移動機器人視覺導航技術綜述

馬 凱，林義忠 （廣西大學 機械工程學院，廣西 南寧530004）

0 引言

隨著機器視覺技術和移動機器人技術的發展，將二者結合已經成為研究的一個新領域，通過視覺技術實現機器人的自主導航功能，從而使機器人更加自動化與智能化。目前視覺導航正逐步走出實驗室并表現出很好的發展前景[1-4]。

移動機器人視覺技術即為機器人配置視覺裝置，通過攝像頭采集環境圖像信息，對采集到的信息進行處理，轉化為計算機可以使用的地圖數據，然后對數據進行整合分析，最終通過含一定約束的計算為機器人到達目的地規劃出一條合適的路徑。

圖1 視覺導航關鍵技術

1 視覺定位

視覺定位是指通過移動機器人上固定的視覺傳感器感知周圍環境信息，然后通過一系列的濾波降噪處理提取出環境特征信息，最后通過圖像處理技術和機器視覺技術計算移動機器人的位姿。基于環境模型的定位方法主要有兩種方式：相對定位和絕對定位[5]。相比于激光和紅外超聲傳感器，視覺傳感器有著價格低、精度高、信息豐富等特點。

相對定位方法又稱航跡推算，通常是已知初始位姿，通過計算采集到的相鄰兩幀圖像之間的相對位姿，由前一幀位姿估算下一幀位姿，繼而推算整個運動軌跡，這一過程構成視覺里程計。視覺里程計可不受輪子打滑漂移等影響，提高了系統精度。由于相對誤差是針對前一幀的結果，故常需要配合其他傳感方式消除由增量式計算方法造成的累積誤差。視覺里程計最早由Matthies等人[6]提出并設計了由特征值提取和特征匹配以及跟蹤到運動估計的原始模型。趙黎明[7]通過改進SIFT算法對原始模型進行了優化，提高了系統的實時性，減小了實際偏差。

絕對定位方法又稱全局定位，該方法不要求知道機器人的初始位姿而能確定任意時刻機器人的位姿。通過攝像頭采集周圍環境信息，提取環境特征。導航定位的方案選取很大程度取決于所處環境，通常分為基于視覺路標定位和基于環境場景的特征匹配定位[8]路標定位方法利用路標的顏色信息，通過圖像分割技術來確定出路標的相對位置。環境場景特征匹配定位是利用攝像頭拍攝周圍環境，然后與地圖中的關鍵圖像庫進行匹配，從而確定自身定位。王家恩等[9]提出一種基于QR碼視覺定位復合導航方法。結合制造工位離散特點和機器人差速運動模型,利用離散QR碼構建地面柵格地圖；通過視覺定位QR碼特征并提取機器人相對地標偏差，將此偏差作為地標間微機電系統（MEMS）慣性傳感器軌跡推算的初始值，消除地標間行駛的累積誤差。實驗表明，復合導航方法使機器人1m/s速度和1.2m地標間距下的側向距離偏差均值為8mm，方向偏差最大值在1°范圍內。Royer等[10]提出了一種單目視覺訓練導航方法，該方法的思路是先學習并建立完整地圖，然后利用建立好的地圖導航。通常是先將機器人置于環境中通過機器人的提前學習，感知并建立周圍環境的三維模型。并在三維模型中標記出一些具有特殊特征的位置提供給后續導航使用。在導航階段，便可利用已經學習并有標記的環境三維模型，通過關鍵幀的匹配進行定位，從而確定任意時刻在環境中的位姿。

