玩嗨OpenHarmony：基于OpenHarmony的智能助老服務(wù)機(jī)器人

針對(duì)人口老齡化日趨嚴(yán)重的背景，助老服務(wù)機(jī)器人應(yīng)運(yùn)而生，利用助老服務(wù)機(jī)器人 能夠輔助照料老年人的生活起居，從而幫助青年人減輕照顧老人的壓力，是在人口老齡 化背景下的探索與創(chuàng)新。

近年來(lái)，發(fā)達(dá)國(guó)家相繼推出機(jī)器人產(chǎn)業(yè)的重要戰(zhàn)略與政策，如德國(guó)的工業(yè) 4.0，日本的機(jī)器人戰(zhàn)略，美國(guó)的先進(jìn)制造伙伴計(jì)劃等等。中國(guó)也制定了把機(jī)器人作為十個(gè)重點(diǎn)發(fā)展領(lǐng)域之一的《中國(guó)制造 2025》戰(zhàn)略。機(jī)器人產(chǎn)業(yè)的快速興起并獲得顯著進(jìn)步，為服務(wù)機(jī)器人產(chǎn)業(yè)提供了穩(wěn)定的發(fā)展基礎(chǔ)平臺(tái)。

服務(wù)機(jī)器人的穩(wěn)步發(fā)展，提供了養(yǎng)老服務(wù)機(jī)器人與老年人交流、互動(dòng)、陪伴等基本功能的關(guān)鍵技術(shù)基礎(chǔ)，日本是較早研發(fā)養(yǎng)老服務(wù)機(jī)器人的國(guó)家之一，根據(jù)日本貿(mào)易工業(yè)部等組織預(yù)測(cè)，到 2035年，日本護(hù)理機(jī)器人的預(yù)期市場(chǎng)將超過(guò) 4000 億日元（約 207 億人民幣），可以預(yù)見(jiàn)，未來(lái)生活陪伴型服務(wù)機(jī)器人、醫(yī)療護(hù)理型機(jī)器人將成為養(yǎng)老服務(wù)市場(chǎng)的生力軍。

中國(guó)養(yǎng)老服務(wù)機(jī)器人產(chǎn)業(yè)方興未艾，市場(chǎng)前景廣闊。各國(guó)著名養(yǎng)老服務(wù)機(jī)器人企業(yè)紛紛看好中國(guó)養(yǎng)老服務(wù)機(jī)器人市場(chǎng)。日本大型產(chǎn)業(yè)用生產(chǎn)商安川電機(jī)已經(jīng)盯上了中國(guó)養(yǎng)老服務(wù)機(jī)器人市場(chǎng)，確定與中國(guó)家電生產(chǎn)商美的集團(tuán)合作與銷售醫(yī)療護(hù)理機(jī)器人，研發(fā)具有高品質(zhì)、高性能優(yōu)勢(shì)的適應(yīng)中國(guó)老人特點(diǎn)的護(hù)理機(jī)器人。美國(guó)直觀外科（Intuitive Surgical ）器械公司的達(dá)芬奇手機(jī)機(jī)器人正在加速搶灘中國(guó)。中國(guó)內(nèi)地和香港配置的 69 臺(tái)達(dá)芬奇機(jī)器人，占 其在全球銷售量比例的 2%；2016 年 11 月，中國(guó)大陸地區(qū)完成達(dá)芬奇收受 2017 例，手 術(shù)數(shù)量遙遙領(lǐng)先其他國(guó)家。2016-2030 年，中國(guó)失能老人將以年均 7.73%的速度從 2375 萬(wàn)增加到 6741 萬(wàn)人，隨著養(yǎng)老服務(wù)機(jī)器人的亮相及其極具示范性的功能展示，失能老 人群體對(duì)醫(yī)療服務(wù)的需求將十分龐大。

