基于多傳感器融合SLAM應(yīng)用的室內(nèi)機器人研究分析

施平

摘? 要：針對SLAM技術(shù)發(fā)展的限制，加上移動機器人的不確定復雜環(huán)境且不能實現(xiàn)長期可重新定位的導航方案，該文將在多傳感器信息融合的基礎(chǔ)上進行SLAM算法行為優(yōu)化，以提高SLAM的速度和精度。采用2D激光雷達和一般深度相機，與里程計信息和慣性傳感器IMU相融合，優(yōu)化多傳感器信息融合以及數(shù)據(jù)關(guān)聯(lián)模型。對多傳感器融合SLAM應(yīng)用的室內(nèi)機器人研究作出一個淺述。

關(guān)鍵詞：SLAM? SLAM算法? IMU? 里程信息

中圖分類號：TP242? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1672-3791（2019）03（c）-0013-02

SLAM研究最早出現(xiàn)在1986年，對空間位置關(guān)系進行了描述。室內(nèi)機器人它是能夠通過傳感器感知自身狀態(tài)、環(huán)境等，實現(xiàn)在環(huán)境中面向目標移動的一類運動，從而完成一定的操控功能的機器人系統(tǒng)。SLAM技術(shù)發(fā)展飛速，現(xiàn)已廣泛應(yīng)用于智能移動機器人和自動駕駛控制等領(lǐng)域，而對環(huán)境感知能力的高低直接決定了SLAM的水平。目前，室內(nèi)移動機器人利用輪式里程計、慣性傳感器（IMU）、激光、視覺里程計、紅外傳感器、超聲波等傳感器實現(xiàn)機器人導航的相關(guān)技術(shù)已經(jīng)比較成熟。21世紀，基于多傳感器信息融合的同步定位與地圖創(chuàng)建（SLAM）在國際上機器人應(yīng)用和理論領(lǐng)域成為了一個新興熱點。視覺導航使用攝像頭，和一些MEMS慣性傳感器做組合，可以用一個很低的成本達到非常高的精度，多傳感器信息融合冗余性、互補性的傳感器數(shù)據(jù)合成提高了系統(tǒng)的可靠性。

1? RGBD、IMU和激光雷達在室內(nèi)移動機器人SLAM中的應(yīng)用

SLAM技術(shù)包括對環(huán)境進行辨識的同時進行地圖構(gòu)建，并估算機器人當前的運行狀態(tài)。地圖構(gòu)建不僅為操作者提供路徑規(guī)劃，還為限制機器人自身狀態(tài)的估算誤差提供標準;更需要為機器人錯誤定位后提供重新定位的依據(jù)（回環(huán)檢測）。

SLAM問題是描述機器人自主創(chuàng)建地圖，同時利用該地圖推算自己位置的一個過程。探討機器人在運動、觀測等過程中均具有不確定性，利用傳感器對環(huán)境中路標進行觀測，需要采用有效的算法不斷修正誤差，達到準確定位。

SLAM旨在為自主運動測量和回環(huán)檢測提供全局一致的環(huán)境描述。現(xiàn)在用于室內(nèi)運動測量的里程計算法多結(jié)合視覺和慣性信息，但是僅僅有視覺（visial）和慣性（inertial）的導航對于環(huán)境拓撲過程中相似的場景容易誤認為回環(huán)，魯棒性依然是難題。

（1）RGBD相機：Kinect既可以提供彩色圖像，也可以提供深度信息，單獨使用定位定姿精度較差，要提高環(huán)境適應(yīng)力，多跟慣性單元（IMU）組合使用。研究SURF特征提取方案。

（2）IMU：可以做姿態(tài)結(jié)算和航位推算，處理速度快，但是單獨使用會很快出現(xiàn)位置漂移，常做VSLAM的輔助元件。研究初始化姿態(tài)后，跟Kinect融合估計平移、旋轉(zhuǎn)和加速度姿態(tài)。

（3）激光雷達：技術(shù)成熟，但3D元件價格昂貴，2D信息量不足，但可以以二維點特征為路標的位置環(huán)境的分析及區(qū)域劃分，所以該項目中跟Kinect和IMU組合使用，克服VSLAM的缺點。研究區(qū)域劃分的動態(tài)閾值，確定地標分區(qū)，解決回環(huán)檢測的魯棒性問題。

2? 多傳感器融合算法

多傳感器信息融合技術(shù)常用的方法有下面幾種。

（1）加權(quán)平均法：加權(quán)平均法是一種底層數(shù)據(jù)融合方法，它是將多個傳感器的冗余數(shù)據(jù)進行加權(quán)平均一下。

