九游官方网页版-九游(中国)





    1. 九游官方网页版-九游(中国)
      九游官方网页版-九游(中国) 资讯 > 智能机器(qì)人 > 正(zhèng)文

      机器人(rén)构建地图(tú)不得(dé)不(bú)面对的(de)问题——大场景下的地(dì)图构建与闭环

      2019/02/26机(jī)器(qì)人1425

      开篇前试想这(zhè)样两个场景:
      在一个相对较小的地方(fāng)(如房(fáng)间(jiān)),让你快速找某个东西,是不(bú)是很容易,很清(qīng)楚自己在哪(nǎ)里,要怎么(me)拿到他。
      然后,把你放到一个大场景(如商场(chǎng)),在(zài)不熟(shú)悉的情况下,是不是有(yǒu)点慌?
      这(zhè)两(liǎng)个场景的典型(xíng)区别就在于(yú)场(chǎng)景(jǐng)的大小不同,需要人(rén)处理的信息(xī)量不同。同理,机器人在初(chū)次面(miàn)对的(de)时候也(yě)会有点慌。但(dàn)其实,只要(yào)清楚他的“地图构造”,再大的场景也不(bú)是问题。
      目前,虽然即(jí)时(shí)地(dì)图构建和导航技术已经日益成熟(shú),但是大规模场景下较大的环境面积及复杂的场景结构给地图构(gòu)建带来了(le)较大挑(tiāo)战。甚(shèn)至在有些(xiē)人眼里,这是工作量(liàng)巨大(dà)的,繁(fán)琐(suǒ)的、构建(jiàn)不准确的……但(dàn)其实(shí),思(sī)岚科技的技(jì)术(shù)可以轻松完成(chéng)10w+㎡场景下的(de)地图构建,边走边建图,无需预(yù)先探(tàn)明地图。
      比如,这样的:
      机器人构建地图不(bú)得不面对的问题——大场景下的地(dì)图构建与(yǔ)闭环(huán)
      这样的:
      机器人构建(jiàn)地图不得不面对的问题——大(dà)场景(jǐng)下(xià)的(de)地(dì)图(tú)构建与闭环(huán)
      以及(jí)这样(yàng)的:
      机器人构建(jiàn)地图不得(dé)不(bú)面对的问(wèn)题——大(dà)场景(jǐng)下的地图构建与闭环
      一个典(diǎn)型的(de)商用(yòng)场景特征如下(xià):
      机(jī)器人构(gòu)建地图不得不面对的(de)问题——大场景下(xià)的(de)地图(tú)构建与闭环
      针对(duì)大场景的地图构建,如果使用激光雷达配合SLAM算法进行建(jiàn)图的话,首先需要(yào)使用较(jiào)远测距半径(jìng)的激光雷达传感器。目前(qián)为了适应上述的(de)商用场(chǎng)景,行业内会使用测距半(bàn)径在16米(mǐ)以上(shàng)的激光雷达产品,而(ér)比较(jiào)理想的测量(liàng)半径是25米,从而保(bǎo)证能够应对(duì)各(gè)类极端(duān)条(tiáo)件(jiàn)。
      除(chú)了保障(zhàng)传感器的(de)测距半径符合环(huán)境需求外(wài),SLAM算法还需要具备闭环检(jiǎn)测能力。比如有些场(chǎng)景,长走廊和环路较多,相似的场(chǎng)景也很多,在(zài)SLAM过程(chéng)中(zhōng)难以形成有效的(de)全局(jú)匹配参(cān)考,从而很容易导致局部(bù)区(qū)域累计误差(chà)无法及时清除(chú),进而导(dǎo)致回(huí)环闭(bì)合(hé)问题。如下图:
      机器人构建(jiàn)地(dì)图不(bú)得不面对的问题(tí)——大场景下的(de)地图构(gòu)建与闭(bì)环(huán)
      | 由于(yú)环境场景大且多为长(zhǎng)直走廊,导致SLAM建(jiàn)图中容(róng)易出现环(huán)路(lù)闭(bì)合(hé)失(shī)败的情况(kuàng)
      为了解决(jué)上述问题,行业内(nèi)的普遍做(zuò)法(fǎ)有两种:
      1.采用粒子滤波(bō)的SLAM方法
      使用多(duō)张平行存在的候选(xuǎn)地图(tú)(粒子)同时进行地图构建,并(bìng)且时刻挑(tiāo)选出其(qí)中概率上更加(jiā)符合真实情(qíng)况的地(dì)图作为当前结果。由(yóu)于不同(tóng)的粒子之(zhī)间建立的地图存(cún)在区别,因此从概(gài)率上看,当机器人在环境中行走完一个环路后,众(zhòng)多粒子(zǐ)中(zhōng)存在闭(bì)环(huán)地图的可(kě)能性相比传(chuán)统(tǒng)单一建图的模(mó)式要高很(hěn)多。因此这种方法可以一定程度的解决(jué)闭环问题。
      机器人构建地图(tú)不得不面对的问题——大场景(jǐng)下(xià)的地图构建与闭环
      | 采(cǎi)用rbpf(Rao-Blackwellized particle filters)的SLAM算法
      采用(yòng)粒子滤波的SLAM算法因其可(kě)以非常有效的规避(bì)因(yīn)为局部噪声导致的建图失效问题,曾一度成(chéng)为行(háng)业内激光SLAM方式的主(zhǔ)流(liú)方案。然而,这种方式的SLAM算法,由于系(xì)统参数和传感器观测等存在不确定性,先(xiān)天存在资源消(xiāo)耗大的缺点。
      以rbpf-slam为例,实际应(yīng)用中为(wéi)了保证较好的鲁棒性,需(xū)要维(wéi)持几十个粒子数据,每个粒(lì)子中都包(bāo)含了一张(zhāng)当前正(zhèng)在构建的环境地图信息。这样无疑(yí)增加了SLAM算法的内存消(xiāo)耗。同(tóng)时,每当新的传(chuán)感器数(shù)据(jù)进(jìn)入(rù),要(yào)对地图进行更新迭代时(shí),算法需要对每个粒子数据都进行相同的(de)匹配计算和(hé)数(shù)据更新,这也加重了运算负担。进一(yī)步的,粒子滤波的SLAM方(fāng)式虽然可以大幅度改善(shàn)回(huí)环闭合问题,但从原理上(shàng)看它并不(bú)能(néng)真正意义上(shàng)解决闭环问题(tí)。对于(yú)特殊的环(huán)境下,使用粒(lì)子滤波SLAM可(kě)能(néng)会将粒子收敛到错误的方向,导致建图失败。
      机器人构建地(dì)图(tú)不得不面对的问题——大(dà)场景(jǐng)下的(de)地图构建与闭环
      | 正确的地图构(gòu)建(左)和当粒子(zǐ)滤波收敛失(shī)败得到的错误地图(右)
      2.基于图优化的SLAM方式
      基于(yú)图优化的SLAM((Graph-SLAM))方法,由于采用了全局优化处(chù)理方法,能够(gòu)有效的解决建图闭环,获得更(gèng)好的建图效果,获得行业广泛关注。
      机器人(rén)构建地图不得不面对的问题——大场景下的地图(tú)构建与闭环
      | 基于图(tú)优化的SLAM框架
      相比于rbpf-slam每次直接将传感器数据更(gèng)新(xīn)进入栅格地(dì)图进行构建的(de)做法,Graph-SLAM存储的是地图构建过程(chéng)中机器人位姿变化(huà)的(de)拓扑地图信息,以及诸如临(lín)近数据(jù)和闭环(huán)点等(děng)数据。
      机(jī)器人构(gòu)建(jiàn)地图不得不(bú)面(miàn)对的问题——大场(chǎng)景(jǐng)下的地图(tú)构(gòu)建与闭环(huán)
      | Graph-SLAM编码了机器(qì)人(rén)在SLAM过程(chéng)中(zhōng)的位姿变化拓扑地图(tú),相关的拓扑(pū)信息,如:闭环、重合数据也得(dé)到了编码
      而当机器(qì)人在建图中出现了(le)新的回环后,Graph-SLAM可依赖内(nèi)部的拓扑图进行主(zhǔ)动式的闭环检测,当(dāng)发现了新的闭环信息后,Graph-SLAM使(shǐ)用Bundle Adjuestment(BA)等(děng)算法对原先的(de)位姿拓扑地图进(jìn)行修正(即进行图优化),从而能有效的进行闭环(huán)后地(dì)图的(de)修正。因此相比(bǐ)与粒子滤波SLAM方(fāng)式,Graph-SLAM可(kě)以实现更加可靠的环境建图。
      机器人构建地图不得不面对的问题(tí)——大场景下的地图构建与闭环
      | Graph-SLAM在检测到原先地图(左)存在可能(néng)得闭合路径后,对拓扑图进行修正(zhèng)从而(ér)得到正确的环境建图(右)
      目前,SLAMWARE已经采用了(le)最新的图优化方式,配合激光雷达逐渐在(zài)商用(yòng)复杂(zá)环境中开始使用。未来,面对机器人(rén)应用场景的不断拓展(zhǎn),建图技术必然还会遇(yù)到更多(duō)的问题,而这(zhè)些,是未来(lái)思岚科技需要和行业一(yī)起,共同(tóng)攻(gōng)克的问题。