2.1項(xiàng)目描述

本項(xiàng)目將設(shè)計(jì)一款用于家用和養(yǎng)老機(jī)構(gòu)的助老服務(wù)機(jī)器人。該服務(wù)機(jī)器人能實(shí)現(xiàn)在 養(yǎng)老機(jī)構(gòu)內(nèi)自主導(dǎo)航、語(yǔ)音識(shí)別、信息儲(chǔ)存、人員搭載、物品運(yùn)輸、生命體征監(jiān)測(cè)以及每日定時(shí)供藥等日常看護(hù)工作。該系統(tǒng)核心輔以相應(yīng)的軟硬件設(shè)計(jì)而成的，內(nèi)置強(qiáng)大的數(shù)據(jù)庫(kù)存儲(chǔ)查詢系統(tǒng)，方便醫(yī)護(hù)人員實(shí)時(shí)查詢每位老人的基本信息和健康狀況。除此之外，機(jī)器人體內(nèi)設(shè)計(jì)有自動(dòng)供藥裝置，可實(shí)現(xiàn)自動(dòng)為老人提供準(zhǔn)確配藥、按時(shí)出藥、提醒出藥的三大服務(wù)。這一功能在降低醫(yī)護(hù)人員工作強(qiáng)度的同時(shí)有效減少人員間的接觸， 還能極大程度降低傳染性疾病的傳染風(fēng)險(xiǎn)。同時(shí)，此機(jī)器人還有心理咨詢和心理健康檢測(cè)的功能。團(tuán)隊(duì)在搜集開(kāi)源數(shù)據(jù)庫(kù)并建立子的數(shù)據(jù)庫(kù)后，把心理咨詢、老年生活照料作為對(duì)話服務(wù)的主題內(nèi)容，建立一個(gè)面向?qū)⒖狗?wù)的“對(duì)話機(jī)器人助理”。

先看照片和視頻：

2.2機(jī)器人機(jī)械結(jié)構(gòu)設(shè)計(jì)

助老服務(wù)機(jī)器人主要應(yīng)用于家庭環(huán)境中，要能實(shí)現(xiàn)正常的基本功能，能夠?qū)崿F(xiàn)自主 移動(dòng)、靈活地轉(zhuǎn)向等。機(jī)器人能完成這些任務(wù)不僅需要很好的技術(shù)支持，更重要的是良好的機(jī)械結(jié)構(gòu)，不僅如此，機(jī)械結(jié)構(gòu)的設(shè)計(jì)也決定了一個(gè)產(chǎn)品能否實(shí)現(xiàn)或超預(yù)期實(shí)現(xiàn)預(yù) 設(shè)功能，因?yàn)橐磺械纳蠈榆浻布际腔跈C(jī)械結(jié)構(gòu)本體這一前提來(lái)完成的。本篇論文總體機(jī)械結(jié)構(gòu)設(shè)計(jì)所使用的 3D 建模軟件是 SolidWorks 2020，具有強(qiáng)大的作圖功能，有很多的組件。該軟件操作比較簡(jiǎn)單，功能能夠滿足絕大多數(shù)的機(jī)械結(jié)構(gòu)設(shè)計(jì)需要，操作頁(yè)面也符合大部分人的習(xí)慣，下圖便是助老服務(wù)機(jī)器人的總體機(jī)械結(jié)構(gòu)設(shè)計(jì)。

總體機(jī)械結(jié)構(gòu)主要包含了兩個(gè)主動(dòng)輪和一個(gè)從動(dòng)輪 (萬(wàn)向輪) 、激光雷達(dá)、六自由 度機(jī)械臂、RGBD 深度相機(jī)和機(jī)器人底盤驅(qū)動(dòng)板等，通過(guò)底盤固定連接各個(gè)部分，從而使其配合工作，達(dá)到助老服務(wù)機(jī)器人的設(shè)計(jì)要求。

2.3系統(tǒng)架構(gòu)圖設(shè)計(jì)

