机器人构建地图不得不面对的问题——大场景下的地图构建与闭环

開篇前試想這樣兩個(gè)場(chǎng)景：

在一個(gè)相對(duì)較小的地方（如房間），讓你快速找某個(gè)東西，是不是很容易，很清楚自己在哪里，要怎么拿到他。

然后，把你放到一個(gè)大場(chǎng)景（如商場(chǎng)），在不熟悉的情況下，是不是有點(diǎn)慌？

這兩個(gè)場(chǎng)景的典型區(qū)別就在于場(chǎng)景的大小不同，需要人處理的信息量不同。同理，機(jī)器人在初次面對(duì)的時(shí)候也會(huì)有點(diǎn)慌。但其實(shí)，只要清楚他的“地圖構(gòu)造”，再大的場(chǎng)景也不是問(wèn)題。

目前，雖然即時(shí)地圖構(gòu)建和導(dǎo)航技術(shù)已經(jīng)日益成熟,但是大規(guī)模場(chǎng)景下較大的環(huán)境面積及復(fù)雜的場(chǎng)景結(jié)構(gòu)給地圖構(gòu)建帶來(lái)了較大挑戰(zhàn)。甚至在有些人眼里，這是工作量巨大的，繁瑣的、構(gòu)建不準(zhǔn)確的……但其實(shí)，思嵐科技的技術(shù)可以輕松完成10w+㎡場(chǎng)景下的地圖構(gòu)建，邊走邊建圖，無(wú)需預(yù)先探明地圖。

比如，這樣的：

這樣的：

以及這樣的：

一個(gè)典型的商用場(chǎng)景特征如下：

針對(duì)大場(chǎng)景的地圖構(gòu)建，如果使用激光雷達(dá)配合SLAM算法進(jìn)行建圖的話，首先需要使用較遠(yuǎn)測(cè)距半徑的激光雷達(dá)傳感器。目前為了適應(yīng)上述的商用場(chǎng)景，行業(yè)內(nèi)會(huì)使用測(cè)距半徑在16米以上的激光雷達(dá)產(chǎn)品，而比較理想的測(cè)量半徑是25米，從而保證能夠應(yīng)對(duì)各類極端條件。

除了保障傳感器的測(cè)距半徑符合環(huán)境需求外，SLAM算法還需要具備閉環(huán)檢測(cè)能力。比如有些場(chǎng)景，長(zhǎng)走廊和環(huán)路較多，相似的場(chǎng)景也很多，在SLAM過(guò)程中難以形成有效的全局匹配參考，從而很容易導(dǎo)致局部區(qū)域累計(jì)誤差無(wú)法及時(shí)清除，進(jìn)而導(dǎo)致回環(huán)閉合問(wèn)題。如下圖：

| 由于環(huán)境場(chǎng)景大且多為長(zhǎng)直走廊，導(dǎo)致SLAM建圖中容易出現(xiàn)環(huán)路閉合失敗的情況

為了解決上述問(wèn)題，行業(yè)內(nèi)的普遍做法有兩種：

1.采用粒子濾波的SLAM方法

使用多張平行存在的候選地圖（粒子）同時(shí)進(jìn)行地圖構(gòu)建，并且時(shí)刻挑選出其中概率上更加符合真實(shí)情況的地圖作為當(dāng)前結(jié)果。由于不同的粒子之間建立的地圖存在區(qū)別，因此從概率上看，當(dāng)機(jī)器人在環(huán)境中行走完一個(gè)環(huán)路后，眾多粒子中存在閉環(huán)地圖的可能性相比傳統(tǒng)單一建圖的模式要高很多。因此這種方法可以一定程度的解決閉環(huán)問(wèn)題。

| 采用rbpf(Rao-Blackwellized particle filters)的SLAM算法

采用粒子濾波的SLAM算法因其可以非常有效的規(guī)避因?yàn)榫植吭肼晫?dǎo)致的建圖失效問(wèn)題，曾一度成為行業(yè)內(nèi)激光SLAM方式的主流方案。然而，這種方式的SLAM算法，由于系統(tǒng)參數(shù)和傳感器觀測(cè)等存在不確定性，先天存在資源消耗大的缺點(diǎn)。

