基于視覺的機器人感知技術(shù)SLAM - 三方面詳解如何為機器人構(gòu)建起一個“三維世界”

基于視覺的機器人感知技術(shù)SLAM

講到基于視覺的機器人感知算法原理，就不得不提到這兩年大火的SLAM技術(shù)。 SLAM （simultaneous localization and mapping，即時定位與地圖構(gòu)建。由于其重要的理論與應用價值，被很多學者認為是實現(xiàn)真正全自主移動機器人的關(guān)鍵。

我和我的合伙人2012年開始接觸這一技術(shù)，到2014年創(chuàng)業(yè)的時候，除了國內(nèi)一些研究機器人自動化技術(shù)的實驗室和老師，幾乎做圖形圖像的學術(shù)圈都沒怎么聽說過SLAM，更不用說當時的創(chuàng)業(yè)公司和資本市場。而今天，幾乎整個人工智能領(lǐng)域似乎都對SLAM這一技術(shù)報以了極大的關(guān)注度與期望，這實際上是和這一技術(shù)在今天對于機器人和人工智能的重要地位以及代表性產(chǎn)品的推出是分不開的。我認為SLAM技術(shù)在資本市場上獲得極大的關(guān)注度有很大一部分原因是去年美國明星創(chuàng)業(yè)團隊Magic Leap在AR領(lǐng)域的技術(shù)探索，微軟公司在去年推出的Hololens以及今年10月份Google開源了一套SLAM算法密不可分的。由于在這之前，大家都沒有聽說過SLAM這一技術(shù)，更不必說意識到這一技術(shù)在2010年后在機器人領(lǐng)域取得突飛猛進的進步。當有代表性的產(chǎn)品或者公司將這一技術(shù)運用起來，便一下子引起了大家的關(guān)注。

今天我和大家介紹一些2010年后隨著三維視覺傳感器的興起，SLAM的進一步演進，也就是今天我們應用在各種移動機器人上的vSLAM（基于視覺的同時定位與構(gòu)圖技術(shù)），是如何建立起來并且被應用在機器人的自主導航、路徑規(guī)劃等方案中的。

從2012年開始在實驗室的接觸研究，再到后來成立速感和同事們推進技術(shù)的迭代中，我覺得對于SLAM到今天為止，有三個里程碑式的事件：

2000年左右的國際機器人研討會上，首次給出了SLAM這一基本框架和收斂性的驗證結(jié)果，并針對這一理論給出了具體的證明和結(jié)論，自此，以MIT、悉尼大學為代表的研究移動機器人地圖構(gòu)建和定位的學術(shù)圈前輩才正式開始致力于SLAM技術(shù)的研究，補充并完善的給出了SLAM的技術(shù)可行性依據(jù)。在這之前盡管SLAM這一理論被提出有10年之久，但學術(shù)圈普遍認為這一理論得到的地圖估計誤差是不收斂的，因此不能通過處理一個同時包含機器人定位與特征路標位置的聯(lián)合狀態(tài)對模型進行求解從而得到結(jié)果；

2011年前后，正好是我進入到實驗室，和實驗室的師兄師弟開始對無人機視覺系統(tǒng)的定位定姿與地圖構(gòu)建進行系統(tǒng)性的學習與開發(fā)的階段，以Kinect 1為代表的視覺傳感器開始在SLAM研究領(lǐng)域興起，為SLAM的大踏步發(fā)展奠定了底層硬件上的基礎(chǔ)契機。從整個機器人視覺系統(tǒng)的發(fā)展歷程來看，任何一個關(guān)鍵技術(shù)的應用需要一個較長時間的技術(shù)轉(zhuǎn)化周期，而突破性的進展離不開底層關(guān)鍵元器件、計算芯片或傳感器的支持。而我認為，三維視覺傳感器的興起正是為SLAM的發(fā)展提供了這樣的關(guān)鍵一步；

從去年開始到今年的這一波世界范圍內(nèi)的人工智能浪潮。誠然我們需要看清楚的是，在這一次人工智能復興的浪潮中，存在很多被稱為“偽命題”的黑科技，但是也要清楚的看到隨著深度學習、增強學習以及遷移學習這樣基礎(chǔ)性的數(shù)據(jù)訓練與學習方式的變革，帶動了一批過去我們看來在實際商業(yè)化與產(chǎn)品化并不成熟的行業(yè)。比如VR/AR，比如無人駕駛，再比如機器人、無人機。很幸運的是，在目前最熱的人工智能涉及到的這三個行業(yè)中，我們都看到了SLAM的影子，并且看到了這一技術(shù)在這其中所發(fā)揮出的巨大價值。

今天廣泛被人們討論和學習的vSLAM，簡單來說，是SLAM技術(shù)發(fā)展到今天結(jié)合目前的底層技術(shù)實現(xiàn)與硬件，離產(chǎn)品化最近的一種表現(xiàn)形式。針對不同端的應用需求，被分為了sparse（稀疏）和dense（稠密）兩大類，前者側(cè)重空間中對位置的感知與描述，后者側(cè)重空間中對環(huán)境的構(gòu)建與理解，但無論是哪一類，其基礎(chǔ)性的構(gòu)造框架對于數(shù)據(jù)的處理一定是分為前端和后端兩部分的。其中前端用來對數(shù)據(jù)進行實時的特征提取、剔除噪聲、幀匹配得到位置轉(zhuǎn)移向量，這一部分又可以單獨作為輕量級的視覺定位定姿算法，成為VO，常見的優(yōu)化包括加入IMU慣性測量單元數(shù)據(jù)進行計算，也叫VIO。后端主要從全局的角度出發(fā)，通過濾波算法、圖優(yōu)化、樹優(yōu)化等方法對前端得到的結(jié)果進行閉環(huán)檢測、循環(huán)迭代等方法的二次優(yōu)化，最終得到最優(yōu)的計算結(jié)果。