助老服務(wù)機(jī)器人最主要的兩大核心是底盤和路徑規(guī)劃。其中，底盤的設(shè)計(jì)，我們選擇了 一體化伺服輪轂，它取代了傳統(tǒng)的電機(jī)+減速機(jī)+編碼器+輪胎+車輪的多部件方案，單獨(dú) 的輪轂既是行走車輪又是伺服電機(jī)，應(yīng)用在家庭助老服務(wù)機(jī)器人上可以促使機(jī)器人更 好、更快的完成所下達(dá)的任務(wù)。伺服輪轂的優(yōu)點(diǎn)在于沒(méi)有減速機(jī)，減小了輪轂占用空間， 而且安裝起來(lái)較為方便，最重要的是可以直接消除減速機(jī)帶來(lái)的噪聲。

首先，建立出機(jī)器人運(yùn)動(dòng)時(shí)的底盤車輪運(yùn)動(dòng)模型，該模型用X-Y 坐標(biāo)系建立，如下圖所示：

在描述圖中定義之前，要清楚航向角的概念，坐標(biāo)系中的航向角的表示方式是輪子的質(zhì)心速度與 X 軸的夾角。現(xiàn)在將上圖中的描述定義如下：

• L：兩輪之間的距離

• r：車輪轉(zhuǎn)彎的半徑

• θ1：車輪軸心連線與 X 軸的夾角

• θ3：相鄰時(shí)刻兩輪子航向角的增量

• θ1 = θ2 = θ3

假如我們假設(shè)初始狀態(tài)下的離零點(diǎn)近的車輪為左輪，另一個(gè)車輪為右輪，并做如下定義：

• A Xl, Yl ：左輪的坐標(biāo)

• B Xr, Yr ：右輪的坐標(biāo)

• M x, y ：兩輪軸線的中點(diǎn)

• ω：車輪的角速度，ω1 為左輪角速度，ω2 為右輪角速度，順時(shí)針為正

• V：車輪的線速度，VA為左輪線速度，VB為右輪線速度

• R：兩個(gè)車輪的半徑

• θ：X 軸單位向量旋轉(zhuǎn)的角度，逆時(shí)針旋轉(zhuǎn)為正方向

那么根據(jù)幾何三角關(guān)系可以得出：

定義 B 點(diǎn)的線速度為VB，β為 X 軸單位向量旋轉(zhuǎn)β角度后跟向量BC平行所得。那么再次 根據(jù)幾何關(guān)系可以得出：

定義 A 點(diǎn)的線速度為VA，η為 X 軸單位向量旋轉(zhuǎn)η角度后跟向量AD平行所得，同理可得 出：

并且也可以得出 M（x，y）點(diǎn)的速度值為：

假設(shè)移動(dòng)機(jī)器人移動(dòng)到 t 時(shí)刻時(shí)，左輪的角速度為ωt1, 右輪的角速度為ωt2,那么有 t 時(shí)刻 M 的線速度為：

4.1 路徑規(guī)劃算法研究與分析

路徑規(guī)劃技術(shù)是移動(dòng)機(jī)器人的核心問(wèn)題，也是移動(dòng)機(jī)器人自己實(shí)現(xiàn)自主行走的必要條件和前提，主要研究如何使移動(dòng)機(jī)器人在不發(fā)生碰撞的情況下從起始位置移動(dòng)到指定 的目標(biāo)位置。為了安全高效地到達(dá)目標(biāo)位置，移動(dòng)機(jī)器人需要一種高效的路徑規(guī)劃算法， 因?yàn)樗傻穆窂劫|(zhì)量對(duì)于機(jī)器人的應(yīng)用和移動(dòng)影響很大?；谝苿?dòng)機(jī)器人對(duì)環(huán)境理解 情況可以將路徑規(guī)劃算法劃分為三個(gè)類型：基于環(huán)境的路徑規(guī)劃算法、基于地圖知識(shí)的 路徑規(guī)劃算法和基于完備性的路徑規(guī)劃算法，如下圖所示：

