2
| 本文作者： 宗仁 | 2016-05-16 19:40 | 專題：雷峰網(wǎng)公開課 |
今年8月，雷鋒網(wǎng)(搜索“雷鋒網(wǎng)”公眾號關(guān)注)將在深圳舉辦“全球人工智能與機器人創(chuàng)新大會”（GAIR），在本次大會上，我們將發(fā)布“人工智能與機器人Top25創(chuàng)新企業(yè)榜“，速感科技是我們重點關(guān)注的公司之一。今天，我們邀請到了速感科技CTO張一茗，為大家揭秘SLAM技術(shù)的前世今生。
張一茗。速感科技CTO。畢業(yè)于北京航空航天大學，師從中國慣性技術(shù)領(lǐng)域的著名專家馮培德院士，多年組合導航定位系統(tǒng)研究經(jīng)驗。熱愛技術(shù)和研發(fā)，摘得過許多諸如Intel iot創(chuàng)客馬拉松、清華創(chuàng)客馬拉松等創(chuàng)客比賽第一名。速感科技經(jīng)過多年歷練，發(fā)展出一套以視覺SLAM為核心，集探索、導航、定位、避障、路徑規(guī)劃為一體的成熟化機器人無源導航算法。
SLAM作為一種基礎(chǔ)技術(shù)，從最早的軍事用途（核潛艇海底定位就有了SLAM的雛形）到今天，已經(jīng)逐步走入人們的視野，過去幾年掃地機器人的盛行讓它名聲大噪，近期基于三維視覺的VSLAM又讓它越來越顯主流，許多人不得不關(guān)注它，但根據(jù)雷鋒網(wǎng)的調(diào)查，了解它并能真正把它說清楚的國內(nèi)大牛并不多，今天，我們請來了速感科技的CTO，張一茗，從SLAM的前世今生開始，徹底掃清我們心中的疑惑。
我之前從本科到研究生，一直在導航與定位領(lǐng)域?qū)W習，一開始偏重于高精度的慣性導航、衛(wèi)星導航、星光制導及其組合導航。出于對實現(xiàn)無源導航的執(zhí)念，我慢慢開始研究視覺導航中的SLAM方向，并與傳統(tǒng)的慣性器件做組合，實現(xiàn)獨立設(shè)備的自主導航定位。
定位、定向、測速、授時是人們惆悵千年都未能完全解決的問題，最早的時候，古人只能靠夜觀天象和司南來做簡單的定向。直至元代，出于對定位的需求，才華橫溢的中國人發(fā)明了令人嘆為觀止的牽星術(shù)，用牽星板測量星星實現(xiàn)緯度估計。
1964年美國投入使用GPS，突然就打破了大家的游戲規(guī)則。軍用的P碼可以達到1-2米級精度，開放給大眾使用的CA碼也能夠?qū)崿F(xiàn)5-10米級的精度。
后來大家一方面為了突破P碼封鎖，另一方面為了追求更高的定位定姿精度，想出了很多十分具有創(chuàng)意的想法來挺升GPS的精度。利用RTK的實時相位差分技術(shù)，甚至能實現(xiàn)厘米的定位精度，基本上解決了室外的定位和定姿問題。
但是室內(nèi)這個問題就難辦多了，為了實現(xiàn)室內(nèi)的定位定姿，一大批技術(shù)不斷涌現(xiàn)，其中，SLAM技術(shù)逐漸脫穎而出。SLAM是一個十分交叉學科的領(lǐng)域，我先從它的傳感器講起。
目前用在SLAM上的Sensor主要分兩大類，激光雷達和攝像頭。（待會兒發(fā)的部分素材摘自官網(wǎng)、論文、專利，侵刪）。
這里面列舉了一些常見的雷達和各種深度攝像頭。激光雷達有單線多線之分，角分辨率及精度也各有千秋。SICK、velodyne、Hokuyo以及國內(nèi)的北醒光學、Slamtech是比較有名的激光雷達廠商。他們可以作為SLAM的一種輸入形式。
