扫地机器人室内定位技术解析

　　相信屏幕前的各位看官应该都有过扫地的经历，回想一下扫地的过程，可以分解为两个主要的动作：走到某个位置；将其打扫干净。与之相应的，作为人类扫地劳动的替代者——扫地机器人也包含两个主要的系统：自主导航系统和清扫系统。

　　如果说清扫系统是扫地机器人冠以“扫地”之名的本钱，是扫地机器人之心；那么自主导航系统就是它冠以“机器人”之名的底气，是扫地机器人之脑。如果没有自主导航系统，那么它只能被称为“扫地机器”而不是“扫地机器人”。下面就让我们具体来看一下扫地机器人的“底气”是怎么产生的。

　　| 机器人导航的三个经典问题

　　

　　说到机器人的自主导航，简单来说可以归结为由MIT教授John J. Leonard和原悉尼大学教授Hugh Durrant-Whyte提出的三个问题：

　　（1）Where am I ？

　　（2）Where I am going？

　　（3）How should I go there？

　　第一个问题是机器人的定位问题，即如何根据现在观测到的和前面已知的信息，判断机器人在当前环境中的位置。第二个和第三个问题，实际上就是指定一个目标，然后规划一定的路径来实现这个目标。对一般的移动机器人来说，这个目标是一个点，即点到点导航。而对扫地机器人来说，其目标不是到达某一点，而是遍历某一个区域，以实现对房间的清扫。今天让我们先来看一下第一个问题，即扫地机器人的定位。

　　定位是包括扫地机器人在内的移动机器人自主导航中最基本的环节，也是完成任务必须解决的问题。说到定位，大家首先想到的可能是GPS定位、基站定位等常用的室外定位。

　　与之不同，扫地机器人的定位都是室内定位，其要求定位精度高（最少在亚米级），实时性好，GPS、基站定位等方法无法满足。扫地机器人定位总体上可以分为相对定位和绝对定位，下面我们分别来看。

　　| 相对定位法

　　航位推算法（Dead-Reckoning Method）是一种经典的相对定位法，也是扫地机器人目前最为广泛使用的一种定位方法。它利用机器人装备的各种传感器获取机器人的运动动态信息，通过递推累计公式获得机器人相对初试状态的估计位置。航位推算较常使用的传感器一般有：码盘，惯性传感器（如陀螺仪、加速度计）等。

　　码盘法一般使用安装在车轮上的光电码盘记录车轮的转数，进而获得机器人相对于上一采样时刻位置和姿态的改变量，通过这些位移量的累积就可以估计机器人的位置。码盘法优点是方法简单、价格低廉，但其容易受标定误差、车轮打滑、颠簸等因素影响，误差较大。但是由于码盘价格便宜，简单易用，可用于机器人较短时间距离内的位置估计。

　　惯性传感器使用陀螺仪和加速度计得到机器人的角加速度和线加速度信息，通过积分获得机器人的位置信息。一般情况下，使用惯性传感器的定位精度高于码盘，但是其精度也要受陀螺仪漂移、标定误差、敏感度等问题影响。无论是使用码盘还是惯性传感器，它们都存在一个共同的缺点：有累积误差，随着行驶时间、距离的不断增加，误差也不断增大。因此相对定位法不适合于长时间、长距离的精确定位。

　　| 绝对定位法

　　绝对定位法是指机器人通过获得外界一些位置等己知的参照信息，通过计算自己与参照信息之间的相互关系，进而解算出自己的位置。。绝对定位主要采用基于信标的定位、环境地图模型匹配定位、视觉定位等方法。

　　基于信标的定位

　　

　　信标定位原指在航海或航空中利用无线电基站发出的无线电波实现定位与导航的技术。对机器人室内定位而言是指，机器人通过各种传感器接收或观测环境中已知位置的信标，经过计算得出机器人与信标的相对位置，再代入已知的信标位置坐标，解出机器人的绝对坐标来实现定位。用于定位的信标需满足3个条件：

　　（1）信标的位置固定且信标的绝对坐标已知；

　　（2）信标具有主被动特征，易于辨识；

　　（3）信标位置便于从各方向观测。

　　信标定位方式主要有三边测量和三角测量 。三边测量是根据测量得到的机器人与信标的距离来确定移动机器人位置的方法。三边测量定位系统至少需要3个已知位置的发射器（或接收器），而接收器（或发射器）安装在移动机器人上。三角测量和三边测量的思路大体一致，通过测量移动机器人与信标之间的角度来进行定位。

　　

　　基于信标的定位系统依赖于一系列环境中已知特征的信标，并需要在移动机器人上安装传感器对信标进行观测。用于信标观测的传感器有很多种，比如超声波传感器、激光雷达、视觉传感器等。可以实时测量，没有累进误差，精度相对较高、稳定性好，提供快速、稳定、精确的绝对位置信息，但安装和维护信标花费很高。市场上已经出现较为成熟的基于信标定位的信标定位扫地机器人，如Proscenic的模拟GPS卫星三点定位技术，iRobot的Northstar导航定位技术，但由于其价格较为昂贵，它们都用于相对高端的产品中。

　　环境地图模型匹配定位

　　是机器人通过自身的各种传感器探测周围环境，利用感知到的局部环境信息进行局部的地图构造，并与其内部事先存储的完整地图进行匹配。通过匹配关系获得自己在全局环境中的位置，从而确定自身的位置。该方法由于有严格的条件限制，只适于一些结构相对简单的环境。

　　

　　基于视觉的定位

　　科学研究统计表明，人类从外界获得信息量约有75%来自视觉，视觉系统是机器人与人类感知环境最接近的探测方式。受益于模式识别、机器视觉的发展，基于视觉的机器人定位近年来成为研究热点。

　　基于视觉的定位主要分为单目视觉、双目视觉。

　　单目视觉无法直接得到目标的三维信息，只能通过移动获得环境中特征点的深度信息，适用于工作任务比较简单且深度信息要求不高的情况，如果利用目标物体的几何形状模型，在目标上取3个以上的特征点也能够获取目标的位置等信息，但定位精度不高。

　　双目立体视觉三维测量是基于视差原理的，即左相机像面上的任意一点只要能在右相机像面，上找到对应的匹配点，就可以确定出该点的三维信息，从而获取其对应点的三维坐标。

　　目前，基于视觉定位的扫地机器人也已有产品推出，iRobot和Dyson分别于2015年及2014年推出了基于视觉定位的高端扫地机器人RoomBa980和360Eye。

　　

　　| 小结

　　自主定位是扫地机器人自主路径规划的基础。经过多年的研究，虽然受成本、生产等因素的制约，航位推算法仍然是目前采用最广泛的定位方法，但通过算法优化，利用混合定位，可以减小其误差带来的影响。而且，随着视觉定位等较高定位精度的定位方法的进一步成熟，其成本也将逐步下降，并将从高端市场逐渐推向大众市场，到时候扫地机器人的定位精度，智能化水平都将有普遍的提升。
       相关文章：《你知道扫地机器人是怎样规划路径的吗？》