移動(dòng)機(jī)器人要想移動(dòng)到一個(gè)指定的目標(biāo)點(diǎn)，主要依靠的是路徑規(guī)劃技術(shù)。一般而言， 機(jī)器人的自動(dòng)規(guī)劃路徑的導(dǎo)航規(guī)劃層一共可以分為行為執(zhí)行層、全局路徑規(guī)劃層和本地 路徑規(guī)劃層三層。其中全局規(guī)劃路徑相對(duì)于其他兩種來(lái)說(shuō)效果較好，結(jié)果較為準(zhǔn)確，當(dāng)機(jī)器人環(huán)境信 息完全已知的情況下，常用該方法規(guī)劃路徑。全局路徑規(guī)劃有明顯的不足之處：只有在 確認(rèn)了機(jī)器人所在環(huán)境的信息的前提下，它才能找到最理想的路線，如果所處環(huán)境發(fā)生 了變動(dòng)，全局路徑規(guī)劃是無(wú)法做到準(zhǔn)確規(guī)劃路徑的，得到的結(jié)果雖然全局性強(qiáng)，但是有 較差的噪聲魯棒性和較高的環(huán)境模型的誤差。有一點(diǎn)值得說(shuō)明，由于機(jī)器人在全局路徑 規(guī)劃下的路徑是預(yù)先確定好的，機(jī)器人是不需要具備很優(yōu)秀的實(shí)時(shí)計(jì)算能力的。

相比于全局路徑規(guī)劃來(lái)講，局部路徑規(guī)劃對(duì)于外部環(huán)境條件并不依賴，即使機(jī)器人 完全不知道所處的外部環(huán)境，局部路徑規(guī)劃也能很好地工作。因此，對(duì)于它來(lái)說(shuō)更重要 的是考慮的是機(jī)器人當(dāng)前的環(huán)境數(shù)據(jù)信息，通過(guò)高實(shí)時(shí)運(yùn)算能力來(lái)提高機(jī)器人的對(duì)障礙 物的躲避能力。這種規(guī)劃在工作時(shí)要收集所處外界環(huán)境的信息數(shù)據(jù)，同時(shí)更新環(huán)境模型 的動(dòng)態(tài)信息，所以機(jī)器人系統(tǒng)必須要具備高速的信息運(yùn)算能力以及處理數(shù)據(jù)信息的能力。盡管如此，相比于全局路徑規(guī)劃的完全已知環(huán)境的條件，局部路徑規(guī)劃在該方面還

是處于劣勢(shì)，無(wú)法使規(guī)劃結(jié)果達(dá)到最佳，甚至有可能無(wú)法規(guī)劃出完整的路徑，但優(yōu)點(diǎn)是 對(duì)環(huán)境模型的誤差和噪聲魯棒性較高。

一般來(lái)講，適用于全局路徑規(guī)劃的方法是同時(shí)也適用于局部路徑規(guī)劃，但如果想將 局部路徑規(guī)劃的方法應(yīng)用到全局路徑規(guī)劃上，還需要進(jìn)一步的改進(jìn)，兩者的區(qū)別如表 4 所示。兩者也可以一起工作，這會(huì)使路徑規(guī)劃更加準(zhǔn)確，更加有效。

