環境信息實時感知的電子商務配送機器人控制系統設計

李衛琳，張詠梅

（1.西安歐亞學院 工商管理學院，西安 710065；2.西華師范大學 網絡與信息管理中心，南充 637001）

電子商務逐漸成為人們日常生活的重要組成部分，在電子商務中，物流配送是極其重要的一環，電子商務配送機器人的降本增效，能夠更好地促進電子商務發展。

本文提出系統以視覺傳感器及慣性傳感器為硬件基礎，結合IMU、GPS 實現同步定位以及建圖。視覺傳感器價格低廉且收集特性信息能力強，IMU能夠實現短期內的積分位置計算，GPS 能夠實現快速定位[1]。通過結合IMU、GPS、視覺傳感器及慣性傳感器，能夠實現優勢互補[2]，形成高精度、低成本、高效率的電子商務配送機器人系統。

1 多傳感器融合信息提取制圖

1.1 多傳感器初始化融合

初始化以泊松融合原理為基礎依據，同時進行純單目ORB-SLAM 的運行[3]，對IMU 以及GPS 數據進行采集。同時，GPS 的坐標點數據，是以地理坐標系為參照，z 軸方向固定，但是在視覺里程計中，z 軸的方向并不是固定的[4]，因此在數據處理中，需要進行2 種坐標系的轉換。

1.1.1 尺度因子及IMU 偏移量的估計

通過相鄰的連續關鍵幀之間的角度變化，對陀螺儀偏移量ag進行估計，忽略關鍵幀之間的絕對短偏移的變化量，可以將ag看作常量處理，若ag最優，那么由ORB-SLAM 所求得到的關鍵幀偏移量與積分所求得到的關鍵幀偏移量應當保證最小的差值，其公式如下：

式中：M 表示關鍵幀在此時間段內的個數；ΔPj，j+1表示通過IMU 預積分所求得的相鄰2 個關鍵幀之間的方位角變化表示對應的方位角變化量，通過ORB-SLAM 算法求得。陀螺儀偏移量ag求解之后，通過3 個關鍵幀聯結，使用奇異值求解，可得出尺度因子S*。

1.1.2 視覺里程計及地理坐標系的轉化

視覺里程計（慣性系）及地理坐標系（GPS）的轉換關系可以通過圖1 表示。由于GPS 測量值包含的坐標只有經緯度，因此在由GPS 坐標系向慣性系進行轉換的過程中，需要一個以z 軸為中心軸進行旋轉的角度，同時由慣性軸向地圖坐標系轉換時，需要圍繞y 軸以及x 軸旋轉，才能得到轉換之后的視覺里程計坐標系。旋轉角度通過奇異值分解求解。圖1 中，w 為地理坐標系，I0為慣性系，D0為視覺里程計坐標系。

圖1 視覺里程計坐標系與地理坐標系的轉化Fig.1 Conversion of visual odometry coordinate system and geographic coordinate system

1.2 GPS 約束下的特征點跟蹤

在GPS 約束下進行對應的特征點跟蹤，主要的目的是通過匹配相應的特征點，對車體系統在采集到各幀圖像之后，做出偏移量、速度以及位姿的估計。同時需要通過IMU 預積分技術，解決由傳感器的型號不同造成的采集頻率不同的問題。求解最優解的公式如下：

式中：Ctrack為基于GPS 約束下對應的特征函數；x*為相應的最優狀態變量。其中，關鍵幀選擇的示意圖如圖2 所示。將新插入關鍵幀設定為第i 幀，相鄰后續插入的關鍵幀設定為第i+1 幀，插入關鍵幀i后采集到第j 幀圖像記為第i（j）幀。判定第i（j）幀能否作為關鍵幀，需要以第i（j）幀的特征點是否具有指定的匹配程度進行判斷。若判斷為是，則將該幀納入局部地圖建立的線程當中；否則，將第i（j）幀與第i（j+1）幀進行對應的圖像連接，刪除該幀圖像的位姿，同時依據式（2）進行新位姿的求解。

圖2 關鍵幀選擇示意圖Fig.2 Keyframe selection diagram

1.3 GPS 約束下建立局部地圖

一是對采集關鍵幀跟蹤到特征點的位置進行優化，二是對采集關鍵幀的位姿進行優化，其示意圖如圖3 所示。

圖3 關鍵幀位姿優化示意圖Fig.3 Schematic diagram of keyframe pose optimization

圖3 中，最近采集的n 個關鍵幀為對應的局部窗，局部特征點以及局部窗共同構成了相應的局部地圖，系統針對局部地圖做出優化。

1.4 位姿圖的優化

針對位姿圖優化，系統提出了一種半全局最優化的策略，位姿圖最優可以通過下式進行求取最小值得到：

式中：Cpose為對應位姿圖的代價函數。

2 實驗結果與分析

2.1 分析GPS 置信度

電子商務配送機器人在某大學分為2 條路徑進行數據實驗。第一條路徑以電信群樓為起點，途經行政樓，而后回到電信群樓，整條路徑呈閉環結構。第二條路徑以圖書館為起點，途經東上院以及第二餐廳，整條路徑不形成閉環結構，且途中經過隧道，在隧道中GPS 信號極弱。

