|
感謝作者（高翔博士）授權(quán)Exbot轉(zhuǎn)發(fā)原文發(fā)表于地平線公眾號 Simultaneous Localization and Mapping 即時(shí)定位與地圖構(gòu)建技術(shù) 無論在室內(nèi)、野外、空中還是水下SLAM是機(jī)器人進(jìn)入未知環(huán)境遇到的第一個(gè)問題 本期給大家介紹SLAM的基礎(chǔ)知識傳感器與視覺SLAM框架  近來年，智能機(jī)器人技術(shù)在世界范圍內(nèi)得到了大力發(fā)展。人們致力于把機(jī)器人用于實(shí)際場景：從室內(nèi)的移動(dòng)機(jī)器人，到野外的自動(dòng)駕駛汽車、空中的無人機(jī)、水下環(huán)境的探測機(jī)器人等等，均得到了廣泛的關(guān)注。在大多數(shù)場合中，我們研究機(jī)器人會碰到一個(gè)基礎(chǔ)性的困難，那就是定位和建圖，也就是所謂的SLAM技術(shù)。沒有準(zhǔn)確的定位與地圖，掃地機(jī)就無法在房間自主地移動(dòng)，只能隨機(jī)亂碰；家用機(jī)器人就無法按照指令準(zhǔn)確到達(dá)某個(gè)房間。此外，在虛擬現(xiàn)實(shí)（Virtual Reality）和增強(qiáng)現(xiàn)實(shí)技術(shù)（Argument Reality）中，沒有SLAM提供的定位，用戶就無法在場景中漫游。在這幾個(gè)應(yīng)用領(lǐng)域中，人們需要SLAM向應(yīng)用層提供空間定位的信息，并利用SLAM的地圖完成地圖的構(gòu)建或場景的生成。傳感器 當(dāng)我們談?wù)揝LAM時(shí)，最先問到的就是傳感器 SLAM的實(shí)現(xiàn)方式與實(shí)現(xiàn)難度和傳感器的形式和安裝方式密切相關(guān)傳感器分為激光和視覺兩大類視覺下面又分三小方向如此龐大的傳感器家族下面帶你認(rèn)識每個(gè)成員的特性傳感器之激光雷達(dá)  激光雷達(dá)是最古老，研究也最多的SLAM傳感器。它們提供機(jī)器人本體與周圍環(huán)境障礙物間的距離信息。常見的激光雷達(dá)，例如SICK、Velodyne還有我們國產(chǎn)的rplidar等，都可以拿來做SLAM。激光雷達(dá)能以很高精度測出機(jī)器人周圍障礙點(diǎn)的角度和距離，從而很方便地實(shí)現(xiàn)SLAM、避障等功能。主流的2D激光傳感器掃描一個(gè)平面內(nèi)的障礙物，適用于平面運(yùn)動(dòng)的機(jī)器人（如掃地機(jī)等）進(jìn)行定位，并建立2D的柵格地圖。這種地圖在機(jī)器人導(dǎo)航中很實(shí)用，因?yàn)槎鄶?shù)機(jī)器人還不能在空中飛行或走上臺階，仍限于地面。在SLAM研究史上，早期SLAM研究幾乎全使用激光傳感器進(jìn)行建圖，且多數(shù)使用濾波器方法，例如卡爾曼濾波器與粒子濾波器等。激光的優(yōu)點(diǎn)是精度很高，速度快，計(jì)算量也不大，容易做成實(shí)時(shí)SLAM。缺點(diǎn)是價(jià)格昂貴，一臺激光動(dòng)輒上萬元，會大幅提高一個(gè)機(jī)器人的成本。因此激光的研究主要集中于如何降低傳感器的成本上。對應(yīng)于激光的EKF-SLAM理論方面，因?yàn)檠芯枯^早，現(xiàn)在已經(jīng)非常成熟。與此同時(shí)，人們也對EKF-SLAM的缺點(diǎn)也有較清楚的認(rèn)識，例如不易表示回環(huán)、線性化誤差嚴(yán)重、必須維護(hù)路標(biāo)點(diǎn)的協(xié)方差矩陣，導(dǎo)致一定的空間與時(shí)間的開銷，等等。