低速無人車聽說過嗎？

最近幾年，無人?；鳂I(yè)、無人清潔、無人快遞、 屢屢登上新聞?lì)^條，多種無人車平臺(tái)也都走進(jìn)日常生活中。而這些無人車，都屬于低速無人車。

低速無人車，主要應(yīng)用在校園、景區(qū)、園區(qū)、機(jī)場(chǎng)、礦山等半封閉區(qū)域內(nèi)。與乘用車或商用車相比，低速無人車擁有明確的應(yīng)用場(chǎng)景和可控的成本，成為未來更具商業(yè)價(jià)值的領(lǐng)域。

近年來，隨著數(shù)字化智能化建設(shè)，物流配送、安防巡邏、零售、環(huán)衛(wèi)、港口、礦區(qū)等運(yùn)營場(chǎng)景對(duì)低速無人車的需求日益增加，產(chǎn)業(yè)鏈得到較快發(fā)展 。

接下來小Y將持續(xù)為大家推出低速無人車核心技術(shù)分享專欄 ，從自動(dòng)駕駛技術(shù)-到底盤控制技術(shù)為大家詳細(xì)說明低速無人車的技術(shù)路線與行業(yè)應(yīng)用發(fā)展路線 ，希望大家多多關(guān)照 。

在行業(yè)應(yīng)用中移動(dòng)機(jī)器人多種建圖算法說明-  Hector

1.原理詳解

Hector整體算法很直接，就是將激光點(diǎn)與已有的地圖“對(duì)齊”，即掃描匹配。掃描匹配就是使用當(dāng)前幀與已經(jīng)有的地圖數(shù)據(jù)構(gòu)建誤差函數(shù)，使用高斯牛頓法得到最優(yōu)解和偏差量。其工作是實(shí)現(xiàn)激光點(diǎn)到柵格地圖的轉(zhuǎn)換，t時(shí)刻所有的激光點(diǎn)都能變換到柵格地圖中，也就意味著匹配成功。

2.具體流程

首先初始時(shí)刻激光自身的坐標(biāo)系與柵格地圖坐標(biāo)系重合，即激光在地圖中的初始位姿（estimate）已知，激光的第一幀掃描數(shù)據(jù)在地圖中的坐標(biāo)已知。接著，獲取到第二幀激光掃描數(shù)據(jù)，第二幀數(shù)據(jù)在激光雷達(dá)坐標(biāo)系下的坐標(biāo)是可以測(cè)出的（根據(jù)激光雷達(dá)的range、angle便可得到在激光坐標(biāo)系下的坐標(biāo)），但是不知道與第一幀的相對(duì)位置關(guān)系。

下一步就是實(shí)現(xiàn)這兩幀數(shù)據(jù)的匹配，我們假設(shè)兩幀數(shù)據(jù)無限接近，即激光點(diǎn)在柵格地圖占用值接近1（占用值越大，匹配的效果越好）。然后構(gòu)造最小二乘法，對(duì)函數(shù)先對(duì)括號(hào)內(nèi)部展開，然后對(duì)使誤差偏導(dǎo)為0，求解高斯牛頓方程（其中有用到地圖求偏導(dǎo)的方程（雙線性插值法），帶入即可求出位姿增量（在hector位姿增量用變量searchDir）。

 接下來就可求出第二幀激光在地圖坐標(biāo)系下的位姿（第一幀位姿加上位姿增量即可得到，estimate += searchDir），slam中定位完成。

接下來建圖，后一幀的激光位姿求出，因?yàn)橐阎笠粠す恻c(diǎn)在激光坐標(biāo)系下的坐標(biāo)，所以可根據(jù)后一幀激光位姿得后一幀激光點(diǎn)在地圖中坐標(biāo)，即映射到地圖中，完成slam建圖過程。

cartographer中的前端匹配使用了雙三次線性插值＋ceres庫求解非線性優(yōu)化問題(構(gòu)造最小二乘，優(yōu)化匹配)，而hector slam中使用了雙線性插值＋高斯牛頓求解非線性優(yōu)化問題

3.hector存在的問題

1、其中對(duì)于雙線性差值，在理論上存在不連續(xù)的可能，Pm可能在計(jì)算的時(shí)候迭代的過程中跑出P00->P11圍成的正方形。這個(gè)問題也被google的cartographer改進(jìn)為三線性差值。

2、沒有對(duì)地圖的修正能力，一旦地圖出錯(cuò)，之后的匹配也都會(huì)出現(xiàn)問題。

4.算法概述

Hector slam 利用高斯牛頓方法解決 scan-matching 問題，對(duì)傳感器要求較高。

其無需使用里程計(jì)，所以在不平坦區(qū)域?qū)崿F(xiàn)建圖的空中無人機(jī)及地面小車具有運(yùn)用的可行性，利用已經(jīng)獲得的地圖對(duì)激光束點(diǎn)陣進(jìn)行優(yōu)化，估計(jì)激光點(diǎn)在地圖的表示和占據(jù)網(wǎng)絡(luò)的概率，獲得激光點(diǎn)集映射到已有地圖的剛體變換，為避免局部最小而非全局最優(yōu)出現(xiàn)，地圖使用多分辨率。