2 環境地圖的表達方法

目前，針對實際情況，在導航中的地圖主要分為柵格地圖、幾何地圖、拓撲地圖以及綜合幾種地圖優勢的混合地圖。

2.1 柵格地圖

目前在移動機器人上應用得最為普遍的基于柵格地圖的路徑規劃算法是由Elfes和Moravec提出[11-12]。柵格地圖是將環境視為平面上的多個柵格，通過每個柵格攜帶的二值信息，來表征該空格區域是可行區域還是障礙區域[13]，從而形成整個環境的障礙物信息，為后續的路徑規劃提供依據。柵格地圖表現形式直觀，創建和維護都比較容易，當柵格太小時，由于每個柵格內都會占據一定的內存空間，將會導致整個系統過大，在導航時會影響系統的搜索效率，導致實時性差。過大的柵格將會使得實際地圖中相鄰區域的信息變得模糊，嚴重的甚至會出現表征錯誤，影響導航的準確性，因此在使用時需要選取大小合適的柵格[14]。

2.2 幾何地圖

幾何地圖是通過常見的幾何特征去擬合障礙物信息，比如常見的點特征、直線特征、平面特征等來搭建環境的主要環境框架，因此需要知道這些特征在處于環境中的具體位置[15]。基于幾何地圖進行定位是通過對攝像頭觀測到的環境數據進行度量，并與搭建的環境框架進行比較，通過特征估計技術來確定機器人在環境中的具體位置來實現定位[16]。

2.3 拓撲地圖

用拓撲的結構來表示環境地圖并用于移動機器人導航定位的概念最早由Mataric&Kuipers提出[17]。拓撲圖由許多關鍵節點和連接這些節點的線條來描述環境，可以很形象的表示環境的拓撲結構。其中，節點代表環境中的地點，線條表示機器人可以在連接的節點間運動。拓撲地圖能夠為機器人在節點間的移動提供節點間距離及方位等信息。拓撲地圖的特點是抽象、占用內存空間很小、搜索時間短、運用于導航定位系統的實時性較好。此外，運用拓撲地圖進行導航定位的算法也經歷了很長一段時間的發展，已經形成了許多成熟高效的搜索和推理算法，可以很方便的調用。缺點是每次匹配都需要從最鄰近的拓撲節點開始匹配[18]。

2.4 混合地圖

混合地圖主要包含3種形式：柵格—幾何地圖，幾何—拓撲地圖，柵格—拓撲地圖。混合地圖通常是考慮到具體場景下選擇最為適用的地圖，通常應用于大場景下的環境表示。相比于單一地圖模式，混合地圖更具靈活性，準確性和魯棒性[15]。

3)通過在軟件系統平臺和技術架構中融入GIS，可保證大數據分析過程的可視化和分析結果時空位置動態展示的可操作性和實用性。

3 移動機器人視覺導航方法

基于視覺的室內導航技術是通過攝像頭捕獲周圍環境信息，通過周圍障礙物與非障礙物的識別進而規劃出一條可行的路徑，從而實現移動機器人的自主導航。常見的移動機器人視覺導航方法有：基于環境信息的地圖模型匹配，同步定位與地圖構造以及不依賴地圖導航。

3.1 基于環境信息的地圖模型匹配

在導航前對工作環境特征進行提取與處理，建立全局地圖，并將地圖存放在機器人的數據庫中，在導航過程中調用地圖進行匹配定位。將攝像頭捕獲的圖像特征或路標與庫中地圖進行比對，計算匹配的概率，進而確定機器人的位姿，并通過規劃模塊規劃出合適的路徑。該導航技術過程可分為以下步驟[19]：

