巡检机器人DZ30自主巡航视频
视频中自主导航巡检机器人DZ30在封闭的环境下实现自主导航的示例,通过搭建包括激光雷达、深度相机、轮速计、陀螺仪、毫米波雷达等多传感融合感知周围环境,规避障碍物并重新规划路线,实现了室内导航、避障等功能。
一、自主导航解决方案
北京渡众机器人有限公司提供的自主导航解决方案,通过GPS加惯导的组合,LIDAR点云与高精地图匹配,以及视觉里程计算法等方法,使机器人实现了精准定位和自主导航。基于这套方案,机器人构图定位和导航的精度可保持在厘米级,且可实现从户外到室内的无缝切换。
同时,基于这套自主导航解决方案可帮助低速自动驾驶车辆在结构化环境、非结构化的环境中无需人工参与而自主地移动完成既定的任务。通俗来说,就是解决低速自动驾驶车辆解决“我在哪里”、“我要到哪里去”以及“我该如何过去”这三大问题。
二、如何实现定位导航
低速自动驾驶车定位导航,解决两个问题:"我在哪里?",这个是其导航系统中的定位及其跟踪问题;“我要到哪里去”以及“我该如何过去”,是导航系统的路径规划问题。
1、定位
目前的定位方式主要包括:卫星定位,使用图像/LiDAR进行map-match的绝对定位和 slam类似的增量定位,惯性导航和轮速计等。
*卫星定位:是一种绝对定位方式,通过一定的增强手段,可以实现全天候(和时间/气候不相关)厘米级定位,但是容易受遮挡、电磁干扰,比较脆弱。
*激光雷达/相机和提前建好的地图做地图匹配map-match:据目前最新的一些论文看,精度和鲁棒性都算可以,但是在提前建设的地图比较大,基建狂魔下的中国,环境变更也特别多,另外对于相机而言,光照变化、相机遮挡也是一个较大的挑战。
*惯性导航和轮速计:优点就是无外部依赖,但是整体随着时间积累,误差积累较快。
以上这些传感器的定位方式,都有各自的优缺点,想要独立去实现所有场景下的高精度、高可靠定位能力几乎是不可能的,目前较好的解决方案,就是希望各种方式都挖掘最大的潜力,然后互相弥补、备份,在统一融合层面,去追求精度、可用、可靠等核心指标。
北京渡众机器人定位技术——多传感器融合定位。北京渡众机器人是融合以上定位方法的多传感器融合定位技术。通过激光雷达、深度相机、轮速计、陀螺仪、毫米波雷达等多传感融合,使机器人具备自主感知能力,构建出一个和真实环境一致的高精地图,并在高精地图上对机器人位置进行精准定位。
如下图所示,左边是惯性测量单元IMU、激光雷达等;中间是GNSS定位以及激光点云定位模块,GNSS定位输出位置及速度信息,点云定位输出位置及航向角信息;右边是融合框架,融合框架包括两部分:惯性导航解算、Kalman滤波;融合定位的输出是一个6-dof的位置和姿态,以及协方差矩阵。
如何实现GNSS定位、激光点云定位以及惯性导航模块融合?