先對采集到的GPS 數據做出半監督聚類[5]的處理，而后將所得參數對不同路徑的情況進行測試。依據測試參數計算得到的GPS 置信度為｛s0，c0，dv0｝=｛2，0.9834，0.1035｝，｛cmax，dvmax｝=｛2.900，0.6343｝，｛s0，c0，dv0｝為對應的中心點，cmax為在正樣本條件下所得的最大協方差，dvmax為在正樣本條件下所得的最大速度差。以此為依據進行置信度分析，得到的結果如圖4 所示，圖中箭頭標注路徑示意，矩形框選部分為樹蔭密集或者隧道路段。

圖4 路徑示意圖Fig.4 Path diagram

圖5 表示兩條路徑測得的GPS 置信度結果，由圖可知，此種方法在空曠地段，能夠做出對應的正樣本的判別，在隧道或者是樹蔭密集處，能夠將對應采集到的GPS 信號，做出負樣本的判別，符合實際過程中GPS 的使用情況。

圖5 GPS 置信度實驗結果Fig.5 GPS confidence test results

2.2 檢驗路徑準確性

對路徑準確性的檢驗，主要是考量當GPS 信號由于隧道或者是樹蔭遮擋出現不穩定的情況時，系統能否優于其他算法系統。本文通過將改進系統行駛路徑與VINS-MONO、純ORB-SLAM、GPS 融合IMU路徑以及原始由GPS 測量的路徑進行比較，對其誤差累積消除的能力、GPS 不穩定時對應的抗干擾能力以及還原至單目視覺尺度[6]的能力進行比較，比較結果如圖6、圖7 所示。

圖6 路徑1 各算法對比Fig.6 Comparison of algorithms in path 1

圖7 路徑2 各算法對比Fig.7 Comparison of algorithms in path 2

由圖6 可知，VINS-MONO 算法估算路徑會產生較大誤差，精度較低；ORB-SLAM 算法估算路徑盡管誤差相對較低，但是不能將實際的尺度因子進行恢復；EKF 融合之后估算所得路徑抗干擾能力較差，易由于GPS 信號的不穩定產生較大的波動[7]；改進系統估算所得路徑誤差最小，2 種情況中都能夠進行更好的尺度因子恢復，同時能夠彌補GPS 信號不穩造成的斷點情況，體現了更好的魯棒性，路徑更加平滑。由圖7 可知，VINS-MONO 算法估算路徑會產生較大誤差，盡管最終能夠消除對應的累計誤差，但是整體誤差較大，也就是說環境信息的感知精度[8]不高，很難做到與實際地理位置的精確對應；ORB-SLAM 算法估算路徑相對VINS-MONO 算法誤差較小，但還原度較差；EKF 融合之后估算路徑相對精確，但波動較大，同樣受到GPS 信號不穩定的影響；改進系統估算所得路徑進行了GPS 信號的約束，能夠更好地對累計誤差進行消除，提高了數據處理精度，感知分析建立的地圖與實際地圖能夠做到相互對應，并進行實際尺度的還原。

2.3 檢驗算法的時效性

改進系統的時效性，主要通過和ORB-SLAM 算法在3 個不同的線程做出比較。實驗以路徑1 為實驗路徑，針對2 種算法在路徑估算中特征點跟蹤的處理時間、位姿圖優化時間以及建立局部地圖的耗時進行比較。比較過程中，改進系統算法動態局部窗的控制范圍為5～20，同時ORB-SLAM 算法在回環檢測的過程中，不執行相應的位姿圖全局優化。其在特征跟蹤處理、位姿圖優化以及局部地圖建立的處理時間如圖8 所示，處理平均時間的比較如表1 所示。

表1 各線程平均時間比較Tab.1 Comparison of average time of each thread

圖8 三種線程對比Fig.8 Comparison of three threads

圖8 中，分別表現了針對同一路徑1，在進行路徑估算的過程當中，改進算法與ORB-SLAM 算法在針對特征跟蹤、位姿圖優化以及局部地圖建立[9]所需的時間。通過圖8 分析，改進型算法在位姿圖優化以及局部地圖建立上，其處理時間均小于ORB-SLAM算法，特征跟蹤所需的處理時間相對比較穩定。

由表1 可知，在特征點跟蹤這一線程上，改進系統算法用時長于ORB-SLAM 算法，原因是改進系統算法為提高精度，需要對IMU 偏移量以及系統整體的速度進行估計；在建立局部地圖這一線程上，由于改進系統算法對動態局部窗的范圍進行了合理控制，因此改進系統算法所需要的時間要少于ORB-SLAM算法所需時間；在位姿圖矯正這一線程上，改進算法與ORB-SLAM 算法在初始階段用時不會有太大差距，當路徑不斷增加時，改進算法的時間效率會不斷提高，這是由于ORB-SLAM 算法在每2 個周期的節點，都需要進行1 次檢測，以確認監測點與確定的地圖點是否能夠形成閉環[10]，所以在路徑不斷增加的過程中，ORB-SLAM 算法會不斷增加回環檢測的次數，因此時間效率逐漸降低。改進算法能夠保證位姿圖矯正過程中多數情況用時較少，但是當GPS 信號不穩定時，需要執行位姿圖的重新校正。總體來看，改進系統算法與ORB-SLAM 算法相比，在提高精度的同時，能夠得到更高的效率。

3 結語

該系統算法在ORB-SLAM 算法的基礎上做出了改進，是一種進行多個傳感器相互融合的建圖以及同步定位的算法。將視覺、IMU 以及GPS 進行相應的信息融合，三者結合可以保證平臺系統的準確性和時效性，具有低成本、高精度、高效率的特點。該電子商務配送機器人系統經過實驗驗證，方法切實可行，應用前景廣闊。