服務機器人想要自由行走，實現自主定位導航是關鍵，自主定位導航包括定位、建圖與路徑規(guī)劃。SLAM作為機器人定位導航的核心技術，正不斷獲得行業(yè)內的重視，但SLAM只是完成定位與地圖創(chuàng)建這兩件事，它并不完全等同于自主定位導航。那么，在實際應用時，SLAM究竟是如何實現的？在實現過程中又有哪些難點？下面將為大家一一解答。

      當我們身處異常，導航軟件和戶外地圖成為我們找路最有利的工具，服務機器人和人類一樣也需要依靠地圖來感知外部的環(huán)境，通過算法與傳感器差異的不同機器人會采取不同的地圖描述形式。而柵格地圖是目前機器人使用最廣泛的地圖存儲方式。

       柵格地圖就是把環(huán)境劃分成一系列柵格，其中每一柵格給定一個可能值，表示該柵格被占據的概率。這種地圖看起來和人們所認知的地圖沒什么區(qū)別，它最早由NASA的Alberto Elfes在1989年提出，在火星探測車上就用到過，其本質是一張位圖圖片，但其中每個“像素”則表示了實際環(huán)境中存在障礙物的概率分布。一般來說，采用激光雷達、深度攝像頭、超聲波傳感器等可以直接測量距離數據的傳感器進行SLAM時，可以使用該地圖。這種地圖也可以通過距離測量傳感器、超聲波（早期）、激光雷達（現在）繪制出來。

      SLAM在實際應用時究竟是如何實現的？

      這是一個完整的SLAM和導航系統(tǒng)的主要架構圖：

　　其中，SLAM核心過程包括3個步驟，第一步稱為預處理。我們知道，激光雷達和其他雷達設備一樣，某一個時刻只能獲取它所在位置的環(huán)境信息。

?

　　這就是我們所說的點云，它只能反映機器人所在環(huán)境中的一個部分。第一步預處理就是對激光雷達原始數據進行優(yōu)化，剔除一些有問題的數據，或者進行濾波。

　　第二步是匹配，也就是說把當前這一個局部環(huán)境的點云數據在已經建立地圖上尋找到對應的位置，這個步驟非常關鍵。

?

　　這個是ICP的點云匹配算法，用于實現匹配。說這個過程關鍵，就是因為它的好壞，直接影響了SLAM構建地圖的精度。這個過程和我們玩拼圖游戲有點類似，就是在已經拼好的畫面中找到相似之處，確定新的一個拼圖該放在哪里。

　　在SLAM過程中，需要將激光雷達當前采集的點云（紅色部分）匹配拼接到原有地圖中。

?

　　如果不進行匹配過程，所構建的地圖可能就亂成一團，變成這樣。

?

　　在這個部分完畢以后，就進行第三步，地圖融合，也就是將這一輪來自激光雷達的新數據拼接到原始地圖當中，最終完成地圖的更新。

　　就像這個圖一樣，這個過程是永遠伴隨SLAM過程的。

?

　　數據融合和簡單的貼圖是有很大的差異的。因為實際上傳感器描繪的世界存在一定的誤差，或者正巧在這個時間環(huán)境有了變化，例如機器人旁邊闖入了一只小貓。

　　因此，實際要進行的過程會更加復雜，需要用很多概率算法，并采用濾波的方式進行融合。將上述這個過程逐次執(zhí)行，就最終產生了我們看到的柵格地圖。

　　這個過程聽起來其實并不復雜，但是要處理好有很大難度。

　　這里舉幾個例子，比如叫做loop closure(回環(huán))的問題。如果匹配算法不足夠優(yōu)秀，或者環(huán)境中存在很不巧的干擾，當機器人繞著環(huán)境一圈后，就會發(fā)現原本是應該閉合的一個環(huán)形走廊斷開了。

　　比如正常地圖應該這樣：

?

　　如果處理不好，實際地圖就成這樣：

?

　　對于環(huán)境比較大的場景，回環(huán)問題是不得不面對的，但現實總是不完美的，即使是激光雷達這種高精度傳感器，也難免存在誤差。而回環(huán)問題的難點恰恰在于在一開始出現少許誤差的時候，并不會被發(fā)覺，直到機器人繞著環(huán)路一圈，隨著誤差的累加，發(fā)現環(huán)路已經無法閉合時，此時已經釀成大錯，一般很難回天。

　　當然這個問題并不是無解，一個好的商用化SLAM系統(tǒng)，回環(huán)問題是否能很好的解決，就成為評判這個系統(tǒng)實力的指標了。

　　這是前兩天在我們辦公室進行的測試，當機器人已經繞場一周后，ROS構建的地圖出現了中斷，而Slamware模塊構建的地圖是一個完美的閉環(huán)，它與我們辦公室的設計圖完美重合。

?     除了算法層面的回環(huán)問題，SLAM實際應用中還會碰到其他坑，比如走廊問題與外界干擾問題。以外界干擾問題來說，通常，激光雷達作為機器人的眼睛，一般是安裝在底盤上的，它能看到的視野很有限。當受到外界干擾（人類或者寵物等等）后，機器人很容易丟失定位精度，無法正常完成后續(xù)的建圖工作。

　　當機器人安裝SLAMWARE后，機器人受到干擾，可以完全不受影響，照樣能夠正常工作。目前，SLAM的開源實現代表多為學術界，實際應用有很多corner case要處理，需要傳感器、系統(tǒng)參數、其他輔助設備的聯(lián)合調優(yōu)。

