AirJD 焦点
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 1850 关键词 人工智能, 智能硬件, 机器学习 
分享到

第1页

Copyright 2009-2016 slamtec.com

基于激光雷达的高性能服务机器人自主定位导航

陈士凯 CEO 上海思岚科技有限公司

RPF-SLW-INTRO-ARCHSUM



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

4



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

9



第10页

10



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

15



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

17



第18页

(𝑥, 𝑦, 𝜃)



第19页

19



第20页

20



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

28



第29页

早期:基于超声波



第30页

30



第31页

31



第32页

32



第33页

研究中:计算机视觉(vSLAM)



第34页

34



第35页

35



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

37



第38页

激光雷达 LIDAR





第39页

39



第40页

40



第41页

41



第42页

42



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



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

56



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

58



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

62



第63页

粒子滤波





第64页

回环闭合问题 (Loop Closure)



第65页

65



第66页

66



第67页

绑架问题(Kidnapped Problem)



第68页

运动规划



第69页

69



第70页

70



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

75



第76页

76



第77页

77



第78页

Coverage Problem



第79页

79



第80页

80



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

85



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





第90页

90



第91页

91



第92页

92



第93页

10000m2 超大室内环境地图构建



第94页

94



第95页

95



第96页

96



第97页

Thank You

Copyright 2009-2016 slamtec.com





支持文件格式:*.ppt, *.pptx, *.pdf
上传最后阶段需要进行在线转换,可能需要1~2分钟,请耐心等待。