MAGAZINE
刊物內容

回列表

智慧服務型機器人視覺融合地圖構建

摘要"

在工業4.0與智慧自動的浪潮下,近年興起服務型機器人應用之浪潮,傳統科幻電影中機器人出現之身影,也逐漸落實於現實面中,諸如智慧送餐、物流遞送、保全監控等,從以往工業領域主導逐漸移轉至商轉服務導向之構面。近期因新冠肺炎所影響,於醫療院所與公共區域,可見消毒服務型防疫型機器人之問世,提供非接觸式之衛生應用服務。
在場域應用上,服務型機器人在導航運行時的地圖參照,以佔據式格點地圖OGM ( occupancy grid map) 的應用為主,在場域單純的環境中,OGM已可以讓機器人運行無礙。但若場域環境複雜性加劇,定位丟失的問題往往困擾著系統設計者。也因此本文主要以視覺VSLAM技術協助提升相關圖資建立,並以一種新型態之視覺融合地圖之方法,提升服務型機器人於複雜環境中之圖資正確性與定位精準性之效能。

關鍵詞:智慧服務型機器人、視覺、地圖構建

SLAM相關技術之簡介

論述服務型機器人於環境導航運行自如之關鍵,乃源於SLAM技術之發展,SLAM是「Simultaneous Localization And Mapping」的縮寫,多譯為”同步定位與建圖”,可讓服務型機器人於陌生環境中,透過自主建圖與空間定位的演算,於陌生環境進行導航並同步定位,用以達到場域應用服務之目的。技術上取代原本單純利用磁軌、二維條碼之固定空間行走定位,並有動態環境適應以及自主導航之空間便利性優勢。
SLAM演算法,起源於 1986 年的IEEE Robotics and Automation Conference 大會上,當時的研究人員提出了以估計理論的演算模型 (estimation-theoretic methods) ,讓機器人於未知環境中進行空間定位與環境建圖的方法。而後相關技術廣泛應用於服務型機器人,在沒有任何對照條件的情況下,根據搭載傳感器的相關數據,以即時的構建周圍環境的地圖,同時根據此地圖推測機器人自身的位置,使為機器人SLAM技術之濫觴。近年來在計算機資源效率大幅提升以及感知器技術一日千里的推波助瀾之下,SLAM技術於服務型機器人的相關應用,已為近年來研究之熱門議題。
從以上論述機器人SLAM的運算過程,旨於從未知的環境中,於未知的位置進行自主移動,機器人於移動的過程中根據感測器的詳細資訊,估測位置之演算,即時完成空間中地圖的建立與定位,此項運算需要藉由機器人與環境特徵之間的回饋資訊,即時並逐步的構建空間中之完整地圖。
目前服務型機器人導航演算設計,相關控制上以SLAM演算技術搭配2D 光達整合設計而成,主要從未知環境的未知地點出發,在運動過程中通過重複觀測到的地圖特徵(比如:牆角,柱子等)定位自身位置和姿態,再根據自身位置,增量式的構建空間圖資,從而達到同時定位和地圖構建的目的,並於空間環境中構建導航資訊,進行同步建圖並且完成定位資訊以及行走路徑的設定等功能。
而機器人在SLAM運行所參考的環境地圖,技術上又以佔據式格點地圖OGM( occupancy grid map,以下簡稱OGM ) [1] 為現今之主流,最早由Elfes和Moravec提出。在技術上可以透過2D 光達,於建築物空間中建立佔據式格點地圖,OGM具有快速建立和維護便利之優勢,並盡可能保留了整個環境中各種資訊的技術特點,機器人可藉助於該地圖,進行自主定位和導航路徑規劃。

先期技術探討- 
OGM 佔據式格點地圖

服務型機器人SLAM系統的地圖參照,OGM乃是近期學研界對於機器人周圍環境特徵中一種經典且常用的地圖表示方法。OGM將地圖分成許多的像素或稱為網格(Cell),並將實際空間以兩個或三個並列的維度轉換成一維網格陣列,每一個網格都包含機器人於二維空間的估測資訊,並以機率的方式讓機器人判定地圖的位置是否能夠通行。OGM在技術上,具有空間不確定性越小,任何物體所佔據的網格數量就越少的特點,透過Bayesian 貝式機率估測方法,可有效利用格點來解決多維度的空間資訊的計算問題。
以地圖m的建立為例,OGM乃利用2D 光達的量測值回饋集合為 zt= {z1,…,zt},及其機器人的行走路徑為xt = {x1,…,xt},陣列以擷取的順序集合而成,網格的計算值以量測的機率值而得,機率值介於0~1之間。
(1)
OGM佔據式格點地圖的表示法,地圖的細緻度主要以連續偵測空間的資訊單元而得,離散化表示為mi:
(2)
利用式(2)將OGM的值分配給每個mi,當網格單元被佔用時,其分配為“ 1”,反之將其分配為“ 0”,每一個網格將會是一個隨機變量,如式(3),將真實空間資訊離算以OGM 的網格(Cell)的方式表示,並將機率資訊以連續乘積而得式(4)。
(3)
(4)
為了簡化計算,而使用log-odd進行估算,避免機率概算中接近0或為0造成資訊不穩定的現象,如計算式(5)與(6)。
(5)

(6)
演算上基於梯度下降的掃描比對方法,配合2D 光達的回饋資訊,估測機器人的移動數據,同步建立OGM地圖。在實務上機器人運行於ROS系統,以對應的ROS節點,如GMapping配合2D 光達,將2D 光達的掃描資訊和里程計同時建立二維OGM地圖,如GMapping、Hector SLAM以及Cartographer等。機器人於SLAM運行時,即時更新空間的圖資資訊,作為導航定位之參照。以下並列出相關貝式機率計算求得OGM之演算流程,如圖1所示。...更多內容,請見《機械新刊》雜誌

READ MORE BACK TO LIST