机器人视觉导航工作总结

1.SLAM技术

　　SLAM 全称 Simultaneous Localization and Mapping，中文名曰「同步定位与地图构建」，主要用于解决机器人在未知环境运动时的定位和地图构建问题。在SLAM理论中，第一个问题称为定位 (Localization)，第二个称为建图 (Mapping)，第三个则是随后的路径规划。SLAM的实现方式与难度和传感器密切相关。目前实现SLAM的传感器大体分为激光和视觉两大类。相比于图像，激光雷达可直接测量目标与传感器之间的相对位置，使得激光雷达SLAM技术更加简洁高效。近几年激光雷达的发展使得传感器本身的测量精度大大提升，使得激光雷达SLAM成为主流定位导航方式。目前成熟的SLAM系统分为前端和后端两部分。前端提取传感器数据，估计机器人状态并构建图模型；后端对所构建的图模型进行优化。相比而言，前端运算复杂度较低，但与机器人运动直接相连，实时性要求较高；而后端实时性要求较低，但运算复杂度高，超过一般机器人所搭载的运算能力。因此，结合云服务器平台，将前端和后端分离，由服务器承载后端优化，可在提高精度的前提下增加实时性。

　　

　　对于客户的诉求，行业的革新，需要侧重以下几个维度：

• 一是易用性，客户在使用某个技术时，不需要额外开发调试和二次开发，不仅大幅降低研发时间，还可以结合SDK进行灵活、多样的功能扩展。
• 二是低成本，机器人的整机成本需要低于等价人力成本，SLAM定位导航技术需通过其技术支撑，使处在产业初期的服务机器人没有成本压力。
• 三是高精度，服务机器人在运动过程中的定位精度至少需要达到10cm，而工业仓储机器人甚至需要1-2cm的精度。虽然可以通过预先导入高精度地图（如CAD模型）的方式提高定位精度，但这也降低了用户体验。

　　SLAM技术在物流仓储场景中的应用

　　SLAM导航技术在智能仓储领域也发挥着至关重要的作用。一个机器人也好，无人汽车也好，其中最核心，最根本的问题有四个，定位技术、 跟踪技术、 路径规划技术，还有就是控制技术。而这四个问题中的前三个，SLAM 都扮演了最核心的功能。打个比方，若是手机离开了 wifi 和数据网络，就像无人车和机器人，离开了 SLAM 一样。

SLAM导航通过激光雷达对场景的观测，实时创建地图并修正机器人位置，无需二维码、色带、磁条等人工布设标志物，真正实现对作业环境的零改造。

　　另一方面，通过激光雷达对障碍物的实时检测，有效规划轨迹避开障碍物，提高人机混合场景的适用和安全性。

　　通过在M100机器人上搭载不同的功能模块，实现柔性辊道对接、人机交互拣货等系统，提高了机器人本体在不同场景应用中的可拓展性。

2.机器人的双目测距、定位、识别电梯按钮

 

3.电梯的开与闭识别；

4.电梯里面的按键识别，机器人获取的电梯按钮图像有一定的倾斜畸变，需要做一些仿射变换校正，设定标签识别该区域，分割出按钮的部分，模板匹配，基于深度学习训练等；

5.运动目标检测，红绿灯识别等；