以rbpf-slam為例，實(shí)際應(yīng)用中為了保證較好的魯棒性，需要維持幾十個(gè)粒子數(shù)據(jù)，每個(gè)粒子中都包含了一張當(dāng)前正在構(gòu)建的環(huán)境地圖信息。這樣無(wú)疑增加了SLAM算法的內(nèi)存消耗。同時(shí)，每當(dāng)新的傳感器數(shù)據(jù)進(jìn)入，要對(duì)地圖進(jìn)行更新迭代時(shí)，算法需要對(duì)每個(gè)粒子數(shù)據(jù)都進(jìn)行相同的匹配計(jì)算和數(shù)據(jù)更新，這也加重了運(yùn)算負(fù)擔(dān)。進(jìn)一步的，粒子濾波的SLAM方式雖然可以大幅度改善回環(huán)閉合問(wèn)題，但從原理上看它并不能真正意義上解決閉環(huán)問(wèn)題。對(duì)于特殊的環(huán)境下，使用粒子濾波SLAM可能會(huì)將粒子收斂到錯(cuò)誤的方向，導(dǎo)致建圖失敗。

| 正確的地圖構(gòu)建(左)和當(dāng)粒子濾波收斂失敗得到的錯(cuò)誤地圖（右）

2.基于圖優(yōu)化的SLAM方式

基于圖優(yōu)化的SLAM（(Graph-SLAM)）方法，由于采用了全局優(yōu)化處理方法，能夠有效的解決建圖閉環(huán)，獲得更好的建圖效果，獲得行業(yè)廣泛關(guān)注。

| 基于圖優(yōu)化的SLAM框架

相比于rbpf-slam每次直接將傳感器數(shù)據(jù)更新進(jìn)入柵格地圖進(jìn)行構(gòu)建的做法，Graph-SLAM存儲(chǔ)的是地圖構(gòu)建過(guò)程中機(jī)器人位姿變化的拓?fù)涞貓D信息，以及諸如臨近數(shù)據(jù)和閉環(huán)點(diǎn)等數(shù)據(jù)。

| Graph-SLAM編碼了機(jī)器人在SLAM過(guò)程中的位姿變化拓?fù)涞貓D，相關(guān)的拓?fù)湫畔?，如：閉環(huán)、重合數(shù)據(jù)也得到了編碼

而當(dāng)機(jī)器人在建圖中出現(xiàn)了新的回環(huán)后，Graph-SLAM可依賴內(nèi)部的拓?fù)鋱D進(jìn)行主動(dòng)式的閉環(huán)檢測(cè)，當(dāng)發(fā)現(xiàn)了新的閉環(huán)信息后，Graph-SLAM使用Bundle Adjuestment(BA)等算法對(duì)原先的位姿拓?fù)涞貓D進(jìn)行修正（即進(jìn)行圖優(yōu)化），從而能有效的進(jìn)行閉環(huán)后地圖的修正。因此相比與粒子濾波SLAM方式，Graph-SLAM可以實(shí)現(xiàn)更加可靠的環(huán)境建圖。

| Graph-SLAM在檢測(cè)到原先地圖（左）存在可能得閉合路徑后，對(duì)拓?fù)鋱D進(jìn)行修正從而得到正確的環(huán)境建圖（右）

目前，SLAMWARE已經(jīng)采用了最新的圖優(yōu)化方式，配合激光雷達(dá)逐漸在商用復(fù)雜環(huán)境中開始使用。未來(lái)，面對(duì)機(jī)器人應(yīng)用場(chǎng)景的不斷拓展，建圖技術(shù)必然還會(huì)遇到更多的問(wèn)題，而這些，是未來(lái)思嵐科技需要和行業(yè)一起，共同攻克的問(wèn)題。