（2）貝葉斯推理：貝葉斯推理是基于貝葉斯定理的條件，或者是后驗概率的統(tǒng)計數(shù)據(jù)融合的一種算法，能夠通過已知的事實條件對未知的事件進行分析判斷。

（3）D-S證據(jù)推理：D-S證據(jù)推理是貝葉斯推理方法的拓展，它特別適應(yīng)于處理多個傳感器集成系統(tǒng)的信息融合問題，它使用了一個不穩(wěn)定區(qū)間，可通過未知前提的先驗概率來彌補貝葉斯推理方法的不足。

（4）卡爾曼Kalman濾波：卡爾曼Kalman濾波也是在基于貝葉斯推理方法框架下，同樣是運動預測到一個感知更新的遞推的一個過程，是一種最優(yōu)最有效的線性遞推估計算法。

（5）人工神經(jīng)網(wǎng)：人工神經(jīng)網(wǎng)通過一定的學習算法可將傳感器的信息進行融合，獲得網(wǎng)絡(luò)數(shù)據(jù)參數(shù)。

多傳感器系統(tǒng)采集信息量大，而且這些信息在時間、空間、可信度和表達方式上不盡相同，建立合理的多傳感器信息融合模型是提高信息可信度和算法實時性的關(guān)鍵。具有高魯棒性和靈活性的先進的傳感器系統(tǒng)需要融合多傳感器數(shù)據(jù)到多個層次上。項目的傳感器融合分為3個等級：低等級首先進行數(shù)據(jù)融合;然后將結(jié)果與高等級的測量數(shù)據(jù)進行融合;最后獲得最終的決定。采用改進的卡爾曼濾波構(gòu)建多傳感器數(shù)據(jù)融合的最佳模型，進行數(shù)據(jù)層、特征層以及決策層等不同層次的融合，也可以實現(xiàn)測距傳感器信息、內(nèi)部航跡推算系統(tǒng)信息、全局定位信息之間的信息融合，進而準確、全面地認識和描述被測對象與環(huán)境，從而使移動機器人能夠作出確的判斷。

（1）將分布在不同位置的不同種類的傳感器所提供的局部環(huán)境的不完整信息加以分析，進一步研究多傳感器融合技術(shù)和數(shù)據(jù)關(guān)聯(lián)問題。

（2）消除多傳感器之間可能存在的冗余和矛盾。

（3）降低定位和地圖構(gòu)建的不確定性，獲得機器人在工作空間中的位置、方向和環(huán)境信息，從而提高建立環(huán)境模型的魯棒性。

采用嵌入式ROS開源機器人操作系統(tǒng)的husky平臺上實現(xiàn)組合定位制圖，為提高SLAM算法的實時性、準確性和魯棒性提供測試和分析。

應(yīng)用于移動機器人的傳感器有兩大類，分別是內(nèi)部傳感器與外部傳感器。內(nèi)部傳感器包括里程計、陀螺儀、磁羅盤及光電編碼器等用于檢測機器人系統(tǒng)內(nèi)部參數(shù);外部傳感器主要有視覺傳感器、激光測距傳感器、超聲波傳感器、紅外傳感器等用于感知外部環(huán)境信息，由于單一傳感器難以保證信息的準確性和可靠性，不足以充分反映外界環(huán)境信息。因此，采用多個傳感器可實現(xiàn)環(huán)境信息的充分理解，便于機器人做出正確的決策。

3? 移動機器人導航技術(shù)的展望

目前，移動機器人導航技術(shù)已經(jīng)取得了很好的研究成果。計算機網(wǎng)絡(luò)技術(shù)、電子通信技術(shù)、傳感器技術(shù)、控制技術(shù)等迅猛發(fā)展必將使移動機器人在導航技術(shù)領(lǐng)域取得更多更好的研究成果。現(xiàn)如今移動機器人導航技術(shù)的發(fā)展有以下幾方面的趨勢。

（1）構(gòu)建多傳感器信息融合和數(shù)據(jù)關(guān)聯(lián)模型，實現(xiàn)多傳感器信息融合算法優(yōu)化。視覺導航具有信息量大、探測范圍廣等特點， 仍然是移動機器人導航技術(shù)的主要發(fā)展方向;多傳感器系統(tǒng)采得的信息會大大增加，而且這些信息在時間、空間、可信度和表達方式上不盡相同，重點和用途也不同。