通过松耦合的方式把惯性导航解算、GNSS定位、点云定位三个子模块融合在一起。松耦合的数据只有位置、速度、姿态,紧耦合会包括GNSS的导航参数、定位中的伪距、距离变化等。我们使用了一个误差卡尔曼滤波器,惯性导航解算的结果用于kalman滤波器的时间更新,也就是预测;而GNSS、点云定位结果用于kalman滤波器的量测更新。Kalman滤波会输出位置、速度、姿态的误差用来修正惯导模块,IMU期间误差用来补偿IMU原始数据。
2、路径规划
自动驾驶中的路径规划,解决车辆从起点位置移动至终点位置。先来说明三个概念,路径规划、避障规划、轨迹规划。路径规划通常指全局的路径规划,也可以叫全局导航规划,从出发点到目标点之间的路径规划。避障规划又叫局部路径规划,又可叫动态路径规划。主要是探测障碍物,并对障碍物的移动轨迹跟踪做出下一步可能位置的推算,最终绘制出一幅包含现存碰撞风险和潜在碰撞风险的障碍物地图。轨迹规划则源自机器人研究,通常是说机械臂的路径规划。在路径规划和避障规划的基础上,考虑时间序列和车辆动力学对车辆运行轨迹的规划,主要是车纵向加速度和车横向角速度的设定。将设定交给执行系统,转向、油门、刹车。
(1)路径规划技术原理
*建立轨迹规划坐标系
首先,是对车建立可靠的坐标系,比较简单且常用的坐标系是X-Y-Z三向,以自车车辆中心为原点,以车辆行驶方向的前后为 x 轴,且向前为正,以车辆行驶方向的两侧为 y 轴,且向右为正,以车辆行驶方向的上下方向为 z 轴,且向上为正。
*建立初始规划轨迹路径规划的过程是包含了两个层面,其一是基于行车自动驾驶初始激活状态建立相应的初始运动轨迹规划,它包含如下几个步骤进行。
1) 将车辆位置及参考线参照如上定义并选择的坐标系进行车辆坐标系转化;
2) 按设定规则固定采样选取目标点;
3) 利用曲线插值或拟合方法生成备选轨迹;
4) 将备选轨迹进行膨胀计算剔除可能不合理的轨迹;
5) 基于控制量平滑或偏差最小等代价函数选择最优轨迹;
如下将对上面的轨迹规划过程进行一一介绍。
(1)图搜索基础路径:传感器识别的连续环境信息一般属于模拟信号,需要首先采用一定的图搜索路径规划算法将其转换为适应于所选路径规划算法的离散图,然后运用一定搜索算法得到基础路径。
一般针对视频图的搜索算法包含如下:Dijkstra算法:设置初始节点集,从目标车所在的初始点开始,迭代的检查结点集中的所有结点,并把和该结点最靠近的尚未检查的结点加入待检查结点集。该结点集从初始结点向外扩展,直到到达目标结点。
A*算法:设置代价函数g(n)表示为从初始结点到结点n的代价,h(n)表示从结点n到目标点的启发式评估代价。结合靠近初始点的结点和靠近目标点的结点的信息块。当从初始点向目标点移动时, A*权衡这两者得到最优路径。
*轨迹曲线插值一般情况下,针对规则型道路(即道路宽度或曲率等因素不存在突变),无论针对对中控制还是换道,车辆轨迹曲线往往与道路轨迹曲线是保持一致的运动规律,如下图表示了适合用轨迹曲线描述的车道类型。利用车道转弯半径所对应的圆弧确定行驶路径可以完全适配于车辆行驶路径,将行驶路径显式地表述为数学函数,通过确定函数的参数来决定行驶路径的具体形态。
(2)车辆路径规划跟随原理
当规划形成了车辆路径后,就需要对车辆如何遵循该路径移动达到最终点,这里我们称车辆行驶规划为运动规划,其中包含两个层面的运动规划:
1)基于横向的路径规划,横向规划上一般是指轨迹形状规划;
2)当横向规划已经确定后,可以将横向规划转化为QP问题,即对当前给定范围内的约束条件可以输出相应的最优化结果曲线。对于QP问题实际是通过设置在之前已经检测到的已知条件,然后通过一定滤波算法(比如卡尔曼滤波),求解未来的相关参数,而其中可以设置约束条件来不断优化相应的曲线设置。已知条件:x[t-2],x[t-1],x[t]; 求解:x[1],x[2],…约束:x[i]表示的每个点都不能超越左右边界,且当检测到一定障碍物车辆目标时,x[i]与目标的距离应该大于安全距离Dsafe。由此,相应的QP公式及其优化目标设置如下:
