致謝-5554-機(jī)器視覺中多傳感器融合技術(shù)發(fā)展現(xiàn)狀文獻(xiàn)綜述隨著機(jī)器人應(yīng)用領(lǐng)域的不斷拓展，對(duì)機(jī)器人智能化要求也越來越高，如何在復(fù)雜的室內(nèi)環(huán)境下獲取精確的環(huán)境信息輔助機(jī)器人實(shí)現(xiàn)定位導(dǎo)航等功能是目前亟待解決的首要問題。由于單一傳感器只能獲取部分環(huán)境特征信息，已無法滿足機(jī)器人適應(yīng)復(fù)雜環(huán)境的要求，因此多傳感器融合技術(shù)逐漸得到眾多研究者的重視，并且已成為目前SLAM技術(shù)領(lǐng)域的研究熱點(diǎn)[36]。像人類和其它動(dòng)物一樣，將聲音、圖像、氣味等感覺器官獲取到的信息進(jìn)行綜合處理就會(huì)讓我們得出更加準(zhǔn)確的判斷，機(jī)器人同樣如此，對(duì)多種傳感器獲取到的環(huán)境信息數(shù)據(jù)進(jìn)行融合可以提高機(jī)器人對(duì)所探測(cè)環(huán)境障礙物的信息獲取能力[37]。目前，在戰(zhàn)場(chǎng)態(tài)勢(shì)感知、交通物流、醫(yī)療救助、氣象偵測(cè)等領(lǐng)域中，多傳感器融合技術(shù)得到了廣泛應(yīng)用和重視。數(shù)據(jù)融合是一個(gè)多線程、多層面的數(shù)據(jù)處理流程，通過融合算法將來自多個(gè)傳感器的環(huán)境信息數(shù)據(jù)進(jìn)行檢測(cè)、估計(jì)、相關(guān)、組合等處理。其示意圖如下圖1-2所示圖1-2多傳感器數(shù)據(jù)融合多傳感器融合算法通過整合更多的傳感器數(shù)據(jù)來提高機(jī)器人在室內(nèi)環(huán)境下的系統(tǒng)性能。其中涉及建圖算法、定位算法、路徑規(guī)劃算法等。經(jīng)前面的分析，相機(jī)由于能夠獲取到更多的環(huán)境信息且成本低，廣泛應(yīng)用于室內(nèi)移動(dòng)機(jī)器人[38]，因此，本文主要介紹相機(jī)與其他傳感器進(jìn)行融合的相關(guān)算法。單目視覺中相機(jī)的相對(duì)運(yùn)動(dòng)信息采用定位算法通過相鄰幀間的基本矩陣獲取，但是提取出的運(yùn)動(dòng)尺度恢復(fù)效果較差，極大的影響定位精度。為解決此問題，能夠得到尺度信息的相機(jī)應(yīng)該首先被考慮使用，如RGB-D相機(jī)，ZED雙目相機(jī)，但是這類相機(jī)同樣會(huì)存在一些不可避免的問題，如基線長度太長導(dǎo)致相機(jī)體積過大不易安裝的問題，太短又導(dǎo)致無法得到高可靠性的定位精度的問題，另外一種方式是使用慣性測(cè)量裝置來提供運(yùn)動(dòng)的尺度信息，比如慣性測(cè)量單元（IMU），IMU由于能夠提供高頻率和較穩(wěn)定的尺度信息現(xiàn)已被廣泛應(yīng)用于各種傳感器融合算法當(dāng)中[39]。VINS（VisualInertialNavigationSystem）算法是香港科技大學(xué)沈劭劼團(tuán)隊(duì)提出的單目視覺與慣導(dǎo)融合的SLAM方案，采用基于優(yōu)化和滑動(dòng)窗口的VIO（VisualOdometry），使用IMU預(yù)積分構(gòu)建緊耦合框架，并且具備在線外參標(biāo)定、自動(dòng)初始化、閉環(huán)檢測(cè)、重定位以及全局位姿圖優(yōu)化等功能。在該算法中，單目相機(jī)與IMU進(jìn)行數(shù)據(jù)融合，將IMU的高動(dòng)態(tài)性和相機(jī)視覺的高精度優(yōu)點(diǎn)結(jié)合起來，這些年來，尤其是在無人機(jī)這類高動(dòng)態(tài)性的場(chǎng)合中應(yīng)用最為廣泛，因此備受SLAM領(lǐng)域研究者的青睞。Langelan與其同事將IMU坐標(biāo)系的位姿信息和地圖點(diǎn)信息添加到擴(kuò)展卡爾曼濾波的狀態(tài)向量中進(jìn)行計(jì)算，這種方法的優(yōu)勢(shì)在于能夠?qū)鞲衅鳙@取到的信息最大化利用[40]，但是會(huì)存在在算法運(yùn)行過程中，算法效率會(huì)因狀態(tài)向量的增加而逐漸降低的問題，為解決此計(jì)算效率低下的問題，Roumeliotis與其同事通過對(duì)擴(kuò)展卡爾曼濾波的狀態(tài)向量進(jìn)行邊緣化處理來提高算法的效率，保證了在每次濾波時(shí)只保留狀態(tài)向量中的IMU位姿并將其它的地圖點(diǎn)邊緣化，降低了計(jì)算的復(fù)雜度[41]，但是這種方法會(huì)在邊緣化的時(shí)候使系統(tǒng)的可觀性發(fā)生變化導(dǎo)致算法的連續(xù)性隨著時(shí)間的增加而變的越來越差。