4.2Dijkstra 算法

在全局路徑規(guī)劃算法中，Dijkstra 算法和 A*算法比較成熟和高效，從而被用戶廣 泛使用。下面首先介紹 Dijkstra 算法。

Dijkstra 算法是由荷蘭計(jì)算機(jī)科學(xué)家 E.W.Dijkstra 于 1956 年提出，因此也叫迪 杰斯特拉算法，在尋找機(jī)器人移動(dòng)到所有其他節(jié)點(diǎn)的路徑中尋找一個(gè)節(jié)點(diǎn)的最短路徑時(shí) 常用到這個(gè)算法。Dijkstra 算法不僅在最短路徑算法中非常有代表性，還是貪心算法 中的一種。它可以得到移動(dòng)機(jī)器人從一個(gè)節(jié)點(diǎn)到所有其他點(diǎn)的最短路徑。該算法主要是 從起點(diǎn)處開(kāi)始向外擴(kuò)延，一直擴(kuò)延到最終目標(biāo)點(diǎn)為止，并通過(guò)權(quán)重邊與節(jié)點(diǎn)的關(guān)系構(gòu)成 完整的一個(gè)路徑網(wǎng)絡(luò)圖。該算法有很多變體，最原始的 Dijkstra 算法用于尋找兩個(gè)頂 點(diǎn)之間的最短路徑，但是現(xiàn)在主要用于生成最短路徑樹(shù)，通過(guò)將起始頂點(diǎn)固定住，找到 一個(gè)節(jié)點(diǎn)到圖中所有其他節(jié)點(diǎn)的最短路徑的方法。除了移動(dòng)機(jī)器人路徑規(guī)劃外，該算法 還常用作路由算法或其他圖形搜索算法的子模塊之一。在該算法中，G 是一個(gè)帶權(quán)重的有向圖，s 是源點(diǎn)（起點(diǎn)），v 代表 G 中所有頂點(diǎn)的 集合，（u，v）代表頂點(diǎn) u 到 V 點(diǎn)的路徑連接，w（u，v）代表頂點(diǎn) u 和 v 點(diǎn)之間的非負(fù) 權(quán)重，其中，邊權(quán)重表示復(fù)雜網(wǎng)絡(luò)中的邊權(quán)重用于表示邊兩端節(jié)點(diǎn)之間相互關(guān)系的強(qiáng)度，在無(wú)權(quán)網(wǎng)絡(luò)中，每條邊代表的節(jié)點(diǎn)之間的關(guān)系是一樣的。算法是通過(guò)為每個(gè)頂點(diǎn) u 保留 當(dāng)前為止找到的從點(diǎn) s 到點(diǎn) v 的最短的路徑來(lái)工作。起始時(shí)，起點(diǎn) s 的路徑權(quán)重值被賦 值為零，即 d[s] = 0。假如存在著一個(gè)邊為（s，u），能夠直接到達(dá)頂點(diǎn) u，則要將 w （s，u）賦給 d[v],同時(shí)其他所有 s 不能徑直到達(dá)的頂點(diǎn)的線路路徑長(zhǎng)度被表示為無(wú)窮 大，這表示了當(dāng)前到達(dá)這些頂點(diǎn)的路徑是無(wú)法獲得的。當(dāng) Dijkstra 算法結(jié)束后，用 d[v] 存儲(chǔ)從 s 到 u 的最短路徑，若是路徑不存在，則 d[v]=∞[28]。

4.3A*算法

另外一種算法是由 Dijkstra 算法發(fā)展而來(lái)，被稱為 A算法，也叫 A-Star 算法， 是在靜態(tài)路網(wǎng)中求解最短路徑最有效的一種直接搜索方法。在尋找最佳路徑算法中通常 要考慮選擇路徑的成本，而這種算法與尋找最優(yōu)樹(shù)的算法類似，即從可以通過(guò)的路徑中 找到那條路徑成本最便宜的那一條。一般而言在尋路時(shí)每條路徑的路徑成本已經(jīng)是固定 了的，但是當(dāng)使用 A算法時(shí)，沿著不同路徑的路徑成本是啟發(fā)式尋路的本質(zhì)。值得一 提的是，同一個(gè)節(jié)點(diǎn)的路徑成本不一定相同。通過(guò)這種尋路方式，首先將實(shí)際問(wèn)題中的 元素抽象的表示為矩陣等規(guī)則圖形，這種實(shí)際的元素不僅可以是在路徑規(guī)劃時(shí)出現(xiàn)的障 礙物，也可以是起點(diǎn)或者目標(biāo)點(diǎn)所處的位置。通過(guò)這種方式模擬尋路過(guò)程的基本思想是 將起點(diǎn)位置作為中點(diǎn)，周圍相鄰的八個(gè)點(diǎn)用指針指向它，與此同時(shí)在周圍點(diǎn)內(nèi)選擇最佳 的路徑點(diǎn)，并將其他沒(méi)有指針關(guān)系的周圍點(diǎn)通過(guò)指針指向它，然后以此點(diǎn)作為中心向外 尋路，如果在尋路的過(guò)程發(fā)現(xiàn)周圍點(diǎn)中有目標(biāo)點(diǎn)，則用指針連接起來(lái)，通過(guò)指針的一一 連接，最后通輸出這些點(diǎn)就是要尋找的路徑。