需具備高更新頻率且測(cè)量噪音小的激光掃描儀，所以，在制圖過程中，robot的速度要控制在較低的情況下才會(huì)有比較理想的建圖效果，這也是它沒有回環(huán)的一個(gè)后遺癥。另外在里程計(jì)數(shù)據(jù)比較精確的情況下無法有效利用里程計(jì)信息。

5.算法優(yōu)缺點(diǎn)

優(yōu)點(diǎn)

不需要使用里程計(jì)，所以使得空中無人機(jī)及地面小車在不平坦區(qū)域建圖存在運(yùn)用的可行性；利用已經(jīng)獲得的地圖對(duì)激光束點(diǎn)陣進(jìn)行優(yōu)化, 估計(jì)激光點(diǎn)在地圖的表示,和占據(jù)網(wǎng)格的概率；利用高斯牛頓方法解決scan-matching 問題，獲得激光點(diǎn)集映射到已有地圖的剛體變換；為避免局部最小而非全局最優(yōu)，使用多分辨率地圖；導(dǎo)航中的狀態(tài)估計(jì)加入慣性測(cè)量系統(tǒng)（IMU），利用EKF濾波；

缺點(diǎn)

成本高 ，需要掃描傳感器或雷達(dá)（LRS）的更新頻率較高滿足測(cè)量噪點(diǎn)小，但是在制圖過程中需要機(jī)器人速度控制在比較低的情況下，建圖效果才會(huì)比較理想，這也是它沒有回環(huán)（loop close）的一個(gè)后遺癥；且在里程計(jì)數(shù)據(jù)比較精確的時(shí)候，無法有效利用里程計(jì)信息，造成數(shù)據(jù)的浪費(fèi) 。

6.綜合評(píng)價(jià)

建圖效果標(biāo)準(zhǔn)，必須要機(jī)器人速度控制在比較低的情況下建圖效果才能好一點(diǎn)兒，以上建圖由于速度過快導(dǎo)致地圖發(fā)生偏移。在大地圖，低特征（distinctive landmarks）場(chǎng)景中，hector的建圖誤差高于gmapping。

這是由于hector過分依賴scan-match。特別是在長廊問題中，誤差更加明顯。hector_slam通過最小二乘法匹配掃描點(diǎn)，且依賴高精度的激光雷達(dá)數(shù)據(jù)，因此掃描角度很小且噪點(diǎn)較大的外圍是不行的，匹配時(shí)會(huì)陷入局部點(diǎn)，地圖比較混亂。

對(duì)比下來Gmapping是應(yīng)用最為廣泛的2D slam方法，主要是基于2D激光雷達(dá)使用RBPF（Rao-Blackwellized Particle Filters）粒子濾波算法完成二維柵格地圖構(gòu)建，每個(gè)粒子都攜帶一張地圖，將定位和建圖過程分離，先進(jìn)行定位再進(jìn)行建圖。

Gmapping可以實(shí)時(shí)構(gòu)建室內(nèi)環(huán)境地圖，在構(gòu)建小場(chǎng)景地圖所需的計(jì)算量較小且地圖精度較高。相比于Hector SLAM，對(duì)激光雷達(dá)掃描頻率要求較低、魯棒性高（Hector在機(jī)器人快速轉(zhuǎn)向時(shí)很容易發(fā)生錯(cuò)誤匹配，構(gòu)建的地圖發(fā)生錯(cuò)位，原因主要是優(yōu)化算法容易陷入局部最小值）；而相比于Cartographer，在構(gòu)建小場(chǎng)景地圖時(shí)Gmapping不需要太多的粒子并且沒有回環(huán)檢測(cè)，因此計(jì)算量小于Cartographer而精度并沒有差太多。

Gmapping有效利用了里程計(jì)信息，這也是Gmapping對(duì)激光雷達(dá)頻率要求低的原因：里程計(jì)可以提供機(jī)器人的位姿先驗(yàn)。而Hector和Cartographer的設(shè)計(jì)初衷不是為了解決平面移動(dòng)機(jī)器人定位和建圖，Hector主要用于救災(zāi)等地面不平坦的情況。

最后向大家介紹YUHESEN 開發(fā)的商業(yè)化應(yīng)用導(dǎo)航模塊 NV-AUTO 

歡迎大家位臨公司交流學(xué)習(xí) ，一同推動(dòng)移動(dòng)機(jī)器人導(dǎo)航技術(shù)發(fā)展與技術(shù)落地。