　　一般來說，上述的SLAM過程對于運算消耗是巨大的，雖然并沒有達到像訓練神經網絡動用服務器集群那種地步，但傳統(tǒng)上需要PC級別的處理器。

　　除配備激光雷達外，還需要機器人具有IMU（慣性測量單元）、里程計來為激光雷達提供輔助數據，否則SLAM系統(tǒng)也難以得到運行。總的來說，SLAM算法本身是一個對于外部系統(tǒng)有著多種依賴的算法，這是一個切實的工程問題。我們知道很多機器人，比如掃地機是不可能裝一個PC進去的。為了讓SLAM能在這類設備里運行，除了解決激光雷達成本外，還要對SLAM算法做出很好的優(yōu)化。

這也是我們思嵐科技SLAMTEC主要的努力方向，一方面在SLAM算法上我們這7年多很好的解決了各類實際算法難點，另一方面，我們把SLAM這個復雜的系統(tǒng)做了很大的優(yōu)化，可以放到一個硬幣那么大的模塊內部，降低尺寸功耗。此外，還集成了IMU等配套傳感器，力求做到對于SLAM的使用的便捷性。

　   如何利用SLAM技術實現路徑規(guī)劃的？SLAM和路徑規(guī)劃之間關系是怎樣的？

      前面我們已經提到SLAM算法我們前面已經提到過，它只是是完成了機器人的定位和地圖構建兩件事情，與我們說的導航定位并不是完全等價的。這里的導航，其實是SLAM算法做不了的。它在業(yè)內叫做運動規(guī)劃(Motion Planning)。

?

　　運動規(guī)劃是一個很大的概念，從機械臂的運動、到飛行器的飛行，再到這里我們說的掃地機的清掃路徑規(guī)劃，都是運動規(guī)劃的范疇。

　　我們先談談針對掃地機這類輪式機器人的運動規(guī)劃。這里所需的基礎能力就是路徑規(guī)劃，也就是一般在完成SLAM后，要進行一個叫做目標點導航的能力。通俗的說，就是規(guī)劃一條從A點到B點的路徑出來，然后讓機器人移動過去。

?

　　要實現這個過程，運動規(guī)劃要實現至少兩個層次的模塊，一個叫做全局規(guī)劃，這個和我們車載導航儀有一點像，它需要在地圖上預先規(guī)劃一條線路，也要有當前機器人的位置。這是由我們的SLAM系統(tǒng)提供出來的。行業(yè)內一般會用叫做A*的算法來實現這個過程，它是一種啟發(fā)式的搜索算法，非常優(yōu)秀。它最多的應用，是在游戲中，比如像星際爭霸、魔獸爭霸之類的即時戰(zhàn)略游戲，都是使用這個算法來計算單位的運動軌跡的。

　　當然，僅僅規(guī)劃了路徑還是不夠的，現實中會有很多突發(fā)情況，比如正巧有個小孩子擋道了，就需要調整原先的路徑。當然，有時候這種調整并不需要重新計算一遍全局路徑，機器人可能稍微繞一個彎就可以。此時，我們就需要另一個層次的規(guī)劃模塊，叫做局部規(guī)劃。它可能并不知道機器人最終要去哪，但是對于機器人怎么繞開眼前的障礙物特別在行。

　　這兩個層次的規(guī)劃模塊協(xié)同工作，機器人就可以很好的實現從A點到B點的行動了，不過實際工作環(huán)境下，上述配置還不夠。比如A＊算法規(guī)劃的路徑是根據已知地圖，預先規(guī)劃好的，一旦機器人前往目的地的過程中遇到了新的障礙物，就只好完全停下來，等待障礙物離開或者重新規(guī)劃路徑了。如果掃地機器人買回家，必須先把屋子都走一遍以后才肯掃地，那用戶體驗就會很差。

　　為此，也會有針對這類算法的改進，比如SLAMWARE內我們采用改良的D*算法進行路徑規(guī)劃，這也是美國火星探測器采用的核心尋路算法。這是一種動態(tài)啟發(fā)式路徑搜索算法，它讓機器人在陌生環(huán)境中行動自如，在瞬息萬變的環(huán)境中游刃有余。

　　D*算法的最大優(yōu)點是不需要預先探明地圖，機器人可以和人一樣，即使在未知環(huán)境中，也可以展開行動，隨著機器人不斷探索，路徑也會時刻調整。

　　以上是目前大部分移動機器人都需要的路徑規(guī)劃算法，而掃地機器人作為最早出現在消費市場的服務機器人之一，它需要的路徑規(guī)劃算法更為復雜。

　　一般來說，掃地機需要這么幾個規(guī)劃能力：貼邊打掃、折返的工字形清掃以及沒電時候自主充電。單單依靠前面介紹的D*這類算法，無法滿足這些基礎需要。

　　掃地機器人還需要有額外的規(guī)劃算法，比如針對折返的工字形清掃，有很多問題要處理。掃地機如何最有效進行清掃而不重復清掃？如何讓掃地機和人一樣，理解房間、門、走廊這種概念？

　　針對這些問題，學術界長久以來有一個專門的研究課題，叫做空間覆蓋（space coverage），同時也提出了非常多的算法和理論。其中，比較有名的是Morse Decompositions，掃地機通過它實現對空間進行劃分，隨后進行清掃。

?

　　20世紀70年代，卡內基梅隴大學（CMU）完全依靠超聲波做到了現在我們掃地機的行為，當然造價也十分昂貴。

　　前面介紹的從A點到B點移動路徑規(guī)劃也是實現這類更高級路徑規(guī)劃的基礎。實際上，要從SLAM實現到掃地機器人所需要的這些功能，還是有非常多的工作要做的。

　　針對掃地機器人，SLAMTEC將其特有的路徑規(guī)劃功能預先內置在SLAMWARE中，方便廠家進行整合，不需要進行二次開發(fā)。

      相信通過以上介紹，大家對于服務機器人的自主定位導航已有一定的了解了，更多干貨敬請期待后期分享！