1
| 本文作者： 游瑞 | 2016-06-08 18:43 | 專題：雷峰網(wǎng)公開課 |
今年8月，雷鋒網(wǎng)將在深圳舉辦一場盛況空前，且有全球影響力的人工智能與機器人峰會（CCF-GAIR）。屆時雷鋒網(wǎng)將發(fā)布“人工智能&機器人Top25創(chuàng)新企業(yè)榜”榜單。目前，我們正在拜訪人工智能、機器人領(lǐng)域的相關(guān)公司，從中篩選最終入選榜單的公司名單。如果你也想加入我們的榜單之中，請聯(lián)系：2020@leiphone.com。
陳士凱：上海思嵐科技有限公司（SLAMTEC）CEO,08年畢業(yè)于上海交通大學，畢業(yè)后在微軟亞洲研究院（MSRA）實習。后來在英特爾亞太研發(fā)有限公司軟件與服務事業(yè)部（SSG）擔任軟件工程師，11年進入盛大創(chuàng)新院。之后在RoboPeak一支機器人研發(fā)團隊的基礎上創(chuàng)辦了Slamtec。
提到SLAM就會想到SLAMRTEC的思嵐科技是一家提供消費級產(chǎn)品領(lǐng)域的高性能機器人定位導航解決方案及相關(guān)核心傳感器的公司。主要產(chǎn)品有低成本360度激光掃描測距雷達(RPLIDAR)、基于激光的模塊化自主定位導航解決方案（SLAMWARE）與適于商業(yè)環(huán)境的通用型服務機器人平臺（ZEUS）。此前雷鋒網(wǎng)在《做低成本激光雷達的Slamtec，終于說出了自己的真實想法》一文中采訪過的技術(shù)宅CEO陳士凱，這次以硬創(chuàng)公開課講師的身份再次出現(xiàn)，為各位帶來了許多關(guān)于SLAM技術(shù)中涉及地圖描繪還有導航的干貨內(nèi)容，信息量太大，本文僅供諸位慢慢吸氧，想要獲取更多信息，關(guān)注硬創(chuàng)公開課微信號（ycopen）。
機器人描述環(huán)境過程主要就是靠地圖，就和人繪制地圖一樣用環(huán)境地圖來描述其當前環(huán)境信息，并且隨著使用的算法與傳感器差異采用不同的地圖描述形式。
機器人對環(huán)境地圖的描述的方式最常見的為柵格地圖(Grid map)或者稱為Occupancy Map。這種地圖看起來和人們所認知的地圖沒啥區(qū)別。最早由NASA的Alberto Elfes在1989年提出的，在火星探測車上就用到過，其本質(zhì)是一張位圖圖片，但其中每個“像素”則表示了實際環(huán)境中存在障礙物的概率分布。
一般來說，采用激光雷達、深度攝像頭、超聲波傳感器等可以直接測量距離數(shù)據(jù)的傳感器進行SLAM時，可以使用該地圖。這種地圖也可以通過距離測量傳感器，超聲波（早期），激光雷達（現(xiàn)在）繪制出來。
另外用在視覺SLAM這塊用的比較多是特征點地圖，這種地圖記錄環(huán)境中特征點（或稱為關(guān)鍵點）的幾何空間位置。這種地圖相比柵格地圖看起來就不那么直觀了。一般通過如GPS、UWB以及攝像頭配合稀疏方式的vSLAM算法產(chǎn)生，優(yōu)點是相對數(shù)據(jù)存儲量和運算量比較小，在最早的SLAM算法中這種地圖多見。
第三種相比會更加直觀，就像衛(wèi)星地圖一樣。直接將傳感器原始數(shù)據(jù)通過簡單處理拼接的地圖 ，像這個圖是直接記錄了屋子內(nèi)天花板畫面的圖像地圖。另外，還有一種相對更加抽象的地圖形式，拓撲地圖，它只記錄所在環(huán)境拓撲鏈接關(guān)系，這類地圖一般是由前幾類地圖通過相關(guān)算法提取得到。