對于SLAM算法，很多人覺得掌握了SLAM算法就解決了機器人移動這樣關(guān)鍵性的基本問題，事實上并非如此。SLAM在今天之于人工智能機器人等領(lǐng)域的發(fā)展上，已經(jīng)越來越像深度神經(jīng)網(wǎng)絡(luò)一樣，成為一項基礎(chǔ)性的工具。一個表現(xiàn)好的SLAM框架可以幫助我們得到一個魯棒性高的空間運動模型和空間環(huán)境模型，但是只是讓機器人看到了世界，并不能真正指導機器人的決策，因此我們需要利用這樣的模型，回到具體環(huán)境中有針對性的進行接下來的自主導航與路徑規(guī)劃等方案的開發(fā)。目前我們基于vSLAM算法，針對機器人在環(huán)境中的全局路徑規(guī)劃和局部路徑規(guī)劃，我們開發(fā)了一套魯棒性高，可以實時決策的路徑規(guī)劃與導航算法框架，可以有針對性的結(jié)合vSLAM得到的最優(yōu)計算結(jié)果，進行有效的多傳感器融合與前端處理器的嵌入式集成，使其可以在不同復雜的環(huán)境中獲得良好的表現(xiàn)結(jié)果。

在這一點上，我覺得過去這幾年，人工智能的研究始終停留在對于感知算法的迭代優(yōu)化上，包括人臉識別、 語義分析等等，我們追求更高的測試與跑分結(jié)果，反倒是忽略了這樣的技術(shù)應該如何更好地在商業(yè)領(lǐng)域、工業(yè)領(lǐng)域產(chǎn)生更多的價值。因此我們也發(fā)現(xiàn)，從去年開始的這一波人工智能浪潮，正在推動學術(shù)界在人工智能的研究從感知向真正的決策與使用轉(zhuǎn)移。比如今天我們看到的VR/AR設(shè)備、無人駕駛汽車等等都是將這樣的技術(shù)在一個具體細分的行業(yè)里面加以實踐，實踐中遇到了棘手的問題，然后尋找解決辦法，指導底層硬件進行決策。我覺得這是真正的進步，而在接下來的幾年，人工智能最大的增長點應該是如何幫助人們?nèi)?yōu)化地進行決策。

三維視覺在機器人上的發(fā)展方向

機器人自誕生之日起，視覺功能就是其最核心的功能與智能化的入口，三維視覺已經(jīng)在近10年的發(fā)展中逐漸成為機器人的主流與標準配置，用以解決以往移動機器人“看不見”這一難題。但是由于從目前的硬件發(fā)展局限性而言，依然存在計算量大、使用環(huán)境受限等問題。針對更細分的應用場景，設(shè)計實現(xiàn)三維視覺技術(shù)的小型化、模塊化、前端化將會成為今后兩到三年業(yè)內(nèi)主流的發(fā)展方向。

小型化：從CCD、CMOS芯片的相機，再到一維、二維激光雷達及三維視覺傳感器，數(shù)據(jù)量在增加的同時，小型化的體積更加利于系統(tǒng)的集成；

模塊化：機器人視覺系統(tǒng)功能與定位越來越明確，通用性的接口與標準正在逐步形成，行業(yè)進入方向明確化發(fā)展階段；

前端化：GPU、FPGA、DSP等專用處理器飛速發(fā)展，通用處理器的計算資源需求正在被簡化，將更側(cè)重于交互功能的實現(xiàn)。

在這條道路上，整個機器人行業(yè)正在興起，行業(yè)格局也越發(fā)清晰，產(chǎn)業(yè)鏈的上下游已經(jīng)初見成熟，希望速感科技目前在做的事情，能夠通過自身在發(fā)展中的不斷積累，真正的，實實在在的推動正在興起的機器人產(chǎn)業(yè)的進步與發(fā)展。（本文獨家首發(fā)鈦媒體，根據(jù)速感科技創(chuàng)始人、CEO陳震在鈦坦白上的分享整理）

陳震畢業(yè)于清華大學信息交叉學科（計算機方向）信息科學國家實驗室，主攻機器人交互技術(shù)。是中關(guān)村雙創(chuàng)服務(wù)機器人產(chǎn)業(yè)聯(lián)盟（RFC）成員、2016中關(guān)村U30成員、北京市海淀區(qū)青年英才、“雛鷹計劃”成員、多所國際頂尖學術(shù)機構(gòu)訪問學者。曾擔任國家重點科研項目負責人，獲全國大學生挑戰(zhàn)杯金獎，參與多項機器人研究項目合作，個人擁有多項國家科技發(fā)明專利及學術(shù)論文。速感科技是一家以機器視覺為核心的人工智能創(chuàng)業(yè)公司，目前已完成三輪融資。