最初研究時(shí)，為了提高算法的運(yùn)行效率對(duì)該算法做了一些改進(jìn)，這個(gè)改進(jìn)了的算法 核心思想是將尋找路徑問(wèn)題分為了兩種情況進(jìn)行搜索，即在最初搜索路徑的時(shí)候，A* 算法將默認(rèn)使用起點(diǎn)和終點(diǎn)直線的方向來(lái)擴(kuò)展子目標(biāo)點(diǎn)。當(dāng)遇到障礙物時(shí)，會(huì)立即啟動(dòng) A算法，開(kāi)始路徑的規(guī)劃。與此同時(shí)，A算法會(huì)搜索并查找從目標(biāo)點(diǎn)到起點(diǎn)的路徑。與 其他算法不同的是，從目標(biāo)點(diǎn)和起點(diǎn)尋找路徑時(shí)，放棄了鄰居擴(kuò)展規(guī)則，直接進(jìn)行搜索， 結(jié)果會(huì)變得較為理想化，提高了該算法的效率。該算法適用于障礙物數(shù)量少而且地圖總 體尺度大的情況，一旦用在障礙物數(shù)量很多并且地圖復(fù)雜程度高時(shí)，該算法的表現(xiàn)便不 盡人意。隨著時(shí)間推移，為了能使 A算法適用于一個(gè)城市面積大小的地圖，提出了分 層機(jī)制的想法。顧名思義，該方法的思想是：將一個(gè)城市大小的面積用分層機(jī)制分成若 干層，其次通過(guò) A算法分別對(duì)劃分完的每一層地圖進(jìn)行單獨(dú)的路徑規(guī)劃，然后用遞歸的思想進(jìn)行排列，從而找到兩點(diǎn)之間最合適的路徑。這種方法不僅降低了計(jì)算的規(guī)模， 還有效地提高了算法的運(yùn)行效率，但是也存在一些缺陷，由于擴(kuò)展的規(guī)則路徑有很大的 限制，無(wú)法對(duì)相鄰的路徑點(diǎn)進(jìn)行優(yōu)化，這就導(dǎo)致了最后結(jié)果的路徑質(zhì)量變差。

4.4Dijkstra 算法與 A*算法的比較

Dijkstra 算法與 A*算法都是解決最短路徑問(wèn)題的常用算法，下面列出了兩種算法不同特點(diǎn)：

• Dijkstra 算法是貪心算法中的一種，計(jì)算的是從源點(diǎn)到所有其他點(diǎn)最短路徑的長(zhǎng)度，而 A*算法則是關(guān)注點(diǎn)到點(diǎn)的最短路徑（包括具體的路徑）。

• Dijkstra 算法建立在更抽象的圖論層次上，A*算法可以更容易地用于游戲地圖尋徑等應(yīng)用。

• Dijkstra 算法是一種發(fā)散搜索，它本質(zhì)是廣度優(yōu)先搜索，因此時(shí)間復(fù)雜度和空間復(fù)雜度相對(duì)較高。A*算法是一種深度優(yōu)先算法，對(duì)于路徑上的點(diǎn)，不僅記錄點(diǎn)到原點(diǎn)的路徑成本，還計(jì)算從當(dāng)前點(diǎn)到目標(biāo)點(diǎn)的預(yù)期路徑成本。

• 如果只是比較路徑的長(zhǎng)度而不需要特定的路徑時(shí)， Dijkstra 算法是更好的選擇，有著較高的準(zhǔn)確度。而且 A*算法在目標(biāo)點(diǎn)較多時(shí)會(huì)帶來(lái)繁瑣的函數(shù)和大量重復(fù)的數(shù)據(jù)。