      关键词: 机器视觉




      AI人工(gōng)智能网声明:

      凡资讯来源注明为其(qí)他媒体来源的信息,均为转(zhuǎn)载自其(qí)他(tā)媒体,并不代表本网站(zhàn)赞同其观点,也不代(dài)表本网站对其真实性负责。您若对该文(wén)章(zhāng)内容有(yǒu)任何(hé)疑问(wèn)或质疑,请立即与网站(www.baise.yingtan.bynr.xinxiang.zz.pingliang.ww38.viennacitytours.com)联系,本网(wǎng)站将迅(xùn)速给您回应(yīng)并做处理。


      联(lián)系电话:021-31666777   新闻、技(jì)术文(wén)章(zhāng)投稿(gǎo)QQ:3267146135   投稿(gǎo)邮箱(xiāng):syy@gongboshi.com

      精选资讯更多(duō)

      相关资讯更多

      热门(mén)搜索

      工博士人工智能网
      九游官方网页版-九游(中国)
      扫描二(èr)维码关注(zhù)微(wēi)信
      扫码反(fǎn)馈

      扫一(yī)扫,反馈当前页面(miàn)

      咨询反馈
      扫(sǎo)码关注(zhù)

      微(wēi)信公(gōng)众号

      返回(huí)顶部

      九游官方网页版-九游(中国)

      九游官方网页版-九游(中国)