<strike id="d8ab4"></strike>
  • <rp id="d8ab4"></rp>
    <span id="d8ab4"></span>
      <em id="d8ab4"><samp id="d8ab4"></samp></em>
    1. <s id="d8ab4"><samp id="d8ab4"><listing id="d8ab4"></listing></samp></s>
      <span id="d8ab4"><pre id="d8ab4"></pre></span>

        • IIANews微官網
          掃描二維碼 進入微官網
          IIANews微信
          掃描二維碼 關注微信
          移動客戶端
        • English
        2021 IAS展
        工業機器人

        移動機器人定位技術—激光SLAM

          2020年04月01日  

          SLAM英文全稱是 Simultaneous Localization and Mapping,意為即時定位與地圖構建。

          SLAM最早由Smith、Self和Cheeseman于1988年提出,至今已有30余年的發展歷史。

          相較于深度學習、神經網絡、大數據等熱門詞匯,聽過SLAM的人少之又少,是因為國內從事相關研究的機構更是屈指可數。直至2015年左右,SLAM才逐漸成為國內機器人和計算機視覺領域的熱門研究方向,在當前較為熱門的領域嶄露頭角。

          本文僅對沒有接觸過SLAM的新人進行的科普。

          近年來,移動機器人技術在世界范圍內得到快速發展。人們致力于把移動機器人應用于各種場景中,從室內外搬運機器人,到服務型機器人,再到工業機器人等,移動機器人的運用都得到了巨大突破。

          在移動機器人研究中一個最關鍵的技術就是即時定位和建圖,也就是所謂的SLAM技術。SLAM它試圖解決這樣的問題:一個機器人在未知的環境中運動,如何通過對環境的觀測確定自身的運動軌跡,同時構建出環境的地圖。

          SLAM技術正是為了實現這個目標涉及到的諸多技術的總和。由于其重要的理論與應用價值,被很多學者認為是實現真正全自主移動機器人的關鍵。

          SLAM系統一般分為五個模塊:傳感器數據、視覺里程計、后端、建圖及回環檢測。

          傳感器數據:主要用于采集實際環境中的各類型原始數據。包括激光掃描數據、視頻圖像數據、點云數據等。

          視覺里程計:主要用于不同時刻間移動目標相對位置的估算。包括特征匹配、直接配準等算法的應用。

          后端:主要用于優化視覺里程計帶來的累計誤差。包括濾波器、圖優化等算法應用。

          建圖:用于三維地圖構建。

          回環檢測:主要用于空間累積誤差消除

          其工作流程大致為:

          傳感器讀取數據后,視覺里程計估計兩個時刻的相對運動(Ego-motion),后端處理視覺里程計估計結果的累積誤差,建圖則根據前端與后端得到的運動軌跡來建立地圖,回環檢測考慮了同一場景不同時刻的圖像,提供了空間上約束來消除累積誤差。

          目前,SLAM(即時定位與地圖構建)技術主要被運用于無人機、無人駕駛、機器人、AR、智能家居等領域。

          按照核心的功能模塊來區分,目前常見的移動機器人SLAM系統一般具有兩種形式:基于激光雷達的SLAM(激光SLAM)和基于視覺的SLAM(Visual SLAM或VSLAM)。

          激光SLAM脫胎于早期的基于測距的定位方法(如超聲和紅外單點測距)。激光雷達(Light Detection And Ranging)的出現和普及使得測量更快更準,信息更豐富。

          激光雷達采集到的物體信息呈現出一系列分散的、具有準確角度和距離信息的點,被稱為點云。通常,激光SLAM系統通過對不同時刻兩片點云的匹配與比對,計算激光雷達相對運動的距離和姿態的改變,也就完成了對機器人自身的定位。

          激光雷達距離測量比較準確,誤差模型簡單,在強光直射以外的環境中運行穩定,點云的處理也比較容易。同時,點云信息本身包含直接的幾何關系,使得機器人的路徑規劃和導航變得直觀。激光SLAM理論研究也相對成熟,落地產品更豐富。

          視覺SLAM主要通過攝像頭來實現。攝像頭品類繁多,主要分為單目、雙目、單目結構光、雙目結構光、ToF幾大類?;谏疃葦z像機的 V-SLAM,跟激光 SLAM 類似,通過收集到的點云數據,能直接計算障礙物距離;基于單目、魚眼相機的 V-SLAM 方案,則利用多幀圖像來估計自身的位姿變化,再通過累計位姿變化來計算距離物體的距離,并進行定位與地圖構建。

