昇腾AI室外移动机器人原理与应用(二 初识室外移动机器人)

2 初识室外移动机器人

2.1 室外低速无人驾驶机器人简介

室外移动机器人主要运行在室外封闭园区或城市非机动车道上，比如我们可以在很多地方看到京东美团的物流配送小车，电厂代替人工巡检的机器人，在野外执行特殊任务的机器狗，在园区清扫的机器人等。

以轮式物流配送机器人为例，主要由线控底盘和自主无人系统组成。线控底盘的核心难点是车控的软硬件开发，该部分不在本书的重点讨论范围。自主无人系统是机器人的智控部分，也是本书的重点。

线控底盘内部由VCU( Vehicle Control Unit 整车控制单元) 控制器作为核心单元实现车控功能，外加车架、防撞条、线控转向系统、线控制动系统、双悬臂独立悬器、动力系统、电源等部件。整体车速可达15km/h，具有一定的爬坡能力和较小的转弯半径，较大的载重/空重比，可在室外不同类型的路面通行，有长续航能力和复杂环境适应能力。

自主无人系统实现了机器人的智控功能，在具有AI算力的计算工控机上搭载雷达与相机等传感器，进行人车与道路感知，估计自身状态，具有自主定位导航、环境感知、路径规划、动态避障的能力。

2.2 常见机器人类型介绍

根据机器人应用场景不同，国际机器人联盟(IFR)将机器人分为工业机器人和服务机器人两大类。工业机器人广泛应用于3C电子、汽车制造、航天航空、化工等多个领域。按照用途可分为搬运作业/上下料机器人、焊接机器人、喷涂机器人、加工机器人、装配机器人、洁净机器人等。服务机器人用于完成有益于人类的服务工作且不包括从事生产的设备。服务机器人可以分为公共服务机器人、个人/家用服务机器人以及特种服务机器人。

本书主要围绕用于室外场景的公共服务机器人展开介绍，比如室外配送机器人、农业机器人、室外清扫机器人、室外巡检机器人等。

园区配送或干线物流机器人顶部配有激光雷达，四周安装摄像头、毫米波和超声波雷达，实现周围360度无死角感知，内部搭载的算力约等于1~3个Nvidia AGX XAVIAR，具有L4级别的自动驾驶能力，可在园区或城市道路自主巡航，完成物流配送任务。

农业机器人可以自动完成农业耕整地、消毒、插秧、植保、收割等作业，通过多传感定位系统实现在田地间的自主定位，视觉识别精准判别杂草、农作物、障碍物、斜坡、崎岖不平的路面，路径规划实时计算轨迹完成自动作业。

清洁机器人配有激光雷达、超声波雷达、视觉传感器、轮速计、IMU、碰撞传感器、防跌落传感器等，运行于楼宇、工厂、校园等场所，可以在室内外完成洗地清扫等任务，通常为差速轮式底盘为主。最大行驶速度一般有5km/h，转弯半径150cm左右。配有滚刷和自适应清洗设备，自主适应不同地面的清洁要求。边界识别可以实现零距离贴边清洁，智能路径规划完成整个区域的清洁任务。

巡检机器人集成了环境感知、动态决策、行为控制和报警装置，具备自主感知、自主行走、自主保护、自主识别、自主交互能力，可以帮助人类完成基础性、重复性和危险性的工作，提升巡检的效率和服务质量，降低运营成本。机器人顶部安装一个大景深的球机，对仪表等设备拍照识别，部分巡检机器人会采用四足机器人，以满足台阶越障等问题。

2.3 主要场景分析

通过上述几种典型常见机器人的介绍，我们可以发现这些机器人的共同点是自主移动能力，然后搭载不同的外围装备与底盘系统完成配送、农业、清洗、巡检等特定任务。

根据目前主流的机器人部署场景，可以将场景分为多个不同难度的层级，移动机器人最复杂的一种场景与城市中的L4自动驾驶汽车类似，需要多传感器、高精地图、定位、感知、预测、决策、规划、控制、OTA、V2X、HMI等模块，较简单的场景通常是L4自动驾驶汽车的其中一个子集。

我们根据传感器与算力的配置来进行场景的分层设计。算力和传感器的配置越低，机器人系统的成本越低，算法架构越简化，可以适应的场景也越简单。下面我们将根据AI算力和通用算力的大小从低到高进行介绍。