當然，針對具體算法和應用不同，還有很多其他機器人描述環(huán)境的地圖表現(xiàn)形式。他們都是為了幫助機器人解決某一系列問題而設計的。總的來說，拓撲地圖是與人類描述世界最接近的一種地圖表達方式，因為它更加抽象，更加能反應所在環(huán)境的高層次特點。不過這種地圖一般并不是SLAM算法所直接產(chǎn)生的，而往往是在進行相關(guān)的后期應用時才會用到的。比如掃地機器人要進行房間清掃的時候，就會建立這樣的拓撲地圖：
要說特點和優(yōu)劣，其實要和具體應用有關(guān)，不過總得來說，類似衛(wèi)星地圖這種直接使用傳感器(一般是圖像傳感器)所構(gòu)建的直接地圖也很少使用，因為它的信息冗余度最大，對于數(shù)據(jù)存儲是很大的挑戰(zhàn)，此外，機器人要從中提取出有用的數(shù)據(jù)要耗費一番周折。
而特征點地圖又是另一個極端，雖然數(shù)據(jù)量少，但是它往往不能反應所在環(huán)境的一些必須的信息，比如環(huán)境中障礙物的位置。因此這類地圖基本只能用于定位問題。而要讓機器人進行自主壁障和路徑規(guī)劃，就必須依賴其他的地圖類型。所以目前其實vSLAM更多解決定位問題，要實現(xiàn)導航，還需要額外配置距離傳感器，如激光雷達、超聲波來完成。
而柵格地圖，或者Occupancy Map恰好是介于其中，一方面它能表示空間環(huán)境中的很多特征，機器人可以用它來進行路徑規(guī)劃，另一方面，它又不直接記錄傳感器的原始數(shù)據(jù)，相對實現(xiàn)了空間和時間消耗的最優(yōu)。因此目前是機器人所廣泛應用的地圖存儲方式。
思嵐科技的SLAMWARE系統(tǒng)內(nèi)部也采用該地圖方式。
激光雷達和其他雷達設備一樣，某一個時刻只能獲取它所在未知的環(huán)境信息。
這就是我們所說的點云，可以看到他只是所在環(huán)境中的一個部分。要通過它獲取地圖，就是配套SLAM算法所要進行的核心過程了。這個過程其實比較多，先看一個框圖：
一個完整SLAM和導航系統(tǒng)的主要構(gòu)架中SLAM核心就3個步驟：第一個部分稱為預處理，也就是對激光雷達原始數(shù)據(jù)所優(yōu)化，剔除一些有問題的數(shù)據(jù)，或者進行濾波。
隨后，要進行一個很關(guān)鍵的部分，叫做匹配。也就是說把當前這一個局部環(huán)境的點云數(shù)據(jù)在已經(jīng)建立地圖上尋找到對應的位置。
這個是ICP的點云匹配算法，用于實現(xiàn)匹配。說這個過程關(guān)鍵，就是因為它的好壞，直接影響了SLAM構(gòu)建地圖的精度。這個過程和我們玩拼圖游戲有點類似，就是在已經(jīng)拼好的畫面中找到相似之處，確定新的一個拼圖該放在哪里。在SLAM過程中就像這樣：
將激光雷達當前采集的點云（紅色部分）匹配拼接到原有地圖中，如果不進行匹配過程，所構(gòu)建的地圖可能就亂成一團。
在這個部分完畢以后，就進行地圖融合。也就是將這一輪來自激光雷達的新數(shù)據(jù)拼接到原始地圖當中。最終完成地圖的更新。
就像這個圖一樣，這個過程是永遠伴隨SLAM過程的。
數(shù)據(jù)融合和簡單的貼圖是有很大的差異的。因為實際上傳感器描繪的世界存在一定的誤差，或者正巧在這個時間環(huán)境有了變化，例如機器人旁邊闖入了一只小貓。因此，實際要進行的過程會更加復雜。實際實現(xiàn)上會用很多概率算法，采用濾波的方式進行融合。將上述這個過程逐次執(zhí)行，就最終產(chǎn)生了我們看到的柵格地圖。
這個過程聽起來其實并不復雜，但是要處理好有很大難度。這里舉幾個例子，比如叫做loop closure(回環(huán))的問題。如果匹配算法不足夠優(yōu)秀，或者環(huán)境中存在很不巧的干擾，如果機器人繞著環(huán)境一圈，就會發(fā)現(xiàn)原本是應該閉合的一個環(huán)形走廊斷開了。比如正常地圖應該這樣：