明尼蘇達(dá)大學(xué)MARS實(shí)驗(yàn)室的Anastasios提出了一種多狀態(tài)約束視覺慣性導(dǎo)航算法MSCCKF，這種算法通過限定狀態(tài)向量中的成分來保證狀態(tài)向量中位姿的數(shù)量和地圖點(diǎn)保持在一定限度之下，在新的位姿和地圖點(diǎn)被添加進(jìn)來后，舊的位姿和地圖點(diǎn)會(huì)被邊緣化，從而可以最大化保證算法的精確性[42]。近年來隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)的運(yùn)算能力不斷提升，使更復(fù)雜的SLAM算法實(shí)現(xiàn)實(shí)時(shí)性成為可能。為得到更加精確的運(yùn)算結(jié)果，優(yōu)化技術(shù)也逐步被加入到SLAM算法中[43]，例如在VINS算法中Strasdata等人從兩方面進(jìn)行對(duì)比，一是在精度方面，二是和基于優(yōu)化的方法進(jìn)行對(duì)比，研究了濾波算法的局限性，通過采用優(yōu)化的方法，不管是在精度上還是全局一致性上都要比基于濾波的方法更加優(yōu)越。Leutengger等人通過采用IMU動(dòng)態(tài)方程進(jìn)行狀態(tài)的預(yù)測(cè)，將預(yù)測(cè)出的視覺觀測(cè)值和狀態(tài)進(jìn)行緊耦合優(yōu)化，將IMU的累計(jì)誤差還有速度也當(dāng)做被優(yōu)化的變量放到優(yōu)化的過程中去，通過這種方法可以得到更加準(zhǔn)確的估計(jì)值[44]。但是會(huì)存在位姿在每次優(yōu)化后會(huì)產(chǎn)生改變的問題，為避免對(duì)算法的實(shí)時(shí)性形成較大的影響需要對(duì)IMU的預(yù)測(cè)進(jìn)行重先計(jì)算。Forster等提出了基于流形的IMU離散預(yù)積分算法，該方法通過將IMU傳感器的高頻率信號(hào)采用積分的方法轉(zhuǎn)換到低頻率上，最后通過基于流形的方式對(duì)數(shù)據(jù)進(jìn)行處理，進(jìn)而提取積分中一部分有關(guān)初值的變量來保證在每一次優(yōu)化過程中都不再對(duì)積分結(jié)果進(jìn)行重復(fù)更新，不僅如此，還可以保證低頻率的相機(jī)位姿得到約束，大大提高了數(shù)據(jù)精度。如今在自動(dòng)化與無人化的大趨勢(shì)下，SLAM技術(shù)的重要性更加凸顯，SLAM技術(shù)日趨完善并逐步滲透到人類社會(huì)的各個(gè)方面，因此其帶來的廣闊的市場(chǎng)使得國內(nèi)外涌現(xiàn)出了一大批優(yōu)秀的機(jī)器人研發(fā)生產(chǎn)企業(yè)，如表1-3列出了目前國內(nèi)外在機(jī)器人領(lǐng)域取得較好成績的部分企業(yè)。表1-3國內(nèi)外SLAM技術(shù)研究企業(yè)企業(yè)基本情況技術(shù)優(yōu)勢(shì)布科思2014年成立，主營機(jī)器人、傳感器以及定位導(dǎo)航方案主要使用激光雷達(dá)，結(jié)合超寬帶技術(shù)、超聲波和紅外實(shí)現(xiàn)定位米克力美2009年成立，主要研發(fā)制造自主移動(dòng)機(jī)器人采用激光SLAM方案高仙2013年成立，主要提供移動(dòng)機(jī)器人柔性導(dǎo)航控制模塊高仙SLAM2.0技術(shù)方案提高了SLAM多項(xiàng)技術(shù)指標(biāo)，且將導(dǎo)航環(huán)節(jié)涵蓋了進(jìn)來，為用戶提供了一套完整的機(jī)器人自主定位、建圖和導(dǎo)航應(yīng)用系統(tǒng)遠(yuǎn)形時(shí)空成立于2016年，專注于視覺SLAM技術(shù)的研發(fā)和產(chǎn)品化2017年完成了研發(fā)高定位精度和高穩(wěn)定性的單目視覺導(dǎo)航模塊靈喵2015年成立，提供室內(nèi)外通用模塊化激光SLAM自主定位導(dǎo)航系統(tǒng)解決方案主打產(chǎn)品NAVI-BOX(自主導(dǎo)航盒子），應(yīng)用領(lǐng)域涵蓋了幾乎所有類型的自主機(jī)器人場(chǎng)景思坦德2016年成立，主要專注于移動(dòng)機(jī)器人以及物流解決方案供應(yīng)融合多種傳感器數(shù)據(jù)（激光雷達(dá)、里程計(jì)、慣性測(cè)量單元、攝像頭等），幫助機(jī)器人獲得場(chǎng)景地圖信息，從而使機(jī)器人具備自主移動(dòng)、路徑規(guī)劃、場(chǎng)景理解等能力。