5.1 SLAM 技術(shù)探討

現(xiàn)如今比較成熟的 SLAM （編者注：Simultaneous localization and mapping 同步定位與地圖構(gòu)建的英文縮寫）技術(shù)主要分為兩種：激光 SLAM（Lidar SLAM）和視覺(jué) SLAM（VisualSLAM）。激光 SLAM 與視覺(jué) SLAM 的區(qū)別在于采用的傳感器，前者使用的是激光 雷達(dá)，而后者使用的是深度相機(jī)或深度攝像頭。

一直以來(lái)，激光 SLAM 與視覺(jué) SLAM 的性能優(yōu)劣都有很大的爭(zhēng)議，有些人喜歡視覺(jué)定 位與建圖，有些人喜歡激光雷達(dá)定位與建圖，下面如表 5列出了兩者的特點(diǎn)以及優(yōu)缺點(diǎn)：

根據(jù)上表也能看出，在路徑規(guī)劃方面采用較多的是激光 SLAM 技術(shù)。相比于視覺(jué) SLAM 來(lái)講，它產(chǎn)生的誤差少，而且發(fā)展較快、比較成熟，能夠很好地應(yīng)用到大部分的真實(shí)環(huán) 境下，也是由于激光 SLAM 是目前性能最穩(wěn)定的定位導(dǎo)航方法，這就促使了它理所應(yīng)當(dāng) 的成為了當(dāng)代的主流。激光雷達(dá)分為室內(nèi)使用與室外使用，當(dāng)激光雷達(dá)用于室內(nèi)的時(shí)候， 構(gòu)建地圖一般是基于二維平面；當(dāng)激光雷達(dá)用于室外的時(shí)候，構(gòu)建地圖一般是基于三維空間。

激光雷達(dá)建圖是一個(gè)反復(fù)的過(guò)程，在移動(dòng)機(jī)器人運(yùn)動(dòng)過(guò)程中，首先會(huì)通過(guò)IMU（編者注：Inertial measurement unit慣性測(cè)量單元的英文縮寫）結(jié)合所對(duì)應(yīng)的編碼器獲得里程計(jì)的信息，從而估計(jì)機(jī)器人的運(yùn)動(dòng)模型，然 后通過(guò)激光雷達(dá)中獲得的傳感器數(shù)據(jù)產(chǎn)生觀測(cè)模型，經(jīng)過(guò)觀測(cè)模型對(duì)運(yùn)動(dòng)模型的比對(duì)和 矯正，從而得到移動(dòng)機(jī)器人的真實(shí)環(huán)境中的精確定位，最后結(jié)合數(shù)據(jù)構(gòu)建出柵格地圖， 以此反復(fù)若干次，最終將會(huì)構(gòu)建出整個(gè)真實(shí)地圖。

5.2激光 SLAM 流程介紹

• 里程計(jì)標(biāo)定

  • 機(jī)械標(biāo)稱值不代表實(shí)際值，實(shí)際誤差可能較大；

  • 里程計(jì)的精度對(duì)于機(jī)器人定位和建圖至關(guān)重要；

• 激光雷達(dá)運(yùn)動(dòng)畸變?nèi)コ?/span>

  • 激光雷達(dá)采集一幀的數(shù)據(jù)需要時(shí)間，機(jī)器人在這段時(shí)間內(nèi)的運(yùn)動(dòng)會(huì)導(dǎo)致畸變；

  • 運(yùn)動(dòng)畸變會(huì)影響匹配精度；

• 幀間匹配–核心部分

  • ICP: 迭代最近鄰、PI-ICP 點(diǎn)到線迭代最近鄰、NICP 法向量迭代最近鄰；

  • CSM（編者注：Canonical Scan Matcher 標(biāo)準(zhǔn)掃描匹配的英文縮寫）: 暴力迭代；

  • NDT: Normal Distance Transform；

  • Optimization-Based；

  • Feature-Based；從視覺(jué)得到啟發(fā)，LOAM 系列。

• 回環(huán)檢測(cè)