（2）研究算法優(yōu)化方案。提高SLAM算法的實時性和精確度，為移動機器人自主導航提供可靠的數(shù)據(jù)支持。導航系統(tǒng)結(jié)構(gòu)將朝著分布式、模塊化、網(wǎng)絡(luò)化、多機器人協(xié)作的方向發(fā)展。分布式和模塊化的結(jié)構(gòu)有利于減少機器人的體積和自重。通過互聯(lián)網(wǎng)實現(xiàn)機器人的遠程操作以及基于網(wǎng)絡(luò)的多機器人協(xié)作是導航技術(shù)新的研究熱點。

（3）路徑規(guī)劃將朝著多層規(guī)劃和多方法相結(jié)合的方向發(fā)展。采用基于反應(yīng)式的行為規(guī)劃與基于慎思行為規(guī)劃相結(jié)合的方法。全局路徑規(guī)劃和局部路徑規(guī)劃相結(jié)合更有利于復雜環(huán)境的避障規(guī)劃;實現(xiàn)快速有效自主定位制圖的移動機器人系統(tǒng)，為解決SLAM實時性問題的解決提供應(yīng)用參考。

（4）新的研究技術(shù)、新的研究方法將促進移動機器人導航技術(shù)更快地發(fā)展。機器人位姿的變化、特征的變化、特征的干擾以及判斷中的虛假成分等使得數(shù)據(jù)關(guān)聯(lián)將成為一個非常困難、復雜的過程。

4? 結(jié)語

該文提出一種多傳感器信息融合技術(shù)算法，降低SLAM技術(shù)成本，2D激光雷達和RGBD相機的組合，避免了3D激光雷達的昂貴投入。高效率實現(xiàn)回環(huán)檢測：視覺+IMU組合的VSLAM的魯棒性因為合理劃分激光雷達掃描點區(qū)域而得到提高。有利于后續(xù)的避障導航：局部一致性的測量地圖有利于避障導航的實現(xiàn)。對于該算法的優(yōu)化提升以及如何更加快速準確地確定最佳偏好度等方面是今后仍需研究的問題。機器人技術(shù)發(fā)展迅猛，機器人逐漸走進人們的平常生活，但室內(nèi)機器人的普及還存在許多問題，如定位與導航，研究方向有3個：機器人定位準確度、地圖建設(shè)模塊的精準、路徑實時改變的規(guī)劃。在近幾十年的研究中，都出現(xiàn)了各種有效的解決方法，相比機器人硬件技術(shù)的不斷成熟，軟件方面的開發(fā)卻顯得跟不上步伐。所以，需要研究開發(fā)面向全局性能優(yōu)化的導航理論與方法。相信隨著機器人技術(shù)、人工智能技術(shù)以及智能控制等技術(shù)的發(fā)展，移動機器人導航技術(shù)必將取得更大的突破和發(fā)展。

參考文獻

[1] 杜釗君，吳懷宇.基于激光測距與雙目視覺信息融合的移動機器人SLAM研究[J].計算機測量與控制，2013，21（1）：180-183.

[2] 張毅，杜凡宇，羅元，等.一種融合激光和深度視覺傳感器的SLAM地圖創(chuàng)建方法[J].計算機應(yīng)用研究，2016，33（10）：2970-2972.

[3] 丁偉，孫華，曾建輝.基于多傳感器信息融合的移動機器人導航綜述[J].傳感器與微系統(tǒng)，2006，25（7）：1-3.

[4] 胡春旭，熊梟，任慰，等.基于嵌入式系統(tǒng)的室內(nèi)移動機器人定位與導航[J].華中科技大學學報：自然科學版，2013，41（Z1）：254-257.

[5] 趙增順，沈繼畢，王繼貞，等.基于Bayes濾波的移動機器人定位方法[J].計算機科學，2011，38（2）：199-201.

[6] 李宇波，朱效洲，盧惠民，等.視覺里程計技術(shù)綜述[J].計算機應(yīng)用研究，2012，29（8）：2801-2805.

[7] 羅榮華，洪炳榮.基于信息融合的同時定位于地圖創(chuàng)建研究[J].哈爾濱工業(yè)大學學報，2004，36（5）：566-569.

[8] 黃先偉.基于多傳感器信息融合的家用移動機器人SLAM系統(tǒng)的研究[D].廣東工業(yè)大學，2013.

[9] 李金良，孫友霞，谷明霞，等.基于多傳感器融合的移動機器人SLAM[J].中國科技論文，2012，7（4）：312-316.

[10] 路丹暉.融合視覺與慣性導航的機器人自主定位[D].浙江大學，2012.