基于SLAM與RFID的博物館藏品智能盤點方法

劉學平，張晶陽

（清華大學 深圳國際研究生院，深圳 518055）

0 引言

博物館是歷史與文化傳承的重要公共場所，其文物保存與展示、大眾教育、藝術交流等功能愈發突出[1]。近年來，與日俱增的藏品種類和數量，依賴于人力和紙媒材料的藏品管理模式，都為博物館藏品的日常管理與盤點帶來嚴峻的挑戰[2]。同時盤點等環節中的藏品挪動、紙質標簽的粘貼替換等也嚴重威脅著藏品本體，博物館亟待引入高效而智能的藏品盤點手段。

藏品智能盤點包括博物館室內地圖的構建和藏品的定位與智能查找兩部分。現有技術中，同步定位與地圖繪制技術（Simultaneous Localization and Mapping,SLAM）是室內環境下替代GPS與北斗系統的地圖繪制方法。未知室內環境下，機器人利用SLAM技術可完成自身位姿估計，環境觀測，以及室內地圖的增量式構建[3]，故SLAM可用于繪制博物館的室內地圖。另一方面，射頻識別（Radio Frequency Identification,RFID）作為一種非接觸式的通訊識別手段，具有全球編碼唯一、識別速度快、信息讀寫便捷等優勢[4]，因而可用于藏品識別定位與智能查找。兩種技術的結合，也為博物館藏品智能盤點提供了解決方案。

同時，國內外也積累了很多RFID和SLAM技術的相關應用范例。姚一青將RFID管理手持機和門禁系統引入復旦大學博物館CMS系統，以非接觸的方式提升了藏品管理效率[5]。陳能成等設計了基于RFID與GIS的博物館信息管理系統，提出了模塊化的藏品信息綜合管理方案[6]。Google推出的Trekker和Cartographer機器人，可在室內SLAM基礎上，對地圖中的位置點進行人為標注與記錄[7]。張穎超等人提出了一種基于FastSLAM的RFID定位模型，并將RFID作為地標，可綜合實現機器人位姿估計和RFID定位[8]。

本文進一步融合應用RFID與SLAM技術，提出了一種基于博物館藏品布局可視化的藏品盤點方案，在獲取博物館室內環境布局和藏品信息化識別定位的基礎上，利用機器人系統完成智能盤點，以提升博物館藏品盤點效率和智能化水平。

1 RFID技術與Hector_SLAM算法

1.1 RFID技術概述

RFID技術是一種利用射頻識別信號空間耦合實現信息交換與目標識別的通信技術[9]，其基本系統組成包括電子標簽（Tag）、讀寫器（Reader）和信息終端[10]。系統工作時，無源標簽（Passive Tag）進入讀寫器磁場范圍后，內置耦合電路產生感應電流提供能量將標簽信息發送給讀寫器；有源標簽（Active Tag）主動向外發送信號并將信息傳遞給信號范圍內的讀寫器。收到讀寫器信號后，信息終端可識別“指紋”編碼，進行信息處理。而根據工作頻段的不同，RFID技術也有不同的通信機制和用途。現有用于RFID定位的RSSI（接收信號強度法）等方法對RFID信號處理設備的精度和布置都有較高要求，且系統相對獨立，與其他技術的應用關聯性較小。

1.2 Hector_SLAM算法分析

本方法中選用了目前主流SLAM技術中應用較多的Hector_SLAM算法。

精確的地圖是室內環境可視化的關鍵，而以高更新頻率和高分辨率激光雷達為數據來源的Hector_SLAM就是一種常用的室內地圖構建算法。相較基于RBPF的Gmapping算法[11]，Hector_SLAM不需要里程計信息便可以通過掃描匹配的方式實現位姿估計和室內地圖增量繪制。同時，該算法采用柵格地圖作為地圖表達形式，創建和更新維護簡便，也適用于機器人的導航避障[12]。

SLAM過程中，點云數據的掃描匹配和最優位姿的搜索是基于Gauss-Newton迭代梯度下降的方式進行的，迭代公式如式(1)、式(2)所示：

計算過程中，用一階泰勒展開式對上式進行展開，得：

取H為黑塞矩陣，令τj-1=∈，并對Δτ求偏導后求解，有：

而對于每一幀的掃描數據，Hector_SLAM采用了雙線性插值的方法以避免柵格地圖的離散性帶來的計算限制，柵格Pm的占用值M(Pm)的梯度估計用鄰近的四個柵格點來進行：

2 ROS系統架構與藏品定位盤點方法

使用Hector_SALM算法繪制室內環境地圖，可得到以機器人初始位姿為原點的世界坐標系[13]，藏品及與其綁定的電子標簽也位于此世界坐標系中，獲取代表藏品的電子標簽的位置坐標，即可獲取藏品的室內布局情況，進而可以通過ROS系統控制底盤移動，完成智能巡檢與盤點。

2.1 軟硬件系統架構

藏品智能盤點是通過移動機器人平臺進行的。硬件層面，Stm32驅動板與麥克納姆輪全向移動底盤作為運動功能下位機，底盤上搭載的樹莓派3B+作為系統上位機，PC端用于遠程可視化與人機交互，激光雷達RPLIDAR A1M8與超高頻RFID讀寫器R2000 UHF900M作為系統信息前端，各部分間通過USB進行通信，系統由12V鋰電池供電。軟件與系統層面，PC端系統為Ubuntu 16.04 LTS，樹莓派3B+系統為Ubuntu 16.04 Mate，ROS版本為Kinetic Kame，SLAM算法為Hector_SLAM。

ROS是一種基于分布式架構的機器人系統，其運行依賴于不同話題、節點與服務的調用與通信。本方法中，為了實現底盤移動、SLAM地圖構建、RFID掃描識別、電子標簽定位計算，以綜合完成智能盤點任務，采用的軟硬件系統綜合架構如圖1所示。

