智能物流機器人中的SLAM自主導(dǎo)航技術(shù)研究

摘要：首先介紹了SLAM自主導(dǎo)航技術(shù)的含義，然后對SLAM系統(tǒng)結(jié)構(gòu)進(jìn)行了分析，在此基礎(chǔ)上，對SLAM算法進(jìn)行了研究，從實際建模角度出發(fā)，對現(xiàn)階段SLAM存在的關(guān)鍵性問題進(jìn)行了詳細(xì)闡述，旨在為我國物流產(chǎn)業(yè)的智能升級提供一定的理論參考。

關(guān)鍵詞：SLAM自主導(dǎo)航技術(shù);系統(tǒng)結(jié)構(gòu);算法

0 引言

在倉儲管理系統(tǒng)中，用機器人作為物理載體，綜合機器人、人工智能、機電一體化控制等先進(jìn)技術(shù)，能有效提高倉庫物資的出入庫、移庫和盤庫的智能化程度。而將SLAM自主導(dǎo)航技術(shù)應(yīng)用于物流機器人中，能保證機器人高度的智能化及強大的環(huán)境適應(yīng)能力，從而有效提升企業(yè)物流效率，降低生產(chǎn)成本。

1 SLAM自主導(dǎo)航技術(shù)

SLAM技術(shù)是通過機器人的位置信息構(gòu)建環(huán)境地圖，再從已構(gòu)建的地圖確定機器人的當(dāng)前位置，即機器人通過傳感器獲取環(huán)境信息，系統(tǒng)根據(jù)獲取的信息，求解自身方位并確定環(huán)境地圖。物流倉儲環(huán)境較為復(fù)雜，且機器人需要完成較多的工作，因此其位置信息將不斷發(fā)生變化，利用SLAM技術(shù)，可完成機器人自主定位、對目標(biāo)進(jìn)行有效跟蹤和操作、實現(xiàn)自主路徑規(guī)劃和導(dǎo)航、自動避開障礙物等操作，可大幅提高倉儲系統(tǒng)的智能性和自主性。

2 SLAM系統(tǒng)結(jié)構(gòu)

機器人自身配備有傳感器等設(shè)備，其移動過程的位姿是通過對傳感器信息進(jìn)行估算而得到的。但傳感器受自身精度等因素影響，其獲取的信息會存在一定誤差，因此還必須對環(huán)境路標(biāo)進(jìn)行有效觀測，通過獲取的環(huán)境路標(biāo)信息，對機器人位姿進(jìn)行矯正，環(huán)境信息中可識別的特征越多，估算的位姿也越精確，其系統(tǒng)結(jié)構(gòu)如圖1所示。

如圖1所示，SLAM對機器人的位姿估算可分為4個部分：（1）對機器人的當(dāng)前位姿進(jìn)行確認(rèn)，并輸入相應(yīng)的控制變量信息，從而預(yù)估出機器人在下一時刻的位姿;（2）提取傳感器獲取的環(huán)境特征數(shù)據(jù)，并進(jìn)行數(shù)據(jù)關(guān)聯(lián);（3）對路標(biāo)特征進(jìn)行狀態(tài)觀測;（4）將觀測到的路標(biāo)信息用于矯正機器人的預(yù)測位姿，同時更新環(huán)境地圖。

3 SLAM算法研究

SLAM技術(shù)中對不確定的環(huán)境信息是通過概率計算的方法進(jìn)行估算處理，現(xiàn)階段常用的有卡爾曼濾波算法和基于粒子濾波的算法。

3.1 ? ?SLAM的卡爾曼濾波算法

卡爾曼濾波算法是將機器人的位姿和環(huán)境特征信息建立一個動態(tài)循環(huán)，并將其進(jìn)行迭代校正，其公式為：

X=[r m]T

式中，r為移動機器人的位姿;m為地圖信息;將r和m共同儲存在狀態(tài)向量X中。

卡爾曼濾波算法是符合高斯分布條件的最優(yōu)貝葉斯估計方法，但該方法只適用于解決線性問題。由于實際環(huán)境中非線性問題較多，所以將標(biāo)準(zhǔn)卡爾曼濾波算法用一階泰勒進(jìn)行展開，即EKF算法，EFK算法是把環(huán)境特征和機器人的位姿構(gòu)建到一個高維狀態(tài)空間中再進(jìn)行估算。因此，EKF算法在進(jìn)行不確定信息的處理時有較多優(yōu)點，現(xiàn)階段已被較多地應(yīng)用于SLAM的研究中。

3.2 ? ?SLAM的粒子濾波算法

粒子濾波算法是用許多的粒子去獲取更為精確的地圖環(huán)境信息，如常用的基于Rao-Blackwellised粒子濾波器（RBPF）算法，RBPF算法是對大量的粒子運動重復(fù)采樣，并通過粒子運動的軌跡信息對地圖進(jìn)行完善，使得由粒子構(gòu)建起的“粒子地圖”更加準(zhǔn)確。在計算過程中，卡爾曼濾波、EKF算法都要求系統(tǒng)滿足高斯分布條件，而實際模型中往往非高斯、非線性的系統(tǒng)較多，用粒子濾波算法能更好地處理該類問題。