傳感器之視覺SLAM 視覺SLAM是21世紀(jì)SLAM研究熱點(diǎn)之一，一方面是因?yàn)橐曈X十分直觀，不免令人覺得：為何人能通過眼睛認(rèn)路，機(jī)器人就不行呢？另一方面，由于CPU、GPU處理速度的增長，使得許多以前被認(rèn)為無法實(shí)時(shí)化的視覺算法，得以在10 Hz以上的速度運(yùn)行。硬件的提高也促進(jìn)了視覺SLAM的發(fā)展。以傳感器而論，視覺SLAM研究主要分為三大類：單目、雙目（或多目）、RGBD。其余還有魚眼、全景等特殊相機(jī)，但是在研究和產(chǎn)品中都屬于少數(shù)。此外，結(jié)合慣性測量器件（Inertial Measurement Unit，IMU）的視覺SLAM也是現(xiàn)在研究熱點(diǎn)之一。就實(shí)現(xiàn)難度而言，我們可以大致將這三類方法排序?yàn)椋簡文恳曈X>雙目視覺>RGBD。  單目相機(jī)SLAM簡稱MonoSLAM，即只用一支攝像頭就可以完成SLAM。這樣做的好處是傳感器特別的簡單、成本特別的低，所以單目SLAM非常受研究者關(guān)注。相比別的視覺傳感器，單目有個(gè)最大的問題，就是沒法確切地得到深度。這是一把雙刃劍。一方面，由于絕對深度未知，單目SLAM沒法得到機(jī)器人運(yùn)動(dòng)軌跡以及地圖的真實(shí)大小。直觀地說，如果把軌跡和房間同時(shí)放大兩倍，單目看到的像是一樣的。因此，單目SLAM只能估計(jì)一個(gè)相對深度，在相似變換空間Sim(3)中求解，而非傳統(tǒng)的歐氏空間SE(3)。如果我們必須要在SE(3)中求解，則需要用一些外部的手段，例如GPS、IMU等傳感器，確定軌跡與地圖的尺度（Scale）。另一方面，單目相機(jī)無法依靠一張圖像獲得圖像中物體離自己的相對距離。為了估計(jì)這個(gè)相對深度，單目SLAM要靠運(yùn)動(dòng)中的三角測量，來求解相機(jī)運(yùn)動(dòng)并估計(jì)像素的空間位置。即是說，它的軌跡和地圖，只有在相機(jī)運(yùn)動(dòng)之后才能收斂，如果相機(jī)不進(jìn)行運(yùn)動(dòng)時(shí)，就無法得知像素的位置。同時(shí)，相機(jī)運(yùn)動(dòng)還不能是純粹的旋轉(zhuǎn)，這就給單目SLAM的應(yīng)用帶來了一些麻煩，好在日常使用SLAM時(shí)，相機(jī)都會發(fā)生旋轉(zhuǎn)和平移。不過，無法確定深度同時(shí)也有一個(gè)好處：它使得單目SLAM不受環(huán)境大小的影響，因此既可以用于室內(nèi)，又可以用于室外。  相比于單目，雙目相機(jī)通過多個(gè)相機(jī)之間的基線，估計(jì)空間點(diǎn)的位置。與單目不同的是，立體視覺既可以在運(yùn)動(dòng)時(shí)估計(jì)深度，亦可在靜止時(shí)估計(jì)，消除了單目視覺的許多麻煩。不過，雙目或多目相機(jī)配置與標(biāo)定均較為復(fù)雜，其深度量程也隨雙目的基線與分辨率限制。通過雙目圖像計(jì)算像素距離，是一件非常消耗計(jì)算量的事情，現(xiàn)在多用FPGA來完成。  RGBD相機(jī)是2010年左右開始興起的一種相機(jī)，它最大的特點(diǎn)是可以通過紅外結(jié)構(gòu)光或Time-of-Flight原理，直接測出圖像中各像素離相機(jī)的距離。