這個小視頻里展示的就是一種簡單的2D SLAM。
這個小視頻是賓大的教授kumar做的特別有名的一個demo，是在無人機上利用二維激光雷達做的SLAM。
而VSLAM則主要用攝像頭來實現(xiàn)，攝像頭品種繁多，主要分為單目、雙目、單目結(jié)構(gòu)光、雙目結(jié)構(gòu)光、ToF幾大類。他們的核心都是獲取RGB和depth map(深度信息)。簡單的單目和雙目（Zed、leapmotion）我這里不多做解釋，我主要解釋一下結(jié)構(gòu)光和ToF。
結(jié)構(gòu)光原理的深度攝像機通常具有激光投射器、光學衍射元件（DOE）、紅外攝像頭三大核心器件。
這個圖（下圖）摘自primesense的專利。
可以看到primesense的doe是由兩部分組成的，一個是擴散片，一個是衍射片。先通過擴散成一個區(qū)域的隨機散斑，然后復(fù)制成九份，投射到了被攝物體上。根據(jù)紅外攝像頭捕捉到的紅外散斑，PS1080這個芯片就可以快速解算出各個點的深度信息。
這兒還有兩款結(jié)構(gòu)光原理的攝像頭。
第一頁它是由兩幅十分規(guī)律的散斑組成，最后同時被紅外相機獲得，精度相對較高。但據(jù)說DOE成本也比較高。
還有一種比較獨特的方案（最后一幅圖），它采用mems微鏡的方式，類似DLP投影儀，將激光器進行調(diào)頻，通過微鏡反射出去，并快速改變微鏡姿態(tài)，進行行列掃描，實現(xiàn)結(jié)構(gòu)光的投射。（產(chǎn)自ST，ST經(jīng)常做出一些比較炫的黑科技）。
ToF（time of flight）也是一種很有前景的深度獲取方法。
傳感器發(fā)出經(jīng)調(diào)制的近紅外光，遇物體后反射，傳感器通過計算光線發(fā)射和反射時間差或相位差，來換算被拍攝景物的距離，以產(chǎn)生深度信息。類似于雷達，或者想象一下蝙蝠，softkinetic的DS325采用的就是ToF方案（TI設(shè)計的），但是它的接收器微觀結(jié)構(gòu)比較特殊，有2個或者更多快門，測ps級別的時間差，但它的單位像素尺寸通常在100um的尺寸，所以目前分辨率不高。以后也會有不錯的前景，但我覺得并不是顛覆性的。
好，那在有了深度圖之后呢，SLAM算法就開始工作了，由于Sensor和需求的不同，SLAM的呈現(xiàn)形式略有差異。大致可以分為激光SLAM（也分2D和3D）和視覺SLAM（也分Sparse、semiDense、Dense）兩類，但其主要思路大同小異。
這個是Sparse（稀疏）的
這個偏Dense（密集）的
SLAM算法在實現(xiàn)的時候主要要考慮以下4個方面吧：
1. 地圖表示問題，比如dense和sparse都是它的不同表達方式，這個需要根據(jù)實際場景需求去抉擇
2. 信息感知問題，需要考慮如何全面的感知這個環(huán)境，RGBD攝像頭FOV通常比較小，但激光雷達比較大
3. 數(shù)據(jù)關(guān)聯(lián)問題，不同的sensor的數(shù)據(jù)類型、時間戳、坐標系表達方式各有不同，需要統(tǒng)一處理
4. 定位與構(gòu)圖問題，就是指怎么實現(xiàn)位姿估計和建模，這里面涉及到很多數(shù)學問題，物理模型建立，狀態(tài)估計和優(yōu)化
其他的還有回環(huán)檢測問題，探索問題（exploration），以及綁架問題（kidnapping）。
