云機器人與視覺SLAM技術研究現狀

(北京物資學院 北京 101149)

一、引言

目前，機器人在提高工業制造、物流運輸行業的應用愈加廣泛，成為在科技發展上的重要研究對象。我國正在加大力度實施創新驅動發展戰略，隨著我國人口老齡化增長，對自主服務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[1]的支持；隨著大數據與云計算的廣泛應用，云平臺和機器人的結合也是大勢所趨，云機器人應運而生。

二、SLAM技術和云機器人介紹

SLAM技術是移動機器人在未知的環境中，根據自身的傳感器獲得環境信息，根據信息進行移動機器人定位和地圖構建。SLAM技術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。隨著云計算的發展，將機器人本地計算轉移到云平臺上，降低自主移動機器人的造價成本。

云機器人將云計算(Cloud Computing)和機器人學的理念相結合起來，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云服務器，把自身傳感器收集到得數據發送至云平臺，經過云平臺的計算處理，返回移動機器人的定位和所處環境地圖信息。云平臺對實現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技術發展提供了新的動力[2]。

三、視覺SLAM技術研究現狀

SLAM技術在被提出后就是移動機器人領域的熱門研究問題。傳統AGV的導引方式有電磁式、色帶式、磁帶式等，優勢是簡易可靠、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技術是利用單目、雙目或深度相機獲取周圍的環境信息，通過數學運算中幾何、三角法進行位姿估計完成定位及點云拼接完成地圖構建。視覺SLAM技術相較于激光SLAM技術，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，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)相結合的SLAM算法，在魯棒性和自適應性有較大進步。陳白帆、蔡自興等人[5]利用粒子群優化方法對Fast SLAM中預估粒子進行篩選，基于粒子群優化的SLAM方法，得到更加準確的粒子，使得預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，減少了計算粒子數目及運行整體效率。

國外對于SLAM技術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算法本身的復雜性較高，對大規模地圖構建有局限性，難以滿足實時性的要求，限制其應用范圍。Murphy等人[7]采用自適應Rao-Blackwellised粒子濾波器估計了移動機器人的運動路徑和環境地圖，成為應用廣泛的粒子濾波器之一。Chatterjee[8]討論了基于EKF的SLAM算法是在傳感器統計信息不完全正確的情況下，利用模糊或神經模糊監督改善這種情況下的估計性能，利用進化優化策略通過自主學習神經模糊監督自由參數。

四、云機器人現狀

云機器人是將移動機器人的信息存儲和獲取方式轉移到云平臺的服務。云機器人服務與其它網絡服務類似，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服務器上傳傳感器獲取的信息、接收服務器返回的定位及地圖信息。云機器人的實現，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、云網絡和云引擎。云機器人在運行過程中，將移動機器人的信息如運動狀態、傳感器獲取的環境信息發送至云平臺，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，將關鍵信息進行存儲整個過程需要云網絡和云引擎的支持。

在國內，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為通信基礎的云機器人系統，該系統目標是減少移動機器人成本，提升移動機器人的運行效率，有利于構建大規模機器人群組時的控制及任務分配。趙連翔、王全玉等人[11]將云計算的原理應用到機器人遠程操作中，設計一款機器人的云操作平臺，將機器人的資源和服務存儲在云平臺上，用戶連接網絡通過云平臺來操作移動機器人，對用戶之間信息共享、機器人協同工作、使用安全等方面提供幫助。

在國外，Google工程師們開發出一款Android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]，利用云計算技術來實現遠程環境下人臉識別、語音識別等任務，加強了用戶與機器人的信息交互。

目前對云機器人的應用的較少，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，云機器人的自主學習能力的實現等，都面臨著巨大的挑戰。

五、結束語

視覺機器人在SLAM過程仍需要進一步的研究，一方面，光線在變化時會導致許多路標不穩定，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技術的應用條件不受限制。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。

實現云機器人的SLAM服務，主要解決兩個問題：

(1)云機器人SLAM服務的整體架構問題，需要合理的對整體架構、接口和基礎設施進行設計，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，完成更多的任務。

(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節，會對實時性產生影響，其中的主要問題是保障移動機器人和云平臺之間數據傳輸高效性和穩定性。