因此，它比傳統(tǒng)相機(jī)能夠提供更豐富的信息，也不必像單目或雙目那樣費(fèi)時(shí)費(fèi)力地計(jì)算深度。目前常用的RGBD相機(jī)包括Kinect/Kinect V2、Xtion等。不過，現(xiàn)在多數(shù)RGBD相機(jī)還存在測量范圍窄、噪聲大、視野小等諸多問題。出于量程的限制，主要用于室內(nèi)SLAM。視覺SLAM框架 視覺SLAM幾乎都有一個(gè)基本的框架 一個(gè)SLAM系統(tǒng)分為四個(gè)模塊（除去傳感器數(shù)據(jù)讀?。￢O、后端、建圖、回環(huán)檢測 本期我們簡要介紹各模塊的涵義之后再詳細(xì)介紹其使用方法  SLAM框架之視覺里程計(jì) Visual Odometry，即視覺里程計(jì)。它估計(jì)兩個(gè)時(shí)刻機(jī)器人的相對運(yùn)動(dòng)（Ego-motion）。在激光SLAM中，我們可以將當(dāng)前的觀測與全局地圖進(jìn)行匹配，用ICP求解相對運(yùn)動(dòng)。而對于相機(jī)，它在歐氏空間里運(yùn)動(dòng)，我們經(jīng)常需要估計(jì)一個(gè)三維空間的變換矩陣——SE3或Sim3（單目情形）。求解這個(gè)矩陣是VO的核心問題，而求解的思路，則分為基于特征的思路和不使用特征的直接方法。  特征匹配基于特征的方法是目前VO的主流方式。對于兩幅圖像，首先提取圖像中的特征，然后根據(jù)兩幅圖的特征匹配，計(jì)算相機(jī)的變換矩陣。最常用的是點(diǎn)特征，例如Harris角點(diǎn)、SIFT、SURF、ORB。如果使用RGBD相機(jī)，利用已知深度的特征點(diǎn)，就可以直接估計(jì)相機(jī)的運(yùn)動(dòng)。給定一組特征點(diǎn)以及它們之間的配對關(guān)系，求解相機(jī)的姿態(tài)，該問題被稱為PnP問題（Perspective-N-Point）。PnP可以用非線性優(yōu)化來求解，得到兩個(gè)幀之間的位置關(guān)系。不使用特征進(jìn)行VO的方法稱為直接法。它直接把圖像中所有像素寫進(jìn)一個(gè)位姿估計(jì)方程，求出幀間相對運(yùn)動(dòng)。例如，在RGBD SLAM中，可以用ICP（Iterative Closest Point，迭代最近鄰）求解兩個(gè)點(diǎn)云之間的變換矩陣。對于單目SLAM，我們可以匹配兩個(gè)圖像間的像素，或者像圖像與一個(gè)全局的模型相匹配。直接法的典型例子是SVO和LSD-SLAM。它們在單目SLAM中使用直接法，取得了較好的效果。目前看來，直接法比特征VO需要更多的計(jì)算量，而且對相機(jī)的圖像采集速率也有較高的要求。SLAM框架之后端 在VO估計(jì)幀間運(yùn)動(dòng)之后，理論上就可以得到機(jī)器人的軌跡了。然而視覺里程計(jì)和普通的里程計(jì)一樣，存在累積誤差的問題（Drift）。直觀地說，在t1和t2時(shí)刻，估計(jì)的轉(zhuǎn)角比真實(shí)轉(zhuǎn)角少1度，那么之后的軌跡就全部少掉了這1度。時(shí)間一長，建出的房間可能由方形變成了多邊形，估計(jì)出的軌跡亦會有嚴(yán)重的漂移。所以在SLAM中，還會把幀間相對運(yùn)動(dòng)放到一個(gè)稱之為后端的程序中進(jìn)行加工處理。早期的SLAM后端使用濾波器方式。由于那時(shí)還未形成前后端的概念，有時(shí)人們也稱研究濾波器的工作為研究SLAM。