机器人能知道自己在哪吗？如何对周围环境分析并导航？【AI大咖说】第六期，掌握机器人定位导航的秘籍。

随着智能机器人的快速发展，扫地机器人、送餐机器人、家庭陪伴机器人等服务类机器人陆续进入公众视线。在各场景的应用中，不管是什么类型的机器人，只要涉及到移动任务，就需要一项技术——定位导航。

今天，我们就来解析一下，机器人是如何对周围环境进行分析判断、规划路径，并实现自主定位导航的：

机器人定位导航技术概述

SLAM（Simultaneous Localization and Mapping），指的是同时定位与导航的技术。当服务机器人来到商场，需要在商场里走一圈，了解商场的环境，并通过激光雷达把商场的地图记下来，这个过程对机器人来说叫做“建图”，也就是SLAM技术。

通俗来说，自主定位导航技术主要解决机器人“我在哪里”、“我要到哪里去”以及“我怎么过去”三大问题。“我在哪里”、“我要到哪里去”指的是定位，涉及地图中的某一个点，“我怎么过去”则映射了定位建图的过程，涉及到导航避障、全路径规划等。

定位导航技术让机器人从A点准确快速地到达B点

定位导航技术包含四大技术模块，分别是自主地图构建、实时环境定位、运动和导航、传感器技术。那么，在现有情况中，这些技术是如何应用到机器人身上的呢？

U-SLAM研究与应用

U-SLAM，优必选科技自研的定位导航系统，能够根据不同场景装载不同的定位解决方案，使机器人建立周围环境地图并进行自身定位，根据环境变化智能选择去往目标点的最优路径，从而进行导航行为控制。

U-SLAM机器人自主定位导航商用级解决方案

通过U-SLAM，优必选科技为教育、医疗、导购、展览、巡检等多领域提供了相应的机器人工程解决方案。

U-SLAM覆盖十大应用场景

· 商用场景下服务机器人的定位导航技术

室内智能巡检机器人AIMBOT（智巡士）是一款应用于室内巡检的机器人，它在机房中有一个重要任务，就是精准地停在某一地点，通过摄像头对仪器仪表进行视觉识别。

AIMBOT（智巡士）在机房检测多类敏感信息

我们知道，机房里的机柜往往并排相连，具有高度重复性，且都是黑色物状伴随空洞网状和玻璃，当中的区别，肉眼也不一定能分辨出来。因此机房的精准识别，对机器人的定位导航前端提出了非常苛刻的运行条件。

机房环境对机器人定位导航条件严格

在解决镇定问题的过程中，假如AIMBOT（智巡士）执行精度不到位，就会为视觉识别带来困扰。可以说，AIMBOT（智巡士）在定位导航中面临两个紧迫问题：①执行精度必须稳定；②机房窄道流畅导航。

对于这些问题，来看看U-SLAM的技术先进性是怎么解决的：

在建图技术方面，如果地图能形成较好的回环，没有很大的重影和噪点，将为机器人提供非常好的定位。

为了达到这个需求，U-SLAM的建图技术采取了三种方法，分别是最优子图搜索算法，减少多次行走重复路径导致的地图重影问题；以及关键帧约束搜索算法，为后端优化器建立更多的有效约束条件，减少回环重影；还有相似区域判定算法，抵抗机器人在高度相似性环境导致的误回环现象。

U-SLAM手机APP建图

对于重定位技术，首先通过模板匹配提供一个粗精度的定位信息，再采用相关性匹配和高斯牛顿对初值进行精匹配。通过对不同场景的特别设计，可以有效提升重定位精度，同时降低计算时间。

重定位技术流程

对于定位技术，第一是导航当中的定位，第二是到达目标点的执行，包含了执行精度的定位。U-SLAM定位系统可以融合激光雷达、轮式里程计、IMU等传感器信息。

在全局路径规划方面，包括了路径切割技术，缩短实时规划的路径长度；高效智能的规划逻辑，权衡机柜宽度和路径长度，规划最优路径；临界宽度处理技术，使机器人通过临界宽度时不会犹豫，避开过道中打开的机柜门；障碍物记忆功能，当机器人在多条过道被临时堵死时，仍然可以找到前往目标点的路径。

全局路径规划技术

在导航流畅性方面，激光传感器将对机房机柜产生的大量激光噪点进行过滤，U-SLAM还在前端做了许多工作，让定位更加稳定和精准，即便不到10cm的宽度，机器人也能安全快速导航。

