智能物流機(jī)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(jī)器人作為物理載體，綜合機(jī)器人、人工智能、機(jī)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(jī)器人中，能保證機(jī)器人高度的智能化及強(qiáng)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(jī)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(jī)器人的當(dāng)前位置，即機(jī)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(jī)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(jī)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(jī)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(jī)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(jī)器人的位姿估算可分為4個部分：（1）對機(jī)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(jī)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(jī)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。3.1SLAM的卡爾曼濾波算法卡爾曼濾波算法是將機(jī)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=[rm]T式中，r為移動機(jī)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?？柭鼮V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(jī)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。3.2SLAM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4.1SLAM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(jī)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(jī)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(jī)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(jī)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。4.2SLAM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(jī)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(jī)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(jī)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(jī)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。4.3SLAM對環(huán)境地圖的表達(dá)問題移動機(jī)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(jī)器人的當(dāng)前位姿。5