這個是一個比較有名的SLAM算法，這個回環(huán)檢測就很漂亮。但這個調(diào)用了cuda，gpu對運算能力要求挺高，效果看起來比較炫。
我大概講一種比較流行的VSLAM方法框架。
整個SLAM大概可以分為前端和后端，前端相當于VO（視覺里程計），研究幀與幀之間變換關(guān)系。首先提取每幀圖像特征點，利用相鄰幀圖像，進行特征點匹配，然后利用RANSAC去除大噪聲，然后進行匹配，得到一個pose信息（位置和姿態(tài)），同時可以利用IMU（Inertial measurement unit慣性測量單元）提供的姿態(tài)信息進行濾波融合
后端則主要是對前端出結(jié)果進行優(yōu)化，利用濾波理論（EKF、UKF、PF）、或者優(yōu)化理論TORO、G2O進行樹或者圖的優(yōu)化。最終得到最優(yōu)的位姿估計。
后端這邊難點比較多，涉及到的數(shù)學知識也比較多，總的來說大家已經(jīng)慢慢拋棄傳統(tǒng)的濾波理論走向圖優(yōu)化去了。
因為基于濾波的理論，濾波器穩(wěn)度增長太快，這對于需要頻繁求逆的EKF（擴展卡爾曼濾波器），PF壓力很大。而基于圖的SLAM，通常以keyframe（關(guān)鍵幀）為基礎(chǔ)，建立多個節(jié)點和節(jié)點之間的相對變換關(guān)系，比如仿射變換矩陣，并不斷地進行關(guān)鍵節(jié)點的維護，保證圖的容量，在保證精度的同時，降低了計算量。
列舉幾個目前比較有名的SLAM算法：PTAM,MonoSLAM, ORB-SLAM,RGBD-SLAM,RTAB-SLAM,LSD-SLAM。
所以大家如果想學習SLAM的話，各個高校提高的素材是很多的，比如賓大、MIT、ETH、香港科技大學、帝國理工等等都有比較好的代表作品，還有一個比較有前景的就是三維的機器視覺，普林斯頓大學的肖劍雄教授結(jié)合SLAM和Deep Learning做一些三維物體的分類和識別， 實現(xiàn)一個對場景深度理解的機器人感知引擎。
http://robots.princeton.edu/talks/2016_MIT/RobotPerception.pdf 這是他們的展示。
總的來說，SLAM技術(shù)從最早的軍事用途（核潛艇海底定位就有了SLAM的雛形）到今天，已經(jīng)逐步走入人們的視野，掃地機器人的盛行更是讓它名聲大噪。同時基于三維視覺的VSLAM越來越顯主流。在地面/空中機器人、VR/AR/MR、汽車/AGV自動駕駛等領(lǐng)域，都會得到深入的發(fā)展，同時也會出現(xiàn)越來越多的細分市場等待挖掘。
這個是occipital團隊出的一個產(chǎn)品，是個很有意思的應(yīng)用，國內(nèi)賣4000+，大概一個月1000出貨量吧（雖然不是很多，但是效果不錯，pad可玩）虛擬家居、無人飛行／駕駛、虛擬試衣、3D打印、刑偵現(xiàn)場記錄、沉浸式游戲、增強現(xiàn)實、商場推送、設(shè)計輔助、地震救援、工業(yè)流水線、GIS采集等等，都等待著VSLAM技術(shù)一展宏圖
多傳感器融合、優(yōu)化數(shù)據(jù)關(guān)聯(lián)與回環(huán)檢測、與前端異構(gòu)處理器集成、提升魯棒性和重定位精度都是SLAM技術(shù)接下來的發(fā)展方向，但這些都會隨著消費刺激和產(chǎn)業(yè)鏈的發(fā)展逐步解決。就像手機中的陀螺儀一樣，在不久的將來，也會飛入尋常百姓家，改變?nèi)祟惖纳睢?/p>