激光噪点过滤示意

在机房进行导航避障，往往会遇到网线等悬空细小物体、玻璃等透明障碍物，通过调试优化后，机器人也能快速及时地进行导航，解决好安全性问题。

AIMBOT（智巡士）在机房精准定位导航

· 基于UWB在超大场景的定位导航技术

除了应用在商用场景外，U-SLAM也能在超大场景下进行定位导航的良好部署。在机场、高铁站这样的环境中，普通的单线激光雷达往往无法完全“打到”边界，这就造成有效感知不足问题，不能提供较好的定位。针对这个问题，采取UWB（超宽带）无线通信技术，能实现超大场景的测距与定位。

UWB的测距原理是什么？通过一帧无线信号的飞行时间，可以计算出收发端的距离。此外，任何无线信号都可以用TOF测距，UWB频率适中，精度与最大测距距离也比较平衡。

UWB系统原理

有了测距作为输入后，再进行相应定位。已知多个基站坐标，和标签到这几个基站的距离，就可以求得标签坐标。像隧道这样的一维定位最少需要2个基站，平面定位最少需要3个基站，空间定位则最少需要4个基站。

机器人通过UWB进行测距与定位

UWB产品主要应用在UWB无线测距和UWB无线定位上。其中UWB无线测距，主要用于危险区的检测，通过把UWB标签放在机器人头部，和基站进行测距和定位。

UWB用于危险区的检测

UWB无线定位，则用于人员定位和机器人定位。在人员定位上，UWB落地在隧道、矿井里，在施工过程中，工作人员需要佩戴标签，从而得知每个人的具体位置，不仅提高合作效率，在发生危险情况时也能及时营救。在机器人定位上，机器人在机场等大场景中，通过和机场里的多个基站进行测距，把自己的定位计算出来。

智能服务机器人Cruzr（克鲁泽）在机场进行精准无线定位

· 人形机器人的多目视觉定位导航技术

大型仿人服务机器人Walker的身上加装了两个RGBD摄像头，以及前后各一对双目摄像头的传感器布局，从而实现多目视觉的定位导航技术。

应用到Walker之前，我们把基于原双目SLAM算法扩展到多目，达成“双目+多单目+IMU”的形式。

多目VIO抗动态物体遮挡演示，有效提高定位精度和鲁棒性，解决遮挡、动态物体对定位的影响

除此以外，U-SLAM还做了多目视觉的辅助定位——交叉回环检测。以往由于视觉视野有限，机器人实现回环需要走“冤枉路”，也就是重复路径。

多目视觉辅助定位——交叉回环检测

通过采用交叉回环检测技术，相机的图像可以在另一个相机的图像特征库中查询到回环。采用多目可以避免建图时一个通道来回走，算法除了可以应用在建图时回环检测，还可以应用于重定位。

比如机器人前面的双目摄像头所看到一些特征，储存起来了，可以被机器人后面的双目摄像头利用，到了回环或者重定位时，通过后摄像头去查询“曾经走过的地方是不是这里”，从而提高重定位和回环检测的成功率。

应用在Walker身上时，通过多目构建较稠密的箭头，用于避障以及三维重建，多目SLAM具有更广的视野范围，会建立更多的地图点（类似用来定位的路标），可以实现更强的跟踪性能、更高的建图精度和定位精度。

Walker自主选择全局路径，实现流畅避障和S形走位

Walker自主选择全局路径，实现流畅避障和S形走位

未来研究方向

定位导航的表现往往以外部环境为前提来衡量，我们可以理解为这是对外部环境的一个泛函数。因此，如果以外部环境的适应性来去衡量，可以将定位导航分为三个阶段：人工辅助阶段、像素级别特征阶段、物体级别特征及语义特征。

人工辅助阶段目前已经较为成熟，更大量的研发是集中到当前的阶段——像素级别特征阶段，我们知道，更好的传感器可以覆盖更多场景，但成本也同样上升，不利于大规模机器人落地应用。从算法的角度来说，更希望利用较低成本的传感器，走向物体级别特征及语义阶段，通过提升智能性来保障安全性。

定位导航技术在垂直场景的应用方向

定位导航是构建整个机器人运动能力的关键支撑，已经成为服务机器人产品的核心和焦点之一。未来，定位导航将往“类人”方向前进，帮助降低传感器的支撑，以及前期部署和后期维护地图的成本，大大提升导航安全性。优必选科技也将致力推动定位导航技术的发展和更广泛的应用落地，为新基建和各行各业赋能。