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。

  机器人视觉导航工作总结_第1张图片

  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;

 

你可能感兴趣的:(机器人视觉导航工作总结)