机器人底盘导航方式：激光SLAM、视觉SLAM

来源：创泽机器人时间：2022/7/21

机器人底盘是机器人自主移动的基础，但要实现底盘的自主移动也并非易事，需要做到自主定位导航及避障等功能。

在实现机器人导航方法中，目前主要有激光SLAM和视觉SLAM之分，还有路标导航、二维码导航等，其中激光SLAM适用范围更广，在理论、技术和产品落地上都更为成熟，而视觉SLAM目前仍处于研发和应用拓展及产品逐渐落地阶段。

创泽机器人底盘

激光SLAM

在激光SLAM中目前主要采用2D或3D激光雷达，但应用于机器人上主要以2D激光雷达为主，2D激光雷达也叫单线激光雷达，它相当于机器人的“眼睛”，可实时采集周围物体的环境信息，对采集到的物体信息呈现出一系列分散的、具有准确角度和距离的点云数据，通过激光SLAM系统对不同时刻的两片点云数据进行匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人本身的定位。

激光雷达的出现使得测量更精准，误差模型更简单，在室内环境中运行稳定，当然，除了室内，针对室外（即使是强光直射）环境也同样有运行稳定的激光雷达。另外，由于点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变的更为直观。

视觉SLAM

视觉SLAM方案目前主要有两种实现路径，一种是基于RGBD的深度摄像机，比如Kinect，还有一种就是基于单目、双目或者鱼眼摄像头。

基于深度摄像机的视觉SLAM，跟激光SLAM类似，也是通过收集到的点云数据，来计算障碍物的距离。

而基于单目、鱼眼相机的视觉SLAM方案，主要是利用多帧图像来估计自身的位姿变化，再通过累计位姿变化来计算距离物体的距离，并进行定位与地图构建。

总的来说，相比视觉SLAM，激光SLAM技术更为成熟，适用范围也更广阔。目前，基于激光SLAM技术的机器人已广泛应用于各类服务机器人中。

路标导航

路标导航是指通过对移动机器人的内部传感器输入信息，并且能识别出的特殊环境的标志，这种路标本身具有固定的位置，可以是数学中的几何形状，也可以是字母及二维码等。根据机器人所使用路标的不同，也可分为人工路标导航和自然路标导航两大类。

人工路标导航是事先对机器人行走路线做好标记，通常采用特殊设计的颜色或纹理结构、信息图案等，这些图案一般是用纸片打印制作，通过环境光照明使摄像机感光成像。从而为机器人在环境中安装专用的导航路线，这种导航方式相对较容易实现，但容易受环境光照变化的影响，稳定性差。

而自然路标导航是机器人不对原有的路线环境进行改变，而是通过对周围环境进行自然特征的识别来实现导航，常规做法主要是利用地图几何特征，抽取Voronoi图交叉点作为显著地点的方法。这种导航方式虽不破坏原有环境，普适性好，但计算复杂、鲁棒性不强。究其原因，主要是因为自然路标的检测和提取比较复杂，常需要保存机器人视野中的所有图像信息，然后进行特征的提取，存储，检测，匹配等。考虑到一个典型的室内场景图像中往往存在太多的特征点，或者在室内导航过程中，检测到数据库中存在类似的场景，再加上局部特征点维度等种种因素，往往会导致应用所需的计算复杂度过高。

惯性导航

惯性导航是一门涉及精密机械、计算机技术、微电子、光学、自动控制等多学科和领域的综合技术。通过描述机器人的方位角和根据从某一参考点出发测定的行驶距离来确定当前位置的一种方法。这种导航方式通过与已知的地图路线来比较，进而对移动机器人控制它的运动方向和距离，这样便能实现机器人的自主导航。

其主要工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度、角加速度，将它对时间进行一次积分，求得运动载体的速度、角速度，之后进行二次积分求得运动载体的位置信息，然后将其变换到导航坐标系，得到在导航坐标系中的速度、偏航角和位置信息等。

这种导航方式的优点在于其无需受气候条件及外部信息的干扰，但随着时间的积累，在对其进行积分之后，就算是一个很小的常数，它的误差也将无限增大，因此，惯性导航里所用的传感器对于长时间的精确定位是不合适的。

同时，机器人底盘还配备了超声波、防跌落、深度摄像头等多种传感器，利用激光雷达传感器可时刻扫描周围环境，提供地图数据，构建精度高的地图，并基于该地图数据实现自主路径规划及导航功能;遇到玻璃、镜面等高透材质障碍物时，超声波传感器能让机器人底盘及时识别、避让。

信息推荐

机器人底盘

水滴2系列机器人底盘

方舟系列机器人底盘

云海系列机器人底盘

近期动态