基于激光雷达的高性能服务机器人自主定位导航 by 陈士凯@思岚科技

AirJD

没有录音文件

00:00/00:00

加收藏

基于激光雷达的高性能服务机器人自主定位导航 by 陈士凯@思岚科技

发布者 machinelearning

发布于 1472711797043 浏览 5489 关键词 人工智能, 智能硬件, 机器学习

分享到

第1页

第2页

上海思岚科技有限公司

高性能机器人定位导航系统(SLAM) 低成本激光雷达

第3页

服务机器人元年

2004之前

桌面PC

笔记本

智能手机、平板

2012至今

可穿戴设备与物联网

如今

服务机器人

第4页

第5页

与现实世界的交互能力

人机交互自主定位导航环境交互

第6页

Where am I?

第7页

自动送餐

商场智能导购

智能仓储

自动返回充电

智能安防巡逻

病房巡视/老人看护

高效的室内除尘清扫

自主定位导航

第8页

传统机器人清扫轨迹

随机碰撞，无法保证覆盖率

采用自主导航定位的清扫轨迹

第9页

第10页

第11页

实时定位

在未知环境中

绘制地图

路径规划

无需人工干预

第12页

传感器

+

算法

第13页

初级方案：航迹推算 (DeadReckon)

第14页

里程计 (编码器)

惯性传感器 (陀螺仪/加速计)

相对位移相对旋转关系

第15页

第16页

𝜃

𝑙 𝑏

∆𝑟𝑖𝑔ℎ𝑡 − ∆𝑙𝑒𝑓𝑡 𝜃 = 𝑏

∆𝑙𝑒𝑓𝑡 + ∆𝑟𝑖𝑔ℎ𝑡 𝑙 = 2

差分驱动模式的计算

第17页

第18页

(𝑥, 𝑦, 𝜃)

第19页

第20页

第21页

初级方案：直接引导

第22页

巡线

第23页

信标引导 GPS/UWB/iBeacon/WIFI/RFID

第24页

• 误差随时间累计增大 • 对环境改造大

第25页

SLAM Simultaneous localization and mapping

同步定位和建图

第26页

Dead Reckon

Fast response High Resolution Unbounded Error

Inaccurate

Direct Measuring

+ KF EKF IKF UKF PF

Fused Re…sult

SLAM

Slow Response Low Resolution Bounded Error

Accurate

第27页

• 同步完成定位和地图构建 • 杜绝定位累计误差 • 无需环境中设置固定传感器

第28页

第29页

早期：基于超声波

第30页

第31页

第32页

第33页

研究中：计算机视觉(vSLAM)

第34页

第35页

第36页

现今最为成熟的方案

激光雷达 + SLAM导航定位算法

第37页

第38页

激光雷达 LIDAR

第39页

第40页

第41页

第42页

第43页

设计图

SLAM产生的高精度地图

第44页

视觉定位

0.1-2m 无法获得需配和额外传感器需要合理环境光存在累积误差

激光+SLAM

典型定位精度

0.01-0.1m

是否自主绘制地图

是

障碍物躲避

支持

工作环境依赖

无特殊依赖

长时间稳定性

无累积误差

WIFI/蓝牙信标定位 0.5-5m

无法获得需配和额外传感器

需要额外信标无累积误差

第45页

成本制约

难度与挑战

算法难点

运算耗时与结构复杂

第46页

$

成本制约

第47页

￥700,000 ！

第48页

￥

传统工业激光雷达产品

v.s.

￥

服务机器人期望售价

第49页

RPLIDAR 适合消费级领域的激光雷达

6米测量范围，2000hz采样率

2009 - 2013

第50页

RPLIDAR A2

一体化、高性能、高度集成最轻薄的激光雷达(4cm厚度)

第51页

￥

传统工业激光雷达产品

v.s.

￥

RPLIDAR *在批量情况下

第52页

𝑓𝑠 𝑞 = 𝑥

第53页

三角测距法

硬件成本

性能

软件复杂度

高高低接近＊

低高

第55页

12 0.20% 0.18%

10 0.16% 8 0.14% 0.12% 6 0.10% Resoultion 0.08% Precent 4 0.06% 2 0.04% 0.02% 0 0.00%

10 390 770 1150 1530 1910 2290 2670 3050 3430 3810 4190 4570 4950 5330 5710

第56页

第57页

现有三角测距原理雷达

相位测距普通摄像头

普通激光测距仪

理想的采样速度实用化最低要求

第58页

第59页

?

算法难点

第60页

Sensing 噪声和误差

Modeling 非精确描述

Planning 与现实不匹配可能

第61页

匹配与纠偏

第62页

第63页

粒子滤波

第64页

回环闭合问题 (Loop Closure)

第65页

第66页

第67页

绑架问题(Kidnapped Problem)

第68页

运动规划

第69页

第70页

第71页

路径规划障碍物规避

第72页

A* path finding

第73页

VFH – Obstacle avoidance

第74页

A* v.s. D*

第75页

第76页

第77页

第78页

Coverage Problem

第79页

第80页

第81页

充电对接

第82页



开发难度大、耗时

第83页

(𝑝𝑋, 𝑝𝑌) 𝑪𝒆𝒏𝒄𝒐𝒅𝒆𝒓 (𝑟𝑜𝑙𝑙, 𝑝𝑖𝑡𝑐ℎ, 𝑦𝑎𝑤)

𝑥0 𝑥1 … 𝑥𝑛

(𝑃𝑊𝑀𝑥, 𝑃𝑊𝑀𝑦)

(𝑑𝑋, 𝑑𝑌, 𝑑𝜃)

(𝑋′, 𝑌′, 𝜃′)

(𝑋, 𝑌, 𝜃) 𝑬

𝐶0 𝐶1 … 𝐶𝑛

第85页

第86页

• 需要PC主机性能运行 • 与外部设备高度耦合

第87页

SLAMWARE Core 高度集成的模块化导航定位核心

第88页

HS BUS CTRL BUS

D*引擎

运动控制

SLAM引擎

RPLIDAR 驱动

9DOF 惯导

高速通讯总线运动控制总线

定位坐标，姿态 (𝑋, 𝑌, 𝜃) 协方差

环境地图

RPLIDAR接口 5V电源用户机器人底盘

模块输出

第89页

MotionSDK

WIFI

LCD

MIC Camera

业务应用平台(x86/ARM)

Motor Power

LIDAR Interface (UART+PWM)

HS Bus (100Mbps Ethernet)

CTRL Bus (UART)

LED Buttons

人机接口层

Ctrl Logic

用户业务层控制层

Battery

Ctrl MCU (STM32)

Power Mgmt

HBridge Encoder Sensors

机器人底盘