        激光SLAM與視覺SLAM比較

          一直以來,業內對激光SLAM與視覺SLAM到底誰更勝一籌,誰是未來主流趨勢都有自己的看法。下面從以下幾個角度進行簡單對比:

          技術發展

          早在 2005 年的時候,激光 SLAM 就已經被研究的比較透徹,框架也已初步確定,激光 SLAM是目前最穩定、最主流的定位導航方法;視覺SLAM 目前尚處于進一步研發和應用場景拓展、產品逐漸落地階段。

          使用環境

          激光SLAM主要應用于室內;視覺SLAM在室內外均能開展工作,但是對光的依賴度高,在暗處或者一些無紋理區域無法進行工作。

          地圖精度

          兩者相較,激光 SLAM 構建的地圖精度高,不存在累計誤差,且能直接用于定位導航。

          通過對比我們發現,激光SLAM和視覺SLAM各擅勝場。兩者相較,激光 SLAM 構建的地圖精度高,不存在累計誤差,且能直接用于定位導航。

          當然,激光SLAM也有一定的局限性。比如在又長又直、兩側是墻壁的長廊或是動態變化大的環境中,單純依靠激光SLAM容易發生定位丟失的情況。

          仙知機器人作為一家以控制和調度為核心的高新技術企業,在激光SLAM導航的基礎上,融合了激光反光板導航、二維碼導航、慣導、攝像頭等,采用多傳感器融合算法讓移動機器人定位更精確、性能更強大,并具有環境普適性,能夠應對長廊、高動態的復雜環境及地面坑洞等。

          在長廊、高動態的環境中,可自由切換至激光反光板導航、二維碼導航,確保定位不會丟失;在地面環境相對較差的情況下,可選配3D相機對地面坑洞、立體障礙物等進行識別檢測,并根據參數配置讓移動機器人選擇停障或繞行。

          另外,為保證移動機器人使用安全,仙知機器人還擁有一系列方法來確保移動機器人在使用過程中機器人、人員和貨物的安全。如雙激光解決方案,通過雙激光完成移動機器人周圍360°全方位的安全檢測;在基于SRC的激光SLAM自動叉車解決方案中,通過3D相機、紅外傳感器、超聲、安全觸邊等進行安全防護,確保自動叉車在作業過程中人員和貨物的安全。

          其實,要想讓移動機器人應對各種復雜的使用場景,激光SLAM與視覺SLAM必將在相互競爭和融合中發展,多傳感器融合導航必然是未來發展方向。伴隨移動機器人核心技術的解決,將替代人工完成簡單、重復、勞動量大的繁雜工作,真正為人類服務。

        標簽:仙知機器人 激光SLAM我要反饋
        最新視頻
        ifm LI系列點液位傳感器,無運動部件,拒絕粘附,秒殺浮子液位傳感器   
        用于醫療行業,ODU先進的連接器解決方案   
        世強
        福祿克
        輕松上手,直擊振動故障根源
        西門子:年中狂歡
        福祿克大展鉗途
        西克
        福祿克:最大程度降低工業以太網/生產線停工時間
        專題報道
        《建筑是凝固的音樂》ABB電氣系列大片上映
        《建筑是凝固的音樂》ABB電氣系列大片上映 ABB 網羅了遍布全球的創新建筑案例,通過精心制作的《建筑是凝固的音樂》系列視頻,向大家揭秘世界上一些獨特建筑及其建筑師的幕后故事,帶領大家一起領略那些歷久彌新、永不過時的建筑設計和解決方案。
        企業通訊
        智·能融合 邁向“碳中和”——2021WAIC智能趨勢論壇直播
        智·能融合 邁向“碳中和”——2021WAIC智能趨勢論壇直播

        從技術革新的視角,電氣化、數字化、智能化并舉是達成雙碳目標的關鍵所在。2021智能趨勢論壇以“智·能融合,邁向碳中和”為

        動力引擎、洞悉全局——菲尼克斯可靠供電解決方案
        動力引擎、洞悉全局——菲尼克斯可靠供電解決方案

        24VDC供電作為系統引擎,是系統運行的最基本條件。在工業數字化,智能化大力發展的今天,一體化的供電方案,供電信息的監視

        在線會議

        社區

        <strike id="d8ab4"></strike>
      1. <rp id="d8ab4"></rp>
        <span id="d8ab4"></span>
          <em id="d8ab4"><samp id="d8ab4"></samp></em>
        1. <s id="d8ab4"><samp id="d8ab4"><listing id="d8ab4"></listing></samp></s>
          <span id="d8ab4"><pre id="d8ab4"></pre></span>