如果處理不好，實際地圖就成這樣：
對于環(huán)境比較大的場景，回環(huán)問題是不得不面對的。因為現(xiàn)實總是不完美的，即使是激光雷達這種高精度傳感器，也難免存在誤差。而回環(huán)問題的難點恰恰在于在一開始出現(xiàn)少許誤差的時候，并不會被發(fā)覺。一直到機器人繞著環(huán)路一圈，隨著誤差的累加，發(fā)現(xiàn)環(huán)路已經(jīng)無法閉合時，此時已經(jīng)釀成大錯，一般很難回天。
當然這個問題并不是無解，一個好的商用化SLAM系統(tǒng)，回環(huán)問題是否能很好的解決，就成了評判這個系統(tǒng)實力的指標了。
這里先講了第一個難點，是算法層面的。其實還有很多這種坑，比如什么走廊問題。除了算法難點其實還有別的難點，SLAM要做好其實不光靠用的算法多好，尤其現(xiàn)在很多開源實現(xiàn)代表的是學術(shù)界。實際應用有很多corner case要處理，需要傳感器、系統(tǒng)參數(shù)、其他輔助設備的聯(lián)合調(diào)優(yōu)。
一般來說，上述的SLAM過程對于運算消耗是巨大的，雖然并沒有達到像訓練神經(jīng)網(wǎng)絡動用服務器集群那種地步，但傳統(tǒng)上需要PC級別的處理器。
另外，除了配備激光雷達外，還需要機器人具有IMU、里程計來為激光雷達提供輔助數(shù)據(jù)。否則SLAM系統(tǒng)也難以得到運行?？偟膩碚f，SLAM算法本身是一個對于外部系統(tǒng)有著多種依賴的算法。這是一個切實的工程問題。我們知道很多機器人，比如掃地機是不可能裝一個PC進去的。因此為了讓SLAM能在這類設備里運行，除了解決激光雷達成本外，還要對SLAM算法做出很好的優(yōu)化。
掃地機的路徑規(guī)劃其實是一個比較獨立且復雜的課題，和一般機器人用的路徑規(guī)劃還不通，所以先講下SLAM與路徑規(guī)劃的關(guān)系。
實際上SLAM算法本身只是完成了機器人的定位和地圖構(gòu)建兩件事情，和我們說的導航定位還不是完全等價的。這里的導航，其實是SLAM算法做不了的。它在業(yè)內(nèi)叫做運動規(guī)劃(Motion Planning)。
運動規(guī)劃是一個很大的概念，從機械臂的運動、到飛行器的飛行，再到這里我們說的掃地機德清掃路徑規(guī)劃，都是路徑規(guī)劃范疇。我們這里就主要先談談針對掃地機這類輪式機器人的運動規(guī)劃。
這里我先介紹一下要實現(xiàn)掃地機路徑規(guī)劃的一個基礎能力。
我們一般在完成SLAM后，要進行一個叫做目標點導航的能力。我們一般說的路徑規(guī)劃，顧名思義其實指的這個。通俗說，就是規(guī)劃一條A點B點的路徑出來，然后讓機器人過去。
要實現(xiàn)這個過程，運動規(guī)劃會實現(xiàn)至少兩個層次的模塊，一個叫做全局規(guī)劃。這個和我們開車導航儀有一點像，就是它需要在地圖上預先規(guī)劃一條線路，也要有當前機器人的位置。這是由我們的SLAM系統(tǒng)提供出來的。行業(yè)內(nèi)一般會用叫做A*的算法來實現(xiàn)這個過程，其實在很多的即時戰(zhàn)略游戲中也同樣采用這種算法。比如鼠標控制讓一堆農(nóng)民去采礦，這些單位的移動其實游戲里就用A*。
當然，光規(guī)劃了這個路徑還是不夠的，現(xiàn)實中會有很多突發(fā)情況，比如正巧有個小孩子擋道了。那么原先的路徑就要調(diào)整。當然，有時候這種調(diào)整并不需要重新計算一遍全局路徑，機器人可能稍微繞一個彎就可以。此時，我們就需要另一個層次的規(guī)劃模塊，叫做局部規(guī)劃。它可能并不知道機器人最終要去哪，但是對于機器人怎么繞開眼下障礙物特別在行。