思嵐科技2013年成立，主營激光雷達(dá)即模塊化自主定位導(dǎo)航解決方案其SLAMWARE是一種單模塊化的機(jī)器人自主定位導(dǎo)航系統(tǒng)速感科技2014年成立，機(jī)器視覺解決方案提供商其VSLAM算法可以融合多種傳感器數(shù)據(jù)獲得穩(wěn)定且準(zhǔn)確的位置姿態(tài)信息，并且可幫助機(jī)器人等智能設(shè)備獲取三維空間環(huán)境信息，使其具備自主移動(dòng)、路徑規(guī)劃、場(chǎng)景理解等能力。參考文獻(xiàn)曹文祥,馮雪梅.工業(yè)機(jī)器人研究現(xiàn)狀及發(fā)展趨勢(shì)[J].機(jī)械制造,2011,49(02):41-43.陳衛(wèi)東,張飛.移動(dòng)機(jī)器人的同步自定位與地圖創(chuàng)建研究進(jìn)展[J].控制理論用,2005(03):455-460.黃劍雄,劉小雄,章衛(wèi)國等.基于視覺/慣導(dǎo)的無人機(jī)組合導(dǎo)航算法研究[J].計(jì)算機(jī)測(cè)量與控制,2021,29(02):137-143+149.田野,陳宏巍,王法勝等.室內(nèi)移動(dòng)機(jī)器人的SLAM算法綜述[J/OL].計(jì)算機(jī)科學(xué):1-26[2021-03-12].張大偉,蘇帥.自主移動(dòng)機(jī)器人視覺SLAM技術(shù)研究[J].鄭州大學(xué)學(xué)報(bào)(理學(xué)版),2021,53(01):1-8.林國聰,薛斌強(qiáng),王冬青.基于圖優(yōu)化的SLAM后端優(yōu)化算法研究[J].電子設(shè)計(jì)工程,2020,28(24):6-10+16.丁歆甯.基于機(jī)器視覺的室內(nèi)定位與地圖構(gòu)建研究[D].南京郵電大學(xué),2020.周建偉.基于多傳感器的移動(dòng)機(jī)器人自主探索建圖系統(tǒng)的研究與實(shí)現(xiàn)[D].南京郵電大學(xué),2020.王馨閣,田宗強(qiáng),陳文濤等.基于改進(jìn)RBPF的激光SLAM算法研究[J].安徽工程大學(xué)學(xué)報(bào),2020,35(06):18-25.李宏達(dá),范繼祥.基于ROS的輪式機(jī)器人建模與路徑規(guī)劃仿真[J].哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào),2020,36(06):16-23.徐波,陳歡,田定勝等.基于Dijkstra的智能巡檢機(jī)器人避障算法[J].供用電,2020,37(12):74-80.劉剛,葛洪偉.視覺慣導(dǎo)SLAM初始化算法研究[J/OL].計(jì)算機(jī)科學(xué)與探索:1-11[2021-03-12].李榮冰,王智奇,廖自威.激光雷達(dá)/MEMS微慣性組合室內(nèi)導(dǎo)航算法研究[J].傳感器與微系統(tǒng),2020,39(12):14-17+21.鄧世燕,郭承軍.基于多傳感器融合的即時(shí)定位與地圖構(gòu)建方法研究[A].中國衛(wèi)星導(dǎo)航系統(tǒng)管理辦公室學(xué)術(shù)交流中心.第十一屆中國衛(wèi)星導(dǎo)航年會(huì)論文集——S13自主導(dǎo)航[C].中國衛(wèi)星導(dǎo)航系統(tǒng)管理辦公室學(xué)術(shù)交流中心:中科北斗匯(北京)科技有限公司,2020:6.白石,張小俊,杜珊.基于慣性測(cè)量單元的SLAM改進(jìn)方法[J].中國科技論文,2020,15(11):1313-1320.付相可,賴際舟,劉建等.合作環(huán)境下基于慣性/里程計(jì)/Lidar融合的UGV導(dǎo)航方法[J].導(dǎo)航定位與授時(shí),2020,7(06):94-101.黃欣彬,王彬.基于環(huán)境表示的移動(dòng)機(jī)器人SLAM算法研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2020,50(20):140-147.董伯麟,柴旭.基于IMU/視覺融合的導(dǎo)航定位算法研究[J].壓電與聲光,20