜態(tài)特征不對(duì)應(yīng)(匹配) 的物體。這種情況如同在高速公路上駕駛汽車(chē)：高速公路之外的物體(例如：房屋和樹(shù)木)可以被忽略。但是，如果一個(gè)物體出現(xiàn)在車(chē)輛的路徑上會(huì)發(fā)生什么情況？會(huì)不會(huì)發(fā)生碰撞？

答案是不會(huì)。如上所述，ANT驅(qū)動(dòng)車(chē)輛的激光掃描儀可監(jiān)控環(huán)境并檢測(cè)意外(動(dòng)態(tài))物體。一旦偵測(cè)到這些時(shí)，ANT會(huì)停止車(chē)輛(虛擬路徑跟隨模式)或繞開(kāi)這些物體(避障模式)。當(dāng)然，作為后備方案，車(chē)輛安全系統(tǒng)也可以在必要時(shí)進(jìn)行緊急停車(chē)。