云機器人與視覺SLAM技術(shù)研究現(xiàn)狀

(北京物資學(xué)院 北京 101149)

一、引言

目前，機器人在提高工業(yè)制造、物流運輸行業(yè)的應(yīng)用愈加廣泛，成為在科技發(fā)展上的重要研究對象。我國正在加大力度實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，隨著我國人口老齡化增長，對自主服務(wù)型機器人有著巨大的市場需求。熱門的無人機、無人駕駛、AR、智能家居等都需要解決自主定位和地圖構(gòu)建的問題，移動機器人完成自主定位和建圖的目標需要SLAM(Simultaneous Location And Mapping)技術(shù)[1]的支持；隨著大數(shù)據(jù)與云計算的廣泛應(yīng)用，云平臺和機器人的結(jié)合也是大勢所趨，云機器人應(yīng)運而生。

二、SLAM技術(shù)和云機器人介紹

SLAM技術(shù)是移動機器人在未知的環(huán)境中，根據(jù)自身的傳感器獲得環(huán)境信息，根據(jù)信息進行移動機器人定位和地圖構(gòu)建。SLAM技術(shù)需要占用較大計算資源，普通移動機器人依靠機器人自身的計算資源計算，存在準確度低、執(zhí)行效率差、計算消耗大等缺點，增加了移動機器人負擔和成本，不利于移動機器人的推廣。隨著云計算的發(fā)展，將機器人本地計算轉(zhuǎn)移到云平臺上，降低自主移動機器人的造價成本。

云機器人將云計算(Cloud Computing)和機器人學(xué)的理念相結(jié)合起來，移動機器人就不需要存儲能力和計算能力，在需要獲得計算信息時連接相關(guān)云服務(wù)器，把自身傳感器收集到得數(shù)據(jù)發(fā)送至云平臺，經(jīng)過云平臺的計算處理，返回移動機器人的定位和所處環(huán)境地圖信息。云平臺對實現(xiàn)機器人之間信息共享提供了新的方式，云機器人為移動機器人在SLAM技術(shù)發(fā)展提供了新的動力[2]。

三、視覺SLAM技術(shù)研究現(xiàn)狀

SLAM技術(shù)在被提出后就是移動機器人領(lǐng)域的熱門研究問題。傳統(tǒng)AGV的導(dǎo)引方式有電磁式、色帶式、磁帶式等，優(yōu)勢是簡易可靠、成本低，同時也伴隨著如抗干擾差、靈活性差、造價高、條件受限等方面的弊端。目前，自主移動機器人的主要利用視覺傳感器和激光雷達傳感器。目前激光雷達傳感器的研究較為成熟，但激光傳感器的價格昂貴，視覺SLAM技術(shù)是利用單目、雙目或深度相機獲取周圍的環(huán)境信息，通過數(shù)學(xué)運算中幾何、三角法進行位姿估計完成定位及點云拼接完成地圖構(gòu)建。視覺SLAM技術(shù)相較于激光SLAM技術(shù)，在傳感器的價格上更加低廉，但會加大計算移動機器人的定位及地圖信息的難度。

在國內(nèi)，宋宇、李慶玲等人[3]通過平方根容積Blackwillised粒子濾波的研究提出一種SLAM算法，降低了SLAM過程中非線性模型線性化的誤差，提髙定位精度和整體計算效率。張文玲、朱明清等人[4]將無損卡爾曼濾波(Unscented Kalman Filter，UKF)與強跟蹤濾波器(STF)相結(jié)合的SLAM算法，在魯棒性和自適應(yīng)性有較大進步。陳白帆、蔡自興等人[5]利用粒子群優(yōu)化方法對Fast SLAM中預(yù)估粒子進行篩選，基于粒子群優(yōu)化的SLAM方法，得到更加準確的粒子，使得預(yù)測采樣粒子集中于機器人的真實位姿附近，提高了對移動機器人位姿估計的精度，減少了計算粒子數(shù)目及運行整體效率。

國外對于SLAM技術(shù)提出了大量的基于擴展卡爾曼濾波(Extended Kalman Filter，EKF)的SLAM算法，由于EKF算法本身的復(fù)雜性較高，對大規(guī)模地圖構(gòu)建有局限性，難以滿足實時性的要求，限制其應(yīng)用范圍。Murphy等人[7]采用自適應(yīng)Rao-Blackwellised粒子濾波器估計了移動機器人的運動路徑和環(huán)境地圖，成為應(yīng)用廣泛的粒子濾波器之一。Chatterjee[8]討論了基于EKF的SLAM算法是在傳感器統(tǒng)計信息不完全正確的情況下，利用模糊或神經(jīng)模糊監(jiān)督改善這種情況下的估計性能，利用進化優(yōu)化策略通過自主學(xué)習(xí)神經(jīng)模糊監(jiān)督自由參數(shù)。