這兩個層次的規(guī)劃模塊一起協(xié)同，機器人就可以很好的實現(xiàn)從A到B點的行動了，不過實際工作環(huán)境下，上述配置還不夠。比如前面提到的A*算法必須要求機器人預先把地圖探明后才能展開行動，這在很多時候不夠靈活。如果掃地機器人買回家，必須先把屋子都走一遍以后才肯掃地，那用戶體驗就會很差。
為此，也會有針對這類算法的改進，比如SLAMWARE內(nèi)采用我們改良的D*算法進行路徑規(guī)劃，最大優(yōu)點是不需要地圖預先探明，機器人可以和人一樣，即使環(huán)境未知，也可以展開行動，隨著機器人不斷探索，路徑也會時刻調(diào)整。
前面介紹了目前大部分移動機器人都需要的路徑規(guī)劃算法，掃地機器人的路徑規(guī)劃算法要更復雜，一般來說，掃地機需要這么幾個規(guī)劃能力：貼邊打掃、折返的工字形清掃以及沒電時候自主充電。
其實這些規(guī)劃能力單單靠前面介紹的D*這類算法是完成不了的。掃地機器人還需要有額外的規(guī)劃算法，比如針對折返的工字形清掃，有很多問題要處理。例如如何最有效的清掃一個區(qū)域而不重復清掃？
另外，如何讓掃地機和人一樣，理解房間、門、走廊這種概念？當然這里篇幅有限，就不多展開。簡單說，針對這些問題，在學術(shù)界長久以來是有專門的一個研究課題，叫做space coverage。也提出了非常多的算法和理論。比較有名的有Morse Decompositions。通過它實現(xiàn)對空間進行劃分，隨后進行清掃。
像在上世紀70年代，CMU就完全依靠超聲波做到了現(xiàn)在我們掃地機的行為，當然造價還是很高的。
前面介紹的A點到B點移動路徑規(guī)劃也是實現(xiàn)這類更高級路徑規(guī)劃的基礎。實際上，要從SLAM實現(xiàn)到掃地機器人所需要的這些功能，還是有非常多的工作要做的。我們目前的做法是針對這類掃地機特有的路徑規(guī)劃，也同樣預先實現(xiàn)內(nèi)置在了我們SLAMWARE內(nèi)部方便使用。
思嵐在2年前在業(yè)內(nèi)推出了首款低成本的激光雷達RPLIDAR。目前在批量銷售情況下單臺可以做到幾百元的這個級別。
這個成本的降低首先光通過壓縮我們利潤是不可能的了。當然，也更不是通過犧牲做工來換來的。本質(zhì)原因是傳統(tǒng)采用TOF技術(shù)的激光雷達本身就導致他的成本是居高不下的，我們知道TOF這種方式要測量光飛行用時，要做到這一步，需要皮秒級別精度的計時器，同時對于激光器和接受裝置都是極大挑戰(zhàn)。這里的挑戰(zhàn)到不都是技術(shù)難度上，還在于其中的核心傳感器就造價不菲，并且常年依賴進口。并且在生產(chǎn)中難度很大，幾乎每臺雷達都需要非常專業(yè)的技師手工校正。成本自然就居高不下了。
我們RPLIDAR采用另一種方式，叫做三角測距。通俗說就是通過光學的幾何特性，使用計算機視覺方式來求出距離。這種方式好處是只需要傳統(tǒng)的攝像頭的成像設備。因此成本自然就會降低。
當然，就像這個問題問的是有前提的，就是在保證精度前提下來實現(xiàn)低成本。激光雷達精度或者說是性能有這個幾個考量。首先自然是測量精確度。行業(yè)內(nèi)也有不少聲音，反應三角測距雷達有個硬傷，就是在遠距離下精度下降。
這是個不爭事實，但是這恰恰是我們RPLIDAR的優(yōu)勢。其實配合好算法，這個問題可以一定的緩解。比如下圖是目前常規(guī)三角測距雷達在測量3-4米距離以外物體的效果，會發(fā)現(xiàn)本該是筆直的墻壁，測量出來出現(xiàn)了鋸齒。