4 SLAM技術(shù)中的關(guān)鍵性問題

4.1 ? ?SLAM的不確定性

不確定性是SLAM技術(shù)中的最主要問題，造成構(gòu)建地圖不夠精確的主要原因有兩點：一是機器人自身配備的傳感器受精度等因素影響，造成其獲取的信息與真實值有一定誤差;二是外界如環(huán)境噪聲產(chǎn)生的干擾導(dǎo)致的誤差。其具體表現(xiàn)如下：（1）機器人在移動過程中出現(xiàn)打滑、未知外力的干擾等現(xiàn)象造成的不確定性;（2）機器人自身的傳感器，如測量精度、分辨率等造成的對環(huán)境特征觀測結(jié)果誤差;（3）由于環(huán)境噪聲的存在，將觀測數(shù)據(jù)與地圖數(shù)據(jù)進(jìn)行匹配時，數(shù)據(jù)關(guān)聯(lián)發(fā)生錯誤造成的不確定性。

由于存在種種不確定性，所以運用SLAM技術(shù)建立的模型往往不夠精確，在實際測量時，可以采用給機器人配置分辨率更高的傳感器，以提高獲取信息的精度，抑或是采用多傳感器獲取信息，并將數(shù)據(jù)進(jìn)行融合，提高測量準(zhǔn)確度，同時也應(yīng)注意對環(huán)境噪聲進(jìn)行排除，以減小誤差。

4.2 ? ?SLAM技術(shù)中的數(shù)據(jù)關(guān)聯(lián)

數(shù)據(jù)關(guān)聯(lián)是將地圖中已觀測的數(shù)據(jù)與當(dāng)前觀測的數(shù)據(jù)建立對應(yīng)關(guān)系，并判斷數(shù)據(jù)特征是否相同，SLAM技術(shù)的準(zhǔn)確性在很大程度上由數(shù)據(jù)關(guān)聯(lián)性決定，其影響因素主要有3點：（1）將數(shù)據(jù)進(jìn)行錯誤關(guān)聯(lián)后，會對數(shù)據(jù)特征的來源判斷錯誤，從而導(dǎo)致對移動機器人位姿的估計、對地圖的構(gòu)建錯誤;（2）地圖環(huán)境中存在著較多的不確定因素，如環(huán)境噪聲等，也會影響數(shù)據(jù)關(guān)聯(lián)的準(zhǔn)確性;（3）對數(shù)據(jù)進(jìn)行關(guān)聯(lián)計算有多種算法，不同的算法對SLAM的影響較大，常用的算法有最近鄰數(shù)據(jù)關(guān)聯(lián)法、概率數(shù)據(jù)關(guān)聯(lián)法、幾何關(guān)系數(shù)據(jù)關(guān)聯(lián)法等，對不同的模型應(yīng)選擇不同的算法，以提高計算的準(zhǔn)確度。

數(shù)據(jù)關(guān)聯(lián)在視覺SLAM上也被稱為“回環(huán)檢測”，其本質(zhì)是當(dāng)機器人移動到當(dāng)前位置時，對該位置的信息進(jìn)行判斷，確認(rèn)其是否為之前經(jīng)過的同一位置，機器人的移動隨著時間推移，其誤差將會逐漸積累，導(dǎo)致建圖中會存在較大的累計誤差，因此必須對其進(jìn)行回環(huán)檢測?；丨h(huán)檢測效果圖如圖2所示。

當(dāng)回環(huán)檢測形成閉環(huán)，則意味著當(dāng)前生成的地圖與之前的地圖更加匹配，構(gòu)建的地圖更加精確，機器人能更好地完成導(dǎo)航工作;若回環(huán)檢測的結(jié)果無法形成閉環(huán)，則意味當(dāng)前對地圖的構(gòu)建與實際相差較大。因此，回環(huán)檢測在大面積、大場景地圖構(gòu)建上是非常有必要的。

4.3 ? ?SLAM對環(huán)境地圖的表達(dá)問題

移動機器人對地圖的構(gòu)建主要用于自身的導(dǎo)航，因此必須符合以下要求：（1）構(gòu)建的地圖信息必須能準(zhǔn)確描述并充分展示環(huán)境特征;（2）構(gòu)建的地圖需和任務(wù)目標(biāo)相匹配;（3）構(gòu)建的地圖應(yīng)足夠精確，以保證受環(huán)境噪聲干擾時，仍能準(zhǔn)確估計出機器人的當(dāng)前位姿。

5 結(jié)語

近年來，我國的物流行業(yè)發(fā)展十分迅速，在倉儲管理過程中，充分運用移動機器人，可大幅降低企業(yè)的用人成本，并提高倉儲系統(tǒng)的工作效率。在復(fù)雜的倉儲物流環(huán)境下，將SLAM導(dǎo)航技術(shù)應(yīng)用于移動機器人中，能更好地實現(xiàn)機器人的避障功能，從而提高其自主作業(yè)能力。

[參考文獻(xiàn)]

[1] 劉浩敏，章國鋒，鮑虎軍.基于單目視覺的同時定位與地圖構(gòu)建方法綜述[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2016（6）：855-868.

[2] 王輝.基于ROS的機器人路徑導(dǎo)航系統(tǒng)的設(shè)計與實現(xiàn)[D].沈陽：中國科學(xué)院大學(xué)（中國科學(xué)院沈陽計算技術(shù)研究所），2019.

[3] 黃鶴，佟國峰，夏亮，等.SLAM技術(shù)及其在測繪領(lǐng)域中的應(yīng)用[J].測繪通報，2018（3）：18-24.

[4] 范朝輝，石宏，陳其志.一種基于SLAM技術(shù)的智能導(dǎo)航小車的設(shè)計[J].機械研究與應(yīng)用，2019（6）：119-122.

[5] 楊建松.基于SLAM技術(shù)的移動機器人定位關(guān)鍵技術(shù)研究[D].南昌：東華理工大學(xué)，2019.

收稿日期：2020-05-06

作者簡介：陳立鋼（1972—），男，山東淄博人，工程師，研究方向：無軌跡導(dǎo)航物流機器人系列產(chǎn)品。