亚洲色婷婷综合久久| 精品国产一区二区三区香蕉欧美|久久在精品线影院精品国产|国产中日韩久久久噜噜久久|
主页
产品
应用案例
新闻动态
购买渠道
下载与支持
关于我们
生态合作
联系我们
主页
产品
新闻动态
购买渠道
下载与支持
关于我们
加入我们
联系我们
  • 中文|
  • Eng
  • 机器人构建地图不得不面对的问题——大场景下的地图构建与闭环

     

    開篇前試想這樣兩個場景:

    在一個相對較小的地方(如房間),讓你快速找某個東西,是不是很容易,很清楚自己在哪里,要怎么拿到他。

    然后,把你放到一個大場景(如商場),在不熟悉的情況下,是不是有點慌?

    這兩個場景的典型區(qū)別就在于場景的大小不同,需要人處理的信息量不同。同理,機器人在初次面對的時候也會有點慌。但其實,只要清楚他的“地圖構造”,再大的場景也不是問題。

    目前,雖然即時地圖構建和導航技術已經(jīng)日益成熟,但是大規(guī)模場景下較大的環(huán)境面積及復雜的場景結構給地圖構建帶來了較大挑戰(zhàn)。甚至在有些人眼里,這是工作量巨大的,繁瑣的、構建不準確的……但其實,思嵐科技的技術可以輕松完成10w+㎡場景下的地圖構建,邊走邊建圖,無需預先探明地圖。

    比如,這樣的:

     機器人構建地圖不得不面對的問題

    這樣的:

     機器人地圖構建不得不面對的問題

     

    以及這樣的:

     地圖構建不得不面對的問題

    一個典型的商用場景特征如下:

     機器人典型商用場景

    針對大場景的地圖構建,如果使用激光雷達配合SLAM算法進行建圖的話,首先需要使用較遠測距半徑的激光雷達傳感器。目前為了適應上述的商用場景,行業(yè)內會使用測距半徑在16米以上的激光雷達產品,而比較理想的測量半徑是25米,從而保證能夠應對各類極端條件。

    除了保障傳感器的測距半徑符合環(huán)境需求外,SLAM算法還需要具備閉環(huán)檢測能力。比如有些場景,長走廊和環(huán)路較多,相似的場景也很多,在SLAM過程中難以形成有效的全局匹配參考,從而很容易導致局部區(qū)域累計誤差無法及時清除,進而導致回環(huán)閉合問題。如下圖:

     機器人地圖構建

    | 由于環(huán)境場景大且多為長直走廊,導致SLAM建圖中容易出現(xiàn)環(huán)路閉合失敗的情況

    為了解決上述問題,行業(yè)內的普遍做法有兩種:

    1.采用粒子濾波的SLAM方法

    使用多張平行存在的候選地圖(粒子)同時進行地圖構建,并且時刻挑選出其中概率上更加符合真實情況的地圖作為當前結果。由于不同的粒子之間建立的地圖存在區(qū)別,因此從概率上看,當機器人在環(huán)境中行走完一個環(huán)路后,眾多粒子中存在閉環(huán)地圖的可能性相比傳統(tǒng)單一建圖的模式要高很多。因此這種方法可以一定程度的解決閉環(huán)問題。

     機器人地圖構建問題

    | 采用rbpf(Rao-Blackwellized particle filters)的SLAM算法

    采用粒子濾波的SLAM算法因其可以非常有效的規(guī)避因為局部噪聲導致的建圖失效問題,曾一度成為行業(yè)內激光SLAM方式的主流方案。然而,這種方式的SLAM算法,由于系統(tǒng)參數(shù)和傳感器觀測等存在不確定性,先天存在資源消耗大的缺點。

    以rbpf-slam為例,實際應用中為了保證較好的魯棒性,需要維持幾十個粒子數(shù)據(jù),每個粒子中都包含了一張當前正在構建的環(huán)境地圖信息。這樣無疑增加了SLAM算法的內存消耗。同時,每當新的傳感器數(shù)據(jù)進入,要對地圖進行更新迭代時,算法需要對每個粒子數(shù)據(jù)都進行相同的匹配計算和數(shù)據(jù)更新,這也加重了運算負擔。進一步的,粒子濾波的SLAM方式雖然可以大幅度改善回環(huán)閉合問題,但從原理上看它并不能真正意義上解決閉環(huán)問題。對于特殊的環(huán)境下,使用粒子濾波SLAM可能會將粒子收斂到錯誤的方向,導致建圖失敗。

     機器人建圖

    | 正確的地圖構建(左)和當粒子濾波收斂失敗得到的錯誤地圖(右)

    2.基于圖優(yōu)化的SLAM方式

    基于圖優(yōu)化的SLAM((Graph-SLAM))方法,由于采用了全局優(yōu)化處理方法,能夠有效的解決建圖閉環(huán),獲得更好的建圖效果,獲得行業(yè)廣泛關注。

     基于圖優(yōu)化的SLAM方式

    | 基于圖優(yōu)化的SLAM框架

    相比于rbpf-slam每次直接將傳感器數(shù)據(jù)更新進入柵格地圖進行構建的做法,Graph-SLAM存儲的是地圖構建過程中機器人位姿變化的拓撲地圖信息,以及諸如臨近數(shù)據(jù)和閉環(huán)點等數(shù)據(jù)。基于圖優(yōu)化的SLAM框架

     

    | Graph-SLAM編碼了機器人在SLAM過程中的位姿變化拓撲地圖,相關的拓撲信息,如:閉環(huán)、重合數(shù)據(jù)也得到了編碼

    而當機器人在建圖中出現(xiàn)了新的回環(huán)后,Graph-SLAM可依賴內部的拓撲圖進行主動式的閉環(huán)檢測,當發(fā)現(xiàn)了新的閉環(huán)信息后,Graph-SLAM使用Bundle Adjuestment(BA)等算法對原先的位姿拓撲地圖進行修正(即進行圖優(yōu)化),從而能有效的進行閉環(huán)后地圖的修正。因此相比與粒子濾波SLAM方式,Graph-SLAM可以實現(xiàn)更加可靠的環(huán)境建圖。

    機器人地圖構建

    | Graph-SLAM在檢測到原先地圖(左)存在可能得閉合路徑后,對拓撲圖進行修正從而得到正確的環(huán)境建圖(右)

    目前,SLAMWARE已經(jīng)采用了最新的圖優(yōu)化方式,配合激光雷達逐漸在商用復雜環(huán)境中開始使用。未來,面對機器人應用場景的不斷拓展,建圖技術必然還會遇到更多的問題,而這些,是未來思嵐科技需要和行業(yè)一起,共同攻克的問題。

     

    關鍵字:机器人地图构建,构建地图问题

    top
    亚洲色婷婷综合久久| 精品国产一区二区三区香蕉欧美|久久在精品线影院精品国产|国产中日韩久久久噜噜久久|