（1）圖像獲取：攝像頭捕獲周圍環境的視頻圖像；

（2）路標識別及檢測：通過圖像處理技術對采集圖像進行預處理；

（3）路標匹配：將拍攝到的圖像與庫中圖像進行匹配；

（4）位置計算：當與庫中的特征或路標匹配上后，系統會根據庫中信息計算出機器人此刻在環境中的位姿。

典型的地圖匹配定位方式有2種[15]：

（1）起點和地圖均已知。這種情況最為簡單，屬于局部定位。

（2）不知起點，已知地圖。屬于全局定位，一般會引進一些輔助方法，常見的輔助方法有添加人工信標，紅外或超聲波系統進行輔助定位。

文獻[20]使用的是一種基于完整線段和特征點的匹配方法。由有向線段特征、點特征構成環境全局地圖，匹配是基于特征點相對有向線段的相對位置關系。鄭宏等[21]為解決場景大且地圖已知時的導航問題，研制了一套由地圖編輯、地圖匹配與定位模塊以及多層遞階規劃模塊組成的導航控制系統。并通過實驗驗證了該系統的可行性。邱書波等[22]通過電子地圖輔助攝像頭識別地面標識線來實現AGV的自主導航。通過地面標識線以及電子地圖中已知絕對坐標的標識物兩個參數做為輸入，來實現系統的精確定位。并通過實驗證明，該方案對于直線和曲線有著較好的跟蹤效果，方位偏差和橫向偏差都較好地滿足了實際使用需求。

3.2 同步定位與地圖構造

也稱為SLAM（Simultaneous Localization and Map Building）技術，是由Smith等人[23-24]提出，是目前移動機器人的一個研究熱點。SLAM技術是指移動機器人在不知道自身處于環境中位置的情況下，通過攝像頭不斷的觀察環境，增量式的構建完整環境地圖。

文獻[25]最早使用RGBD相機對室內環境進行三維重建。通過計算圖像中的SIFT算子并結合深度圖像和RANSAN方法計算機器人的運動變換，然后進一步計算得到精確位姿。文獻[26]提出一種基于信標識別和雙目視覺的改進SLAM算法，通過雙目相機采集立體圖像信息，檢測視覺信標和提取ORB特征點，根據信標定位信息和特征點匹配信息解算相機位姿初值，基于圖優化框架進行局部位姿優化和全局優化，維護地圖點和關鍵幀數據，從而實現較高精度的定位和地圖構建，實驗表明誤差控制在5cm以內。

文獻[27]通過稠密圖像對準的方式來進行自身定位,并構建出稠密的3D地圖。文獻[28]指出視覺SLAM中特征檢測與匹配，關鍵幀的選擇，閉環檢測方法三個關鍵問題以及單目、雙目和RGBD這幾種相機SLAM方案的優缺點。Mur Artal等[29]提出了一種可以實現室內SLAM的ORB-SLAM方法，該方法提取圖像關鍵幀進行配準，能夠快速高效地進行檢索與匹配。文獻[30]針對傳統視覺導航技術中ORB-SLAM算法的特征點分布均勻程度低、耗時長的缺點，通過構建尺度金字塔，設置感興趣區域，引入非極大值抑制方法。實驗表明，特征點期望數值為3 000時，特征點分布均勻程度提高71.13%，耗時降低比率為69.52。

3.3 不依賴地圖導航

這種方法中不需要構建環境地圖，常用于避障環節。機器人的活動取決于當時攝像頭捕獲的環境障礙，而不必明確障礙物的絕對坐標。通常分為3大類[15]：基于光流的導航技術、基于外觀信息的導航技術、基于目標識別的導航技術和基于目標跟蹤的導航技術。

4 發展趨勢

移動機器人視覺導航技術是一種快速發展，不斷成熟的技術，也是移動機器人智能化的體現。在總結了一些常見的移動機器人視覺導航方案后，也綜述了三類導航方式。但是移動機器人目前仍有著巨大的發展空間。目前的視覺導航技術通常需要在特定的場合下完成，而對于真實、復雜的環境下仍然不能很好的解決，如何使視覺導航方案適配于不同的復雜環境將有待解決。此外，光線對視覺效果會造成很大的影響，如何在圖像處理方面減小環境因素對方案造成的影響。其次，視覺導航過程中需要識別大量的環境信息，同時也需要處理、計算大量的數據，因此，高效的計算速度和充足的運行內存是進行大環境視覺導航的前提。隨著技術的不斷更新，移動機器人視覺導航技術將會朝著定位更加精確，路徑更加優化以及占用內存更加合理的方向前進。