受疫情影响,服务机器人逐渐成为刚需,开始迎来快速应用及发展期。为减少人与人之间的接触,机器人在医院、车站、酒店、餐厅等诸多聚集性场景下,替代人工完成巡检、消毒、配送等工作。
目前,在抗疫中的大部分移动机器人都采用了SLAM的定位导航方式,相比铺设导引线、贴二维码等识别方式,SLAM导航方式无需放置标示性物体,也不会受到地面二维码的限定,能够随意在室内环境中行走。
作为机器人定位导航的核心技术,SLAM正不断引起业内重视,但在实际应用中SLAM技术并不完全等同于机器人自主定位导航。
SLAM核心过程主要包括三大步骤:预处理、匹配及地图融合。
预处理:通过激光雷达或其他传感器获取所在位置的环境信息,然后对激光雷达原始数据进行优化,剔除一些有问题的数据,或者进行滤波。
匹配:匹配是个非常关键的步骤,主要是将当前局部环境的点云数据在已建立的地图上寻找对应的位置,匹配的好坏对SLAM构建地图的精度有直接的影响。在SLAM过程中,需要将激光雷达当前采集的点云(红色部分)匹配拼接到原有地图中。
地图融合:就是将这一轮来自激光雷达的新数据拼接到原始地图当中,最终完成地图的更新。
就像下图一样,这个过程是永远伴随SLAM过程的。
数据融合与简单的贴图是有很大差别的,因为传感器描绘的世界存在一定的误差,或者正巧在这个时间环境发生变化,如在机