学术分享|基于远程数据处理的智慧城市机器人视觉SLAM

室内导航是在城市环境中使用机器人和无人机的主要紧迫问题之一，特别是在没有全球导航卫星系统（GNSS）信号的情况下。这在智慧城市的背景下尤其重要，当物联网的各种异构设备、地面、水上和水下机器人、无人机和无人驾驶车辆组合在一个单一的信息管理系统中时，有目的地行动，自主或远程操作。

在这方面，研究人员提出了一种通用的方法，以提高机器人和无人机使用的SLAM算法用于定位和映射的效率，其本质是使用vSLAM的优化算法以及一个或多个远程处理服务器。最初假设在目标房间或建筑物中部署无线网络（多个无线网络或网状网络）。资源密集型数据处理“转移”到远程服务器（服务器），前提是机器人/无人机可以访问它/它们（可以使用云、雾和/或边缘服务器和框架）。这样可以显着减轻机器人/无人机的计算负担，并增加其操作时间。然而，通过无线网络将数据传输到服务器，其处理并将结果发送到机器人/无人机会导致导航数据（地图更新和机器人在本地空间中的位置）的提供延迟。解决这个问题的主要方法是使用数据压缩方法和算法，更快的标准和通信协议，以及在网络中的代理之间自适应重新分配负载。

通常，可以区分为机器人创建远程vSLAM系统的两种方法（图1）。第一种方法意味着通过无线连接将来自传感器（视频流）的原始数据直接发送到远程云/雾/边缘计算服务器。服务器执行特征检测和提取、姿态估计、映射、3D 点云拼接、地图优化和融合、跟踪本地地图、位置识别和闭环，而机器人仅负责向服务器发送视频数据并检索地图关键帧/地图更新。可以使用各种工具、协议、算法和数据压缩方法（如JPEG、RVL、PNG ）来减少无线信道上的负载和传输的数据量。该解决方案的优点是机器人/无人机的计算负担低，并且增加了运行时间。缺点包括增加服务器上的计算负载，对无线数据传输通道的高要求，以及从服务器检索机器人/无人机数据（处理的关键帧/地图更新）的延迟增加。

图1 创建远程 vSLAM 系统和可视化数据处理的方法

第二种方法涉及移动设备/机器人/无人机上的数据预处理（例如，特征检测、提取和编码），随后将数据传输到远程服务器（云/雾/边缘计算）进行进一步处理并获取地图关键帧/地图更新。该方法的优点是减少了使用的网络流量和无线带宽要求。主要缺点是机器人/无人机的计算负载增加，从而减少了它们的运行时间。图 2 显示了机器人和无人机远程 vSLAM 系统的分类。

图2 远程 vSLAM 系统的分类

通过分析，可以对智能城市环境中机器人/无人机室内导航的有前途的vSLAM系统提出以下主要要求：

①单目和 RGB-D 都必须支持作为相机输入；

②vSLAM 应支持 640x480（480p）或1280 x 720（720p）分辨率，深度和RGB图像至少为30FPS ；

③为了达到所需的FPS值，机器人/无人机的无线信道带宽（上行链路和下行链路）应至少为350Mbps。因此，建议启用对Wi-Fi 802.11 n/ac/ax/ad 和/或5G无线标准的支持。使用 Wi-Fi 时，建议使用 5 GHz 信道。此外，还应使用具有最小数据包丢失的可靠或专用网络协议;

④ vSLAM框架应该同时具有多机器人和多服务器支持，具有自适应工作负载和计算负担平衡，以最大程度地减少延迟。分散式多机器人系统支持也是强制性的;

⑥耗时应为20–30毫秒。最大延迟上限阈值应为40毫秒，以确保最小磁道丢失率，定位精度不应低于5cm。

室内导航仍然是智慧城市中使用机器人和无人机的紧迫问题，尤其是在GNSS信号缺失或较弱的情况下。使用SLAM和vSLAM算法以及一个或多个边缘/雾/云数据处理服务器进行机器人/无人机的定位和映射是有前途的解决方案之一。基于对现有解决方案的分析并执行分类，可以形成一套有前途的vSLAM系统的要求，用于机器人/无人机的室内导航，包括其摄像头输入，分辨率，FPS数量，带宽，无线标准，通道和协议的支持，多机器人/多服务器支持以及时间消耗。

源自：2023 International Russian Smart Industry Conference (SmartIndustryCon)