四、云機器人現(xiàn)狀

云機器人是將移動機器人的信息存儲和獲取方式轉(zhuǎn)移到云平臺的服務(wù)。云機器人服務(wù)與其它網(wǎng)絡(luò)服務(wù)類似，移動機器人自身不再存儲全部信息，只存儲自身使用到的關(guān)鍵信息，同時也不必具備強大的計算能力，移動機器人在運行時連接相關(guān)服務(wù)器上傳傳感器獲取的信息、接收服務(wù)器返回的定位及地圖信息。云機器人的實現(xiàn)，會讓計算資源充分利用，降低計算成本，同時移動機器人可以在云平臺上互連、互通、信息共享。

云機器人系統(tǒng)由云平臺和移動機器人組成。其中云平臺主要包括：云存儲、云網(wǎng)絡(luò)和云引擎。云機器人在運行過程中，將移動機器人的信息如運動狀態(tài)、傳感器獲取的環(huán)境信息發(fā)送至云平臺，利用云存儲功能存儲信息，云平臺通過計算存儲中的算法對這些信息進行運算、融合和分析，將控制信息和決策返回給移動機器人，將關(guān)鍵信息進行存儲整個過程需要云網(wǎng)絡(luò)和云引擎的支持。

在國內(nèi)，譚杰夫等人[9]提出了基于云平臺下的SLAM框架，該框架以黑盒形式給機器人提供同步定位于地圖構(gòu)建功能，有效降低的機器人在SLAM過程中的計算資源占用。馬虹等人[10]也提出了一種基于Wi-Fi為通信基礎(chǔ)的云機器人系統(tǒng)，該系統(tǒng)目標是減少移動機器人成本，提升移動機器人的運行效率，有利于構(gòu)建大規(guī)模機器人群組時的控制及任務(wù)分配。趙連翔、王全玉等人[11]將云計算的原理應(yīng)用到機器人遠程操作中，設(shè)計一款機器人的云操作平臺，將機器人的資源和服務(wù)存儲在云平臺上，用戶連接網(wǎng)絡(luò)通過云平臺來操作移動機器人，對用戶之間信息共享、機器人協(xié)同工作、使用安全等方面提供幫助。

在國外，Google工程師們開發(fā)出一款A(yù)ndroid軟件，用戶可以利用Android手機遠程操控Lego Mindstorms、iRobot Create和VexPro等機器人平臺[12]。Ben、Kehoe等人[13]基于谷歌目標識別引擎利用云平臺控制PR2機器人，成功根據(jù)目標物品的三維圖形進行抓取的目標。意大利有一款Nao機器人[14]，利用云計算技術(shù)來實現(xiàn)遠程環(huán)境下人臉識別、語音識別等任務(wù)，加強了用戶與機器人的信息交互。

目前對云機器人的應(yīng)用的較少，主要是在信息傳輸效率的影響，隨著5G時代的到來，云平臺和機器人的聯(lián)系會愈加緊密，同時云機器人面臨著保障信息安全，云機器人的自主學(xué)習(xí)能力的實現(xiàn)等，都面臨著巨大的挑戰(zhàn)。

五、結(jié)束語

視覺機器人在SLAM過程仍需要進一步的研究，一方面，光線在變化時會導(dǎo)致許多路標不穩(wěn)定，完成視覺SLAM非常困難，加強對移動機器人在光線變化情況下完成定位及建圖的研究，讓視覺SLAM技術(shù)的應(yīng)用條件不受限制。另一方面，提高視覺移動機器人在運行時的特征信息提取的速度和計算效率，保障機器人在高速運行時的穩(wěn)定性，需要通過提高機器人利用云平臺的計算能力、改進算法等手段進行提升。

實現(xiàn)云機器人的SLAM服務(wù)，主要解決兩個問題：

(1)云機器人SLAM服務(wù)的整體架構(gòu)問題，需要合理的對整體架構(gòu)、接口和基礎(chǔ)設(shè)施進行設(shè)計，移動機器人通過云平臺上的SLAM能力實時的完成定位及建圖的目標，云機器人甚至可以進行定制服務(wù)，完成更多的任務(wù)。

(2)云機器人SLAM過程的效率問題。云機器人與普通機器人在完成SLAM時加入了信息傳遞的環(huán)節(jié)，會對實時性產(chǎn)生影響，其中的主要問題是保障移動機器人和云平臺之間數(shù)據(jù)傳輸高效性和穩(wěn)定性。