• 后端優(yōu)化

  • 高斯牛頓

  • Levenberg-Marquardt （LM）

• 輸入輸出

• 輸入：（1）IMU數(shù)據(jù)；（2）里程計(jì)數(shù)據(jù)；（3）2D激光雷達(dá)數(shù)據(jù)；

• 輸出：（1）占用柵格地圖 2D SLAM；（2）點(diǎn)云地圖 3D SLAM；（3）機(jī)器人的軌跡或者位置圖

5.3激光雷達(dá)的選擇

家庭助老服務(wù)機(jī)器人用到的激光雷達(dá)是 LIDAR RPLIDAR-A1，一款思嵐科技的產(chǎn)品， 性能可以滿足室內(nèi)機(jī)器人的 SLAM 技術(shù)要求且性價(jià)比高，如下圖所示：

該激光雷達(dá)采用的是激光三角測(cè)距技術(shù)，其原理是激光信號(hào)以一定的入射角照射到 被測(cè)物體表面后產(chǎn)生反射，反射光斑經(jīng)過(guò)光學(xué)透鏡在 CCD 傳感器上成像。當(dāng)被測(cè)物體沿 激光方向發(fā)生移動(dòng)時(shí)，CCD 上的光斑產(chǎn)生移動(dòng)，可由光斑移動(dòng)距離計(jì)算出被測(cè)物體與基 線的距離值。由入射光、反射光構(gòu)成一個(gè)三角形，基于三角關(guān)系，可計(jì)算出目標(biāo)物體與 雷達(dá)的相對(duì)方位角度值和距離值，如下圖所示。

我國(guó)總?cè)丝跀?shù)不斷增長(zhǎng)，但 16-59 歲勞動(dòng)年齡人口數(shù)量卻呈現(xiàn)下滑態(tài)勢(shì)，2019 年 我國(guó)勞動(dòng)年齡人口數(shù)量減少至 8.96 萬(wàn)億人。持續(xù)下跌的勞動(dòng)人口總數(shù)，使得我國(guó)勞動(dòng) 成本開(kāi)始攀升。因此，增加服務(wù)機(jī)器人在多領(lǐng)域中的應(yīng)用以替代人工正成為當(dāng)前我國(guó)較 新的發(fā)展趨勢(shì)。

本文介紹的助老服務(wù)機(jī)器人已具有定位與地圖構(gòu)建（SLAM）、路徑規(guī)劃與自主導(dǎo)航 等功能，但在語(yǔ)音識(shí)別、人機(jī)交互等方面還有較大的進(jìn)步空間。當(dāng)前很多的助老服務(wù)機(jī) 器人產(chǎn)品還處于比較“被動(dòng)”的階段，只能簡(jiǎn)單地作為一款輔助工具來(lái)運(yùn)用。未來(lái)，隨 著醫(yī)療機(jī)器人與人工智能、腦機(jī)交互、5G 網(wǎng)絡(luò)、AR/VR、大數(shù)據(jù)等前沿技術(shù)深入融合， 有望提升機(jī)器人與老年人之間的交互水平，并對(duì)數(shù)據(jù)、物體和環(huán)境等有更精準(zhǔn)的感知， 甚至進(jìn)一步拓展為“醫(yī)療+助老”機(jī)器人。目前，相關(guān)領(lǐng)域的助老服務(wù)機(jī)器人產(chǎn)品基本都比較“龐大”和“笨重”，主要應(yīng)用 于一些比較宏觀的場(chǎng)景。而我們此次設(shè)計(jì)的機(jī)器人體積較小，運(yùn)行噪音幾乎沒(méi)有，且設(shè) 計(jì)成本較低，更容易被普通家庭所接受，進(jìn)一步實(shí)現(xiàn)了服務(wù)機(jī)器人的小型化、柔性化和 大眾化。同時(shí)，我也希望未來(lái)能夠進(jìn)一步完善其功能，早日投入商業(yè)使用，真正為老年人生活提供幫助。

本文完