第一种场景AI算力可以不需要，通用算力一般采用双核或四核的ARM处理器。传感器主要配有GPS、IMU、多线激光雷达。整个自主无人系统只需要定位和规控这两个模块。该场景人车等动态障碍物很少，外界环境不会发生太多改变，行驶路线固定，只需要沿着之前保存好的轨迹行走即可，通常用于巡检等场景。在GPS信号良好的情况下，使用组合导航即可满足定位要求，通过实时定位加轨迹跟踪完成自动巡航任务。在GPS信号较差的情况下，可以采用激光雷达进行地图匹配，实现长时间的定位任务。

第二种场景采用AI算力10-30Tops左右，通用算力大约四核-八核的SOC计算单元。传感器配有GPS、IMU、多线雷达、2-4个摄像头。整个系统包括定位、感知、决策、规划、控制等模块。典型的应用场景是园区的巡检和清扫等。AI算力用于感知模块的物体识别和道路感知。

第三种场景采用AI算力30-80Tops左右，通用算力大约八核-十六核的SOC计算单元。传感器配有整个系统包括定位、感知、预测、决策、规划、控制等模块。典型的应用场景是园区的无人配送。AI算力用于感知和预测模块。

第四种场景采用AI算力80Tops以上，通用算力十六核以上的SOC计算单元。传感器配有GPS、IMU、多线雷达与多个角雷达、四周有环视摄像头，前置双目相机和大景深摄像头，四周有毫米波雷达，可以对车身四周实现360°感知。自动驾驶级别与L4级的无人车类似，和第三种场景相比，感知的类型会多很多元素，比如红绿灯，道路上的各种标志等。定位任务也会困难很多，需要涉及到视觉、激光、IMU等多传感器融合定位的问题。预测可以感知城市道路上的。典型的应用场景是城市道路上的无人配送任务。在一些强化学习的任务中也会涉及到AI算力。

2.4 机器人硬件通用框架

自主无人系统的硬件部分主要涉及到多传感器和电气接入，设备供电，计算工控机以及通信总线。
计算工控机内置ARM/x86架构的多核CPU以及GPU/NPU架构的AI算力，有的还会内置MCU。工控机的外围接口有USB口、DB9串口、PCI、WIFI、网口、GPS接口。

2.5 机器人软件通用框架

定位是求机器人的当前位置和姿态。例如在一个园区中，采集好地图后，确定园区的原点，根据传感器采集的信息计算机器人相对园区坐标系的位姿。定位的指标主要有精度，鲁棒性，可覆盖场景。室外定位精度通常在10cm以内，鲁棒性通常不超过30cm。场景需要适应白天与黑夜的光强变化，春夏秋冬的季节变化，楼宇、林荫道、隧道等地点的切换，雨雪冰雹天气的影响。室外的不确定性为定位带来了很多挑战。同时定位模块还会输出自身的速度、加速度等信息，每一个模块都会使用定位实时输出的结果。
感知模块主要用于感知路面的地面标志、可行驶区域，3D空间感知，动态物体(人/车等)的语义信息和运动状态。给决策与规划模块提供有效的信息。动态物体(人/车等)的语义信息和运动状态主要将图像和点云的信息进行检测、分割、跟踪，得到感知对象的ID、2D/3D框、相对位姿。路面感知主要采用分割算法划分出可行驶区域，地面标志和红绿灯通过分类算法得到标识的信息，3D空间感知将点云进行体素计算，得到环境的三维体素模型。
预测算法预测其他目标物的行驶轨迹和意图。
融合算法融合不同传感器的数据和感知结果。
规划算法包括全局路径规划和局部路径与速度规划，确定机器人行驶的路径。
决策算法根据模块传递的信息，决策机器人的行为以达到驾驶的目标。主要行为有加速、减速、转弯、超车变道等。
控制算法对机器人动力学模型建模，实现底盘运动控制。
高精地图对感知、规划、定位都有很好的支持作用。高精地图可以提前在地图上标注好道路边缘、绿化带、车道线、台阶、路网信息、路况信息等静态信息。高精地图存储方式是一个高维的空间，地图可以精确到厘米级。高精信息可以减少感知的计算量，在重地图，轻感知的策略下，可以节省很多计算算力，同时提高系统的鲁棒性，但是地图的制作和更新成本较大。高精地图的语义信息和点云等可以给定位提供先验信息，方便进行语义目标或点云配准。规划根据地图标注好的参考线进行轨迹优化，让机器人更好地沿着参考线行驶。