3)基于纵向的路径规划,纵向规划则是对轨迹规划中的速度进行分配;
北京渡众机器人科技有限公司提出的自主导航解决方案,融合激光雷达和视觉实时识别周围的行人、车辆和障碍物,为规划出最优绕行路径提供依据,完美解决机器人自主行走、自动避障等难题。
三、自主导航技术实现功能
1、高精建图
自主导航巡检机器人DZ30搭载激光雷达,相机,北斗信号、陀螺仪,轮速计来采集的周围环境数据。采集数据的环境是一面有高楼,而且楼间距小,GNSS信号弱。在这种情况下,车也能通过多传感器融合定位构建比较精准的高精地图。基于这种多传感器融合的高精地图制作,可灵活稳定的切换室内/室外场景,高精地图精度小于5cm。
地下车库高精地图
2、自主定位导航
基于无线通信、传感器探测等技术获取车辆和道路信息,适用于各种复杂的环境的定位导航,成功应用于消防领域与自主导航机器人上。
3、实现障碍物识别、避让功能
多融合传感技术是机器人具备自主感知能力,遇到障碍物能够自动避障,自主更新局部路径规划并寻找可通行的路径。
4、自由路径规划与路网规划
支持乱序任务点最优路线排序,可根据任务点输出全局路径规划和局部路径规划线路,支持自由导航,在建图范围内的任意点之间可导航。
四、适用场景
北京渡众机器人科技有限公司自研自主定位导航方案已完美实现多场景落地应用。自主导航巡检机器人因为搭载激光雷达,可在24小时自主巡检。针对路况变化、行人众多等复杂环境,机器人可通过摄像头进行行人检测、车辆检测,激光雷达进行障碍物识别,采用深度学习的环境建模技术识别行人和物体,提高避障准确度。
清扫机器人——揭秘机器人室外自主移动背后的技术难点
对于负责园区清洁工作的清扫机器人而言,室外环境相较于室内更为复杂,不可预测性更高,地面状态、坡度、天气、光线、障碍物属性与速度等诸多外部因素对机器人的视觉定位和物体检测能力,非结构化环境下的建图能力,和避障能力都有着更高的要求。得益于在SLAM、感知、路径规划与运动控制领域都拥有领先优势的渡众机器人多场景自主导航技术的支撑,机器人可轻松完成园区的清洁任务。
首先,清扫机器人环境感知系统综合运用了激光、视觉、超声等多种传感器,通过丰富的实战数据和基于数据的机器学习算法,赋予了机器人更具针对性的感知能力和更为精准的识别能力。再者,清扫机器人融合运用了激光SLAM、VSLAM等技术,更适应户外场景的光线变化等因素,在园区“大范围”、“高动态性”的特殊场景中轻松完成建图和定位任务。最后,机器人通过动态路径规划算法与交互式避障策略实现了复杂行人场景中实时路径规划及导航运动控制,使其自由穿梭于园区复杂环境,轻松完成清洁任务。
矿区巡检机器人——例证机器人的精准感知与识别
巡检机器人DZ30可以检测露天矿区的非结构化道路上的车道线、行人,还能检测路面石头,道路两侧的悬崖、山坡,能对其进行精准识别并全方位规避盲区,帮助车辆可靠发现危险,让矿车提前预知前方出现的情况,起到预警作用。对于井下矿来说,机器人也可以在复杂环境中实现自主导航定位,判断巡检机器人所处环境,并融合了GPS定位技术和惯导技术,实现深部开采井上下实时灵活定位导航。以上这些功能实现的背后,也对巡检机器人的定位能力、感知能力、导航能力提出了非常高的要求。
北京渡众机器人的自主定位导航技术搭载激光雷达、深度相机、轮速计、陀螺仪、毫米波雷达等多传感器,为机器人的定位/感知做精准供给。自主定位导航算法、运动控制算法,能够给机器人规划出最优路线,调整自身的运动姿态,精准到达目的地。