SLAM最早的提出者R. Smith等人就把SLAM建構(gòu)成了一個(gè)EKF（Extended Kalman Filter，擴(kuò)展卡爾曼濾波）問題。他們按照EKF的形式，把SLAM寫成了一個(gè)運(yùn)動(dòng)方程和觀測方式，以最小化這兩個(gè)方程中的噪聲項(xiàng)為目的，使用典型的濾波器思路來解決SLAM問題。當(dāng)一個(gè)幀到達(dá)時(shí)，我們能（通過碼盤或IMU）測出該幀與上一幀的相對運(yùn)動(dòng)，但是存在噪聲，是為運(yùn)動(dòng)方程。同時(shí)，通過傳感器對路標(biāo)的觀測，我們測出了機(jī)器人與路標(biāo)間的位姿關(guān)系，同樣也帶有噪聲，是為觀測方程。通過這兩者信息，我們可以預(yù)測出機(jī)器人在當(dāng)前時(shí)刻的位置。同樣，根據(jù)以往記錄的路標(biāo)點(diǎn)，我們又能計(jì)算出一個(gè)卡爾曼增益，以補(bǔ)償噪聲的影響。于是，對當(dāng)前幀和路標(biāo)的估計(jì)，即是這個(gè)預(yù)測與更新的不斷迭代的過程。21世紀(jì)之后，SLAM研究者開始借鑒SfM（Structure from Motion）問題中的方法，把捆集優(yōu)化（Bundle Adjustment）引入到SLAM中來。優(yōu)化方法和濾波器方法有根本上的不同。它并不是一個(gè)迭代的過程，而是考慮過去所有幀中的信息。通過優(yōu)化，把誤差平均分到每一次觀測當(dāng)中。在SLAM中的Bundle Adjustment常常以圖的形式給出，所以研究者亦稱之為圖優(yōu)化方法（Graph Optimization）。圖優(yōu)化可以直觀地表示優(yōu)化問題，可利用稀疏代數(shù)進(jìn)行快速的求解，表達(dá)回環(huán)也十分的方便，因而成為現(xiàn)今視覺SLAM中主流的優(yōu)化方法。SLAM框架之回環(huán)檢測 回環(huán)檢測，又稱閉環(huán)檢測（Loop closure detection），是指機(jī)器人識別曾到達(dá)場景的能力。如果檢測成功，可以顯著地減小累積誤差?；丨h(huán)檢測實(shí)質(zhì)上是一種檢測觀測數(shù)據(jù)相似性的算法。對于視覺SLAM，多數(shù)系統(tǒng)采用目前較為成熟的詞袋模型（Bag-of-Words, BoW）。詞袋模型把圖像中的視覺特征（SIFT, SURF等）聚類，然后建立詞典，進(jìn)而尋找每個(gè)圖中含有哪些“單詞”（word）。也有研究者使用傳統(tǒng)模式識別的方法，把回環(huán)檢測建構(gòu)成一個(gè)分類問題，訓(xùn)練分類器進(jìn)行分類?；丨h(huán)檢測的難點(diǎn)在于，錯(cuò)誤的檢測結(jié)果可能使地圖變得很糟糕。這些錯(cuò)誤分為兩類：1.假陽性（False Positive），又稱感知偏差（Perceptual Aliasing），指事實(shí)上不同的場景被當(dāng)成了同一個(gè)；2.假陰性（False Negative），又稱感知變異（Perceptual Variability），指事實(shí)上同一個(gè)場景被當(dāng)成了兩個(gè)。感知偏差會嚴(yán)重地影響地圖的結(jié)果，通常是希望避免的。一個(gè)好的回環(huán)檢測算法應(yīng)該能檢測出盡量多的真實(shí)回環(huán)。研究者常常用準(zhǔn)確率-召回率曲線來評價(jià)一個(gè)檢測算法的好壞。下期我們將具體介紹這幾個(gè)模塊 敬請期待 |
|
|