不過說實話，SLAM在全面進入消費級市場的過程中，也面對著一些阻力和難題。比如Sensor精度不高、計算量大、Sensor應(yīng)用場景不具有普適性等等問題。
多傳感器融合、優(yōu)化數(shù)據(jù)關(guān)聯(lián)與回環(huán)檢測、與前端異構(gòu)處理器集成、提升魯棒性和重定位精度都是SLAM技術(shù)接下來的發(fā)展方向，但這些都會隨著消費刺激和產(chǎn)業(yè)鏈的發(fā)展逐步解決。就像手機中的陀螺儀一樣，在不久的將來，也會飛入尋常百姓家，改變?nèi)祟惖纳睢?/p>
（激光雷達和攝像頭兩種 SLAM 方式各有什么優(yōu)缺點呢，有沒有一種綜合的方式互補各自的缺點的呢？）
激光雷達優(yōu)點是可視范圍廣，但是缺點性價比低，低成本的雷達角分辨率不夠高，影響到建模精度。vSLAM的話缺點就是FOV通常不大，50-60degree，這樣高速旋轉(zhuǎn)時就容易丟，解決方案有的，我們公司就在做vSLAM跟雷達還有IMU的組合。
（請問目前基于視覺的SLAM的計算量有多大？嵌入式系統(tǒng)上如果要做到實時30fps，是不是只有Nvidia的芯片（支持cuda）才可以？）
第一個問題，雖然基于視覺的SLAM計算量相對較大，但在嵌入式系統(tǒng)上是可以跑起來的，Sparse的SLAM可以達到30-50hz（也不需要GPU和Cuda），如果dense的話就比較消耗資源，根據(jù)點云還有三角化密度可調(diào)，10－20hz也是沒有問題。
并不一定要用cuda，一些用到cuda和GPU的算法主要是用來加速SIFT、ICP，以及后期三角化和mesh的過程，即使不用cuda可以采用其他的特征點提取和匹配策略也是可以的。
（今年8月，雷鋒網(wǎng)將在深圳舉辦“全球人工智能與機器人創(chuàng)新大會”（簡稱：GAIR）。想了解下，您對機器人的未來趨勢怎么看？）
這個問題就比較大了。
機器人產(chǎn)業(yè)是個很大的Ecosystem，短時間來講，可能產(chǎn)業(yè)鏈不夠完整，消費級市場缺乏爆點爆款。雖然大家都在談?wù)撟鰴C器人，但是好多公司并沒有解決用戶痛點，也沒有為機器人產(chǎn)業(yè)鏈創(chuàng)造什么價值。
但是大家可以看到， 大批缺乏特色和積淀的機器人公司正在被淘汰，行業(yè)格局越來越清晰，分工逐漸完善，一大批細分市場成長起來。
從機器人的感知部分來說，傳感器性能提升、前端處理（目前的sensor前端處理做的太少，給主CPU造成了很大的負擔）、多傳感器融合是一個很大的增長點。
現(xiàn)在人工智能也開始揚頭，深度學習、神經(jīng)網(wǎng)絡(luò)專用的分布式異構(gòu)處理器及其協(xié)處理器成為緊急需求，我個人很希望國內(nèi)有公司能把這塊做好。
也有好多創(chuàng)業(yè)公司做底層工藝比如高推重比電機、高能量密度電池、復(fù)合材料，他們和機器人產(chǎn)業(yè)的對接，也會加速機器人行業(yè)的發(fā)展。整個機器人生態(tài)架構(gòu)會越來越清晰，從硬件層到算法層到功能層到SDK 再到應(yīng)用層，每一個細分領(lǐng)域都有公司切入，隨著這些產(chǎn)業(yè)節(jié)點的完善，能看到機器人行業(yè)的前景還是很棒的，相信不久之后就會迎來堪比互聯(lián)網(wǎng)的指數(shù)式增長！
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