隨著距離增加，如果算法不做出優(yōu)化，那么這個現(xiàn)象會非常嚴重，直接會影響后續(xù)SLAM算法。
我們在這塊處理上對內(nèi)部算法做了很多優(yōu)化，可以很好改善這個問題：
另外，三角測距雷達相比TOF雷達還有一個區(qū)別在掃描頻率，我們的RPLIDAR A1的第一代產(chǎn)品是每秒5圈的旋轉(zhuǎn)頻率，結(jié)合一秒2000次的測距頻率。這個參數(shù)對于像掃地機這類的場合其實是夠了。不過對于服務機器人這類應用，就顯得偏慢。
要提高速度，光提高電機轉(zhuǎn)速其實不夠，那會讓點變得更加稀疏，本質(zhì)是要提高一秒測距頻率。這同樣對于算法優(yōu)化以及光學系統(tǒng)會有挑戰(zhàn)。目前我們新一代的RPLIDAR A2實現(xiàn)到了4000次采樣率，從而做到10hz掃描轉(zhuǎn)速。其實本質(zhì)也是靠算法。
一般來說，目前要做到實用化，采樣率需要達到1800sps，所以對于這個問題，簡單說就是依靠算法革新，保證在保持精度的條件下實現(xiàn)低成本。
這個問題其實要站在適用場景下來討論?，F(xiàn)在外借認為機械方式的激光雷達存在壽命問題，不如固態(tài)的雷達，這其實就是誤解。
目前行業(yè)內(nèi)高低端的激光雷達都是機械方式的，很多在工業(yè)的關(guān)鍵領(lǐng)域承擔安全保全職責，因此說他們有壽命問題是不成立的。相比，固態(tài)雷達到目前還是概念產(chǎn)品，它雖然是固態(tài)的，但工藝穩(wěn)定性有待驗證，說它就比機械壽命長，值得商榷。
不過針對目前機械激光雷達，的確有一個壽命制約因素，就是很多都會使用到導電滑環(huán)這個部件。包括我們的第一代雷達之前也是這樣。
這個部件是用來實現(xiàn)兩個旋轉(zhuǎn)物體之間信號和供電傳輸?shù)?。我們知道雷達工作的時候要連續(xù)旋轉(zhuǎn)。要給這個旋轉(zhuǎn)部分供電和通訊，就要靠滑環(huán)。
不過導電滑環(huán)標準品的壽命是很短的，只有幾千小時。也就是說雷達如果直接用一個標準滑環(huán)，持續(xù)工作幾個禮拜就會壞。因為滑環(huán)會被磨損，那就沒法給雷達供電和通訊了。這就會有壽命問題。
我們當時研發(fā)RPLIDAR其實用的已經(jīng)是定制的滑環(huán)，當時我們直接提出設計方案給供應商去定做。就這么搞了好幾個來回。所以目前RPLIDAR A1在掃地機這類場合下其實壽命不存在問題。
但如果用到服務機器人下，問題就會有。因為這種場景下要求機器人7*24待命。針對這個問題，我們后來提出了光磁融合技術(shù)。
這個名字是我們專門取得，是一個專利性技術(shù)。它的核心是使用無線供電和光通訊這類接觸手段來代替導電滑環(huán)。對于RPLIDAR A2，我們還是用了自己設計的無刷電機。這樣做的話，我們的雷達在7*24連續(xù)工作的情況下，也會有5年以上壽命。
現(xiàn)在其實我們第一代的雷達也同樣使用光磁融合技術(shù)了，因此我覺得目前對我們雷達來說，這個壽命問題是完全得到了解決。
做激光雷達產(chǎn)品，如何看待產(chǎn)品安全問題？
單獨對激光來說，我覺得的確不當使用會有安全問題。畢竟他只是一種光源，我們?nèi)绻⒅柨矗粯右矔苽劬?。關(guān)鍵在于怎么使用。
但對于激光雷達，我覺得激光導致安全問題是不存在也不應該存在的。因為一個合格的激光雷達產(chǎn)品，它必須通過激光等級認證。像我們RPLIDAR在設計上也會動態(tài)檢測激光器功率，確保安全。