圖1 系統軟硬件綜合架構

具體而言，系統工作時Hector_SLAM訂閱RPLIDAR發布的/scan話題獲取激光雷達深度數據，完成博物館室內環境SLAM建圖，為系統提供地圖服務。RFID掃描裝置成功識別電子標簽后調用地圖服務和底盤的里程計/odometry話題信息，通過計算完成RFID定位并記錄。執行盤點任務時，ROS系統利用amcl根據激光雷達數據實現自身位姿估計，Move_base完成路徑規劃和動態避障，控制移動底盤向目標藏品移動，完成盤點。底盤在SLAM建圖、RFID電子標簽掃描定位及執行盤點任務的移動過程中，都會根據電機編碼數據和imu數據計算里程信息并以話題/odometry發布。

2.2 RFID電子標簽定位方法

巡檢機器人系統通過SLAM算法可以得到包含建筑結構等在內的博物館室內布局地圖，而藏品是根據博物館的具體規劃排布的，需要對其進行定位才能讓機器人系統獲取其室內排布情況。本方案中用電子標簽代替紙質標簽進行藏品信息維護，并將其附著或靠近對應的藏品作為藏品信息化識別標識。以機器人為載體，在SLAM所得地圖中，利用RFID讀寫終端掃描電子標簽，并在此過程中記錄機器人系統位置信息，再根據掃描裝置與機器人的相對位置關系，進行坐標系轉換和定位計算，即可完成RFID定位，獲取博物館藏品布局地圖。

具體而言，在PC端遠程控制下，移動機器人平臺先通過自身移動和激光雷達深度數據完成室內環境地圖SLAM，獲取室內地圖，然后ROS系統調用RFID掃描裝置并遍歷地圖以掃描全部與藏品綁定的電子標簽。在此過程中，掃描終端首次識別某一電子標簽位置時（記j=1），調用并記錄機器人base_link在世界坐標中的位姿，在首次失去某電子標簽信號時（記j=2）再次記錄，并在機器人的移動中重復三次（記i=1,2,3）上述過程，所得坐標記為

在如圖2所示的坐標轉換關系中，設機器人坐標系base_link下UHF的位置坐標為(xUHF,yUHF)，則可知UHF此時世界坐標系坐標為：

圖2 系統坐標系轉換關系

RFID定位采用三點定位的方法，即通過能夠掃描到RFID信息的三個UHF位置點（在以RFID為中心的可掃描區域內）確定中心電子標簽位置，如圖3所示。

圖3 電子標簽三點定位法

計算過程中，分別取(xi,1,yi,1),(xi,2,yi,2)與點(xk,1,yk,1)或(xk,2,yk,2)計算圓心坐標，其中k=1,2,3且k≠i。令圓的方程為：

以其中一組參數為例，帶入以下行列式即可求解參數a,b,c。

圓心坐標為：

利用上述方法，可求得12個圓心坐標結果，為了減小定位的系統誤差，取其算術平均值作為世界坐標系下RFID電子標簽定位結果并在系統中進行記錄，定位記錄的電子標簽位置坐標為

3 RFID定位與智能盤點方法驗證

為了檢驗本方法的有效性，本文以普通室內環境模擬了博物館室內環境進行了驗證實驗，將電子標簽隨機放置于室內環境中，用以模擬博物館中分散展覽或存放的藏品。裝配了麥克納姆輪的四輪全向移動底盤搭載樹莓派，激光雷達等硬件，在PC端遠程控制下，移動過程中掃描室內環境，利用SLAM模塊構建室內環境地圖，然后基于上述步驟對RFID電子標簽進行位置坐標計算，得出計算結果后利用RVIZ在地圖中進行還原和標注。

同時，在移動機器人的世界坐標系下對室內環境中標簽放置的坐標位置進行測量，借助RVIZ的publish point工具尋找電子標簽實際位置在地圖中的對應點，并進行標注。其中部分標簽實際位置與定位位置的標記與對比結果如圖4所示。

圖4 SLAM地圖中定位結果與實際位置對比

如圖4所示，Hector_SLAM算法可較為精確地構建出室內環境地圖，所繪地圖邊界相對完整清晰，在有多個角落的室內環境中也有較好環境特征測繪能力。同時，本文所述藏品地圖構建方法中，經RVIZ可視化和位置點還原與對比，可知藏品電子標簽實際位置與定位測算位置偏差較小，經計算，定位的絕對誤差Ep≤0.1m，電子標簽定位準確性較好。

實驗中，對特定電子標簽代表的“藏品”盤點時，移動機器人接收PC端指令，讀取系統藏品布局地圖記錄的目標藏品位置坐標，完成路徑規劃并控制底盤移動。移動過程中，底盤依靠激光雷達數據進行動態避障和路徑調整，直至完成電子標簽的識別和信息讀寫，完成盤點任務。

綜上所述，利用該方法可有效構建博物館室內藏品布局地圖，并可以用機器人代替人工實現藏品智能盤點，有效提升了博物館藏品盤點的智能化水平和盤點效率。

4 結語

為了實現博物館藏品的智能化盤點，本文提出了基于SLAM與RFID的博物館藏品智能盤點方法：利用ROS系統，在使用SLAM技術構建的博物館室內布局地圖中，根據RFID掃描信息完成藏品RFID電子標簽定位，從而獲得博物館的藏品布局，供機器人調用完成盤點任務。驗證實驗中，電子標簽定位與其實際位置的距離偏差≤0.1m，誤差較小，盤點任務能可高效完成。結果表明，本文方法切實有效，可綜合提升博物館藏品盤點的智能化水平和工作效率。