干货 | 基于Realsense技术在动态环境下的三维建图和导航避障

　　今天为大家带来的机器人干货内容，来自去年5月23日英特尔V-SLAM技术研讨会上，机器人创新生态合作伙伴弗徕威智能机器人科技有限公司 - 潘何浩先生带来的主题演讲【基于Intel Realsense技术在动态环境下的三维建图和导航避障】，他也是弗徕威公司的算法工程师兼导航避障功能负责人，接下来的内容将会从以下四个方向进行分享。

　　以下为演讲实录整理：

　　首先简单介绍一下我们公司 - 弗徕威智能机器人科技有限公司，我们成立于12年8月的上海，也是我国成立较早的机器人研发机构之一，率先参与了制定服务机器人的企业标准、以及首批认证等。公司对于基础研发有较高的投入，同时也拥有自己一套完善的技术体系，我们授权的关于机器人的发明专利在国内是排名前三的。同时也是全球最早实现机器人量产，并且一次性交付量最大的集团企业之一。目前我们的总部在上海，在深圳还有一个机器人本体研发&自主移动研发中心。

　　在产品方面，但我们08年还在实验室阶段的时候，就已经开始制作多种各样的机器人，只不过没有作为商品进行产业化，直到12年我们成立了公司，15年的时候开始研发自己的产品，也就是维拉机器人，维拉机器人是我们作为家庭陪伴机器人这条产业线的产品，它主要负责解决在家庭中的陪伴问题，实现健康顾问包括家庭安全等功能，同时也负责连接家里各种智能安防的传感器，或是智能家居等设备。而今天的分享也主要围绕维拉三代进行。

　　在维拉三代的算法体系中，主要分为四块：

　　建图模块：

　　支持自主建图以及手动建图，并且支持地图标记编辑等功能。

　　自主移动：

　　自主移动支持随叫随到，以及导航到指定位置，包括各种操控方式例如语音控制，以及自动避障、脱困等功能。

　　自动回充：

　　除了可以自动标记充电座的位置，同时也支持在无地图或者无充电座位置信息的情况下通过探索方式来寻找充电座。

　　自动跟随：

　　较好地实现人体检测从而进行人体跟随，保证它可以跟得及时不跟错误，跟丢了也可以随时跟回来。

　　我们使用英特尔Realsense深度相机为机器人提供建图和导航支持，它也是一个必不可少的组件，因为立体视觉信息对其建图模型的完整性和准确性是必不可少的。

　　而在导航过程中，具体的家居环境像椅子箱子之类的东西事实上是非常多的，像一张桌子，我们本质上是不希望机器人钻到桌子底下的，所以在自主建图的过程中就需要把桌椅的位置标记出来的，如果仅依赖平面导航，机器人的运动性能会有受到很大的限制。我们希望它能在无人为干预的情况下，能够尽可能的做好，能实现自主顺利地在复杂环境中移动的能力。

　　上面是一个对比图，分别是【仅采用激光雷达】以及采用【深度相机+激光雷达】去测试同一个场景，在建图过程中，可以看到仅使用激光雷达的案例，它是完全没有办法看到桌椅的，所以在这个模型下仿佛是一片空旷的区域，而另一边依靠深度信息可以分辨出立体的椅子和桌子，然后就可以在地图上作出准确的标记。

　　除了在建图中有这种情况外，还有针对移动人体的场景。在实际的建图环节中，人很容易走进机器人的测量范围内，在没有深度相机的技术支持下，仅依靠雷达很容易会把人体检测为建筑共同体当成障碍物的一部分，而影响后续的建图和擦除，甚至还可能会让机器人反复测量这个位置，才能把这个区域的真实情况记录进地图中。

　　但当我们加入了深度信息之后，它能够完成识别人体的工作，较好地完成建图工作。

　　接下来的内容，是关于如何利用Realsense深度相机实现机器人的导航避障功能。首先导航问题就和上面的建图问题一样，激光雷达在导航过程中有视觉盲区的问题。

　　在上面这个案例中，机器人在没有深度信息的情况下，遇到障碍物，只能通过碰撞去发现新的障碍点，很明显我们是希望避免这种情况，更多的情况是机器人有可能陷入到和障碍物进入到一种胶着的状态。所以我们为了弥补这种状态，我们利用Realsense来实现机器人更好的探索功能。

　　当然深度相机也有它自身的限制，例如FOV视场角的限制，而其中最棘手的一点是，在家中到处移动的机器人，存在一个移动障碍物检测的问题，举个例子，当机器人遇到桌子，会收录这个三维信息，把它标记为障碍物，但如果遇到了移动中的人体，由于人同时也处于运动状态，当机器人在持续不断地检测人体的三维信息，会让每一段的三维信息连起来，成为一道“残影墙”，这对机器人实现导航功能来说非常致命。

　　针对这个问题，我们特意设计了一个场景，在机器人导航过程中，尤其是通过比较狭窄的走廊时，让一个人从它面前穿过去，穿过去之后在图中会有一片非常大的立体数据，机器人就会想办法绕路绕过去，直至到无路可走，这是我们想极力避免的。

　　针对这一点，我们结合人体检测模块，通过深度相机提供的三维数据可以精准定位和区分正在移动中人体，并且将这部分从地图中扣除，把导航过程中的影响也给抹除掉。同时还不影响对静态障碍物的处理，通过这样的处理设计，机器人就够非常高效且智能地处理导航中遇到的突发问题。

　　以上两部分的分享主要是围绕我们为什么要选择深度视觉相机以及如何利用这部分的信息，即便在没有人为干预的情况下，去实现更出色的建图和导航功能。以上是我的全部分享，感谢！