自主定位导航术机器人行动自如全靠它-天博tb·综合体育

当前，物流智能运送机器人、扫地机器人等已在一些城市和家庭中实际应用于，无人机、无人车等也在很快推展中，这些机器人之所以能较慢转入应用于阶段，与自律定位导航技术的发展密不可分。日前，艾瑞咨询旗下艾瑞网发布了他们总结的“2018年全球AI突破性技术TOP10”，基于多传感器跨界融合的机器人自律导航系统技术名列其中。

机器人自律定位导航技术是什么？目前有几种可实现机器人自律定位导航的技术手段？构建这些技术及应用于的难题与挑战是什么？基础：视觉和雷达是最主要的传感器可以说道，自律定位导航技术早已沦为机器人产品的核心和焦点之一。中国自动化学会专家委员、清华大学互联网产业研究院杜明芳博士告诉他科技日报记者，自律导航系统，从大的方面来讲还包括局域导航系统和全局导航系统两部分。

局域导航系统是指通过视觉、雷达、超声波等传感器动态提供当前环境信息，萃取数据融合后的特征，经智能算法处置后构建当前可通行区域的辨别和多目标跟踪；全局导航系统主要指利用GPS获取的全局导航系统数据展开全局路径规划，并构建仅有电子地图范围内的路径导航系统。“目前，视觉和雷达是局部自律导航系统时使用的两种最主要的传感器。”杜明芳说明，作为被动式传感器，视觉传感器的优点明显，比如获取信息非常丰富、隐蔽性好、体积小，会因阻碍带给“环境污染”，比较雷达来说成本低。而为了构建自律导航系统，多种传感器相互协作来辨识多种环境信息更为广泛，如辨识道路边界、地形特征、障碍、引导者等。

如此一来，机器人才能通过环境感官来确认前进方向中的平均区域或不能约区域，证实自己在环境中的比较方位，以及对动态障碍物运动展开预判，为局部路径规划等获取依据。杜明芳告诉他记者，从当前发展情况看，多传感器信息融合技术早已被应用于到自律导航系统中，所起的起到也关系着机器人的智能化水平。

“该导航系统技术的核心在于可以对多传感器搜集到的信息展开有效地处置和融合，提升机器人对不确认信息的‘抵抗’能力，保证有更加多可信的信息被利用，有助更加直观地辨别出有周围的环境。”他说道。

视觉导航系统已顺利应用于低空飞行器导航系统、无人机导航系统及火星探测器降落过程的导航系统中。不过，杜明芳也回应，视觉传感器还不存在获取的信息不必要，计算出来和存储需求量大，网络传播开销大等问题。

利用多传感器信息融合可以避免机器人定位导航中的不确定性，提升精度，但是过度融合也不会带给计算出来量的成倍增加。如何解决问题这些问题？杜明芳指出，自由选择合理的融合算法是关键。当前，“将智能计算出来理论、概率论等基础理论应用于到机器人多传感器融合领域的作法更加多。

”他说道。方式：多种技术人组构建优势互补构建机器人自律定位导航有哪些方式？只不过，汽车自动驾驶和机器人用的部分自律定位导航技术是完全一致的。千寻方位CEO陈金培告诉他记者，千寻用于激光雷达定位导航和传感器人组技术，使定位精度超过1米左右，并可在3秒已完成初始定位。

所谓激光雷达导航系统，是在行经路径的周围加装方位准确的激光反射板，机器人通过激光扫描器升空激光束，同时收集由反射板光线的激光束，来确认其当前的方位和航向，并通过倒数的三角几何运算来构建制导。激光雷达除了具备测距和定位功能外，还有辨识和避障等起到。

杜明芳说道，激光雷达归属于主动式传感器，其获取的感官数据比较视觉信息要非常简单必要得多，处置时计算出来量小；但缺点是耗资低、隐蔽性劣，对环境有“污染”，信息过于非常丰富等。据理解，苏宁的机器人和无人车自律导航系统使用的是另一种“多线激光雷达+GPS+惯导等多传感器融合定位方式”。具体来说，首先是激光雷达展开环境建图，取得先验点云地图，通过GPS和惯性导航可行性确认机器所在的全球方位，再行通过激光雷达扫瞄数据与先验点云地图给定，取得更加精准的全球方位，构建精准定位和自律导航系统。在感官层面，激光雷达融合视觉，动态辨识周围的行人、车辆和障碍物，为规划出有拟合绕路径获取依据等。

此外还有惯性导航，这是所指在机器人或无人车上加装陀螺仪，在行经区域的地面上加装定位块，通过对陀螺仪偏差信号（角速率）的计算出来及地面定位块信号的收集来确认自身的方位和航向，从而构建制导。苏宁有关负责人在拒绝接受科技日报记者专访时回应，惯性导航技术定位精准、地面处置工作量小、路径灵活性强劲。但生产成本较高，制导的精度和可靠性与陀螺仪的生产精度及其先前信号处理密切相关。

总之，一种技术手段无法解决问题所有问题，当前机器人自律导航系统广泛使用了多种技术人组的模式，以构建优势互补。挑战：功耗、成本和工业化问题待解决目前，自律定位导航机器人的应用于主要分成两类，一是家庭用于的扫地机器人以及家庭照料、陪伴型机器人。思岚科技CEO陈士凯说道，这类应用于场景可总结为“零配备”，从消费者用于来说，要做尽量的近于珍，买回来就能用。

另一类则是在商业场景下，必须一个预先配备过程，对于这种配备要有高可靠性和可扩展性。陈士凯说道，个人家庭场景导航系统定位系统要解决问题的是功耗、体积、成本的挑战。目前无论即时定位与地图建构（SLAM）算法还是路径规划系统，复杂度都较为低。“一个扫地机器人，电池本身容量有可能只有20多瓦时规模。

如果让它装有上一个笔记本电脑来跑完SLAM算法，有可能一个小时将近就没电了，这是几乎不被拒绝接受的。”此外，新的机器人第一次开机时，对家里环境结构是几乎不告诉的，必须把地图预先绘制出来。“这就有个对立点”，陈士凯说道，人们期望机器人在环境方位时立刻积极开展工作，但主流算法还必须对环境有一个预先建构或探寻，在这方面，“就必须业界做到一些工作了”。

陈士凯举例道，比如可以给一个初级路径规划，随着机器人用于和探寻，路径再行逐步细化完备等。在商用或专业场景下，自律导航系统的艰难在于，商用场景下地图面积都相当大，甚至不会多达上万平方米。

“目前，SLAM系统还是较为消耗内存和运算量的。怎么让它在如此大的场景下都可以工作，对导航系统定位系统来说，是个相当大的挑战。”陈士凯说道，初衷是配有强劲的硬件，同时对软件和算法展开更佳优化。

“目前一个合格的导航系统定位系统，不不应意味着有激光雷达，还理应视觉传感器和超声波等，并在导航系统定位算法上也要展开适当的融合。这个融合，在学术上或算法上或许并不是很难，但考虑到工业化的问题，比如很多超声波传感器所谓标准产品，深度视觉传感器每家规格不一样加装方位也有所不同，怎么以统一标准化模块便利客户用于，不存在挑战。

本文来源：天博tb·综合体育-www.zhuangwangcun.com