目前行業(yè)內(nèi)對于激光是有嚴格的安全等級指標的，目前RPLIDAR符合一類激光器（CLASS I）等級。這個等級表示無論在什么情況下，激光雷達產(chǎn)生的激光都不會對人眼產(chǎn)生損傷。要滿足Class I，就要求激光平均功率只有幾個微瓦。這是非常微弱的信號了，不會產(chǎn)生問題。
相比而言，可能我們?nèi)粘Ｉ钪杏玫腖ED手電的功率和危害要比激光雷達要大很多。因為目前LED還缺乏嚴格的安全等級規(guī)范。其實很多產(chǎn)品光功率反而是超標的。
激光雷達技術(shù)除了應用在機器人（包括無人車）身上，還能在哪些其他領(lǐng)域中得倒應用？
其實激光雷達一開始就不光為了機器人而誕生，只是最近我們因為機器人和無人車才去了解它。傳統(tǒng)上，激光雷達用于工業(yè)的安全檢測領(lǐng)域，就像科幻片的那種激光墻，人進入會報警，工業(yè)內(nèi)用激光雷達做這個的很多。
此外，激光雷達用在空間測繪上也很多。比如用我們RPLIDAR構(gòu)建的辦公室環(huán)境。
還有就是一些新媒體行業(yè)，要做一個超大的多點觸摸屏幕，傳統(tǒng)靠電阻電容屏是做不了的，業(yè)內(nèi)一般也會用激光雷達。
目前來看，高端的激光雷達廠家都只有國外廠家。國內(nèi)初步像我們開始做低成本的激光雷達開始起步。區(qū)別在于定位不同，國外更多專注在高性能、工業(yè)級別的雷達。這主要是歷史積累造成的，和工業(yè)發(fā)展大背景有關(guān)系。對于高性能雷達，必須要具有更久的研發(fā)經(jīng)驗和更多的實際產(chǎn)品測試才能做得到。這也是我們目前國內(nèi)缺乏的。
不過目前服務機器人行業(yè)其實對激光雷達是很好的機遇，我覺得國內(nèi)如果能把握這個機遇，還是有希望能在也些細分領(lǐng)域超于國外同行。
Q：如今SLAM已經(jīng)能在掃地機器人身上使用，有不少的移動機器人公司也都看好SLAM，但并沒有聽說哪個公司真的做出比較成熟的視覺導航系統(tǒng)，這是因為什么原因呢？
A：vSLAM目前還在研究階段，我們說它火主要是因為目前在學術(shù)界vSLAM處在高速發(fā)展階段，大家愿意研究。但實際應用有很多問題要克服，比如對于傳感器對環(huán)境光依賴，運算負荷和嵌入式設備成本功耗空間的矛盾，另外，構(gòu)建的地圖本身難以直接用于路徑規(guī)劃導航。
其實這塊我們一直也投入在做視覺方案。2009年我們最早就是做視覺，當年monoslam、stereocam我們都有做。但目前的判斷是，它是未來方向，但目前不成熟。
Q：對服務機器人以后的實用性功能性有什么建議嗎？
A：這塊我們認為是要先找到killer application，掃地機器人是一個點，但要有更多的爆點存在。
就像以前PC行業(yè)，在真正的PC技術(shù)使用前，其實最早流行的是商用制表機與家用是游戲機。我們覺得服務機器人其實先要有這樣一個階段，現(xiàn)在能做的就是先把其中導航定位問題為大家做好，幫助這些爆點出現(xiàn)。
Q：目前開源的SLAM算法還是比較多的，您推薦使用哪一種比較好呢？
A：前面也說過，導航和SLAM是兩回事，本來也不需要通過SLAM。很多機器人其實只是運行門特卡羅方法做定位，沒有SLAM。
哪一款其實很難推薦，要看具體應用。簡單說我們認為目前開源算法要直接拿來商用是不可能了，有很多現(xiàn)實問題他們都沒解決。因為這類算法都是學術(shù)界出生，他們不會去處理具體工程問題。 但如果做研究，目前ROS中主流的gmapping、hector slam都是可以拿來做飾演的。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
