如果對(duì)移動(dòng)機(jī)器人視覺算法進(jìn)行拆解，你就會(huì)發(fā)現(xiàn)獲取物體深度信息、定位導(dǎo)航以及壁障等都是基于不同的視覺算法，本文就帶大家聊一聊幾種不同但又必不可少的視覺算法組成。
移動(dòng)機(jī)器人的視覺算法種類
問：實(shí)現(xiàn)定位導(dǎo)航、路徑規(guī)劃以及避障，那么這些過程中需要哪些算法的支持？
談起移動(dòng)機(jī)器人，很多人想到的需求可能是這樣的：“嘿，你能不能去那邊幫我拿一杯熱拿鐵過來。”這個(gè)聽上去對(duì)普通人很簡(jiǎn)單的任務(wù)，在機(jī)器人的世界里，卻充滿了各種挑戰(zhàn)。為了完成這個(gè)任務(wù)，機(jī)器人首先需要載入周圍環(huán)境的地圖，精確定位自己在地圖中的位置，然后根據(jù)地圖進(jìn)行路徑規(guī)劃控制自己完成移動(dòng)。
而在移動(dòng)的過程中，機(jī)器人還需要根據(jù)現(xiàn)場(chǎng)環(huán)境的三維深度信息，實(shí)時(shí)的躲避障礙物直至到達(dá)最終目標(biāo)點(diǎn)。在這一連串機(jī)器人的思考過程中，可以分解為如下幾部分的視覺算法：
1．深度信息提取
2．視覺導(dǎo)航
3．視覺避障
后面我們會(huì)詳細(xì)說這些算法，而這些算法的基礎(chǔ)，是機(jī)器人腦袋上的視覺傳感器。
視覺算法的基礎(chǔ)：傳感器
問：智能手機(jī)上的攝像頭可以作為機(jī)器人的眼睛嗎？
所有視覺算法的基礎(chǔ)說到底來自于機(jī)器人腦袋上的視覺傳感器，就好比人的眼睛和夜間視力非常好的動(dòng)物相比，表現(xiàn)出來的感知能力是完全不同的。同樣的，一個(gè)眼睛的動(dòng)物對(duì)世界的感知能力也要差于兩個(gè)眼睛的動(dòng)物。每個(gè)人手中的智能手機(jī)攝像頭其實(shí)就可以作為機(jī)器人的眼睛，當(dāng)下非常流行的Pokeman Go游戲就使用了計(jì)算機(jī)視覺技術(shù)來達(dá)成AR的效果。
像上圖畫的那樣，一個(gè)智能手機(jī)中攝像頭模組，其內(nèi)部包含如下幾個(gè)重要的組件：鏡頭，IR filter，CMOS sensor。其中鏡頭一般由數(shù)片鏡片組成，經(jīng)過復(fù)雜的光學(xué)設(shè)計(jì)，現(xiàn)在可以用廉價(jià)的樹脂材料，做出成像質(zhì)量非常好的手機(jī)攝像頭。
CMOS sensor上面會(huì)覆蓋著叫做Bayer三色濾光陣列的濾色片。每個(gè)不同顏色的濾光片，可以通過特定的光波波長(zhǎng)，對(duì)應(yīng)CMOS感光器件上就可以在不同位置分別獲得不同顏色的光強(qiáng)了。如果CMOS傳感器的分辨率是4000x3000，為了得到同樣分辨率的RGB彩色圖像，就需要用一種叫做demosaicing的計(jì)算攝像算法，從2綠1藍(lán)1紅的2x2網(wǎng)格中解算出2x2的RGB信息。
一般的CMOS感光特性除了選擇紅綠藍(lán)三色之外，對(duì)于紅外光是透明的。因此在光路中加上IR濾光片，是為了去除太陽(yáng)光線中紅外光對(duì)CMOS的干擾。加上濾光片后，通常圖像的對(duì)比度會(huì)得到顯著的提升。
問：計(jì)算機(jī)視覺中還會(huì)用到什么傳感器？
除了RGB相機(jī)，計(jì)算機(jī)視覺中常用的還有其他種類的特殊相機(jī)。例如有一種相機(jī)的濾光片是只允許通過紅外光波段的。因?yàn)槿搜弁ǔＪ强床灰娂t外光的，所以可以在相機(jī)附近加上主動(dòng)紅外光源，用于測(cè)距等應(yīng)用。
另外，大部分我們用到的camera都是以rolling shutter的形式實(shí)現(xiàn)電子曝光的，像圖中左側(cè)那樣，為了減少電子器件的成本，曝光通常是一行一行分別進(jìn)行，這樣勢(shì)必造成物體快速移動(dòng)時(shí)，相機(jī)采集到的圖像會(huì)發(fā)生形變。為了避免這種形變對(duì)基于立體幾何進(jìn)行計(jì)算的視覺算法的影響（例如VSLAM），選用global shutter的相機(jī)就顯得特別重要了。
深度相機(jī)是另一大類視覺算法中需要的傳感器，可以分成如下幾類：
1．TOF傳感器（例如Kinect 2代），類似昆蟲復(fù)眼。成本高，室外可以使用。
2．結(jié)構(gòu)光傳感器（例如Kinect 1代），三角定位原理，成本中，室外不能用。
3．雙目視覺（例如Intel Realsense R200），主動(dòng)照明或被動(dòng)照明，IR或可見光皆可。成本低，室外可以使用。
算法一：深度信息提取
問：深度相機(jī)如何識(shí)別物體的深度信息的呢？
簡(jiǎn)而言之，其原理就是使用兩個(gè)平行的相機(jī)，對(duì)空間中的每個(gè)點(diǎn)三角定位。通過匹配左右兩個(gè)相機(jī)中成像點(diǎn)的位置，來計(jì)算對(duì)應(yīng)三維點(diǎn)在空間中的距離。學(xué)術(shù)界對(duì)雙目匹配恢復(fù)深度圖研究有很長(zhǎng)的歷史，在NASA火星車上就開始采用這個(gè)技術(shù)。但是其真正在消費(fèi)電子品市場(chǎng)得到廣泛應(yīng)用還是從微軟的Kinect體感傳感器開始。
Kinect傳感器背后使用了以色列Primesense公司授權(quán)的結(jié)構(gòu)光技術(shù)（如今已被Apple收購(gòu)）。其原理是避開雙目匹配中復(fù)雜的算法設(shè)計(jì)，轉(zhuǎn)而將一個(gè)攝像頭更換成向外主動(dòng)投射復(fù)雜光斑的紅外投影儀，而另一個(gè)平行位置的相機(jī)也變成了紅外相機(jī)，可以清楚的看到投影儀投射的所有光斑。因?yàn)槿搜劭床坏郊t外光斑，而且紋理非常復(fù)雜，這就非常有利于雙目匹配算法，可以用非常簡(jiǎn)潔的算法，識(shí)別出深度信息。
盡管Kinect的內(nèi)在原理官方并沒有給出解釋，在近年來一篇Kinect Unleashed的文章中，作者向公眾hack了這個(gè)系統(tǒng)的工作原理：
首先，紅外圖像在基線方向上采樣8倍，這樣可以保證在做雙目匹配后實(shí)現(xiàn)3bit的亞像素精度。然后，對(duì)圖像做sobel濾波，使得圖像的匹配精度提高。而后，圖像與預(yù)存的投影光斑模板圖像進(jìn)行SAD block matching。該算法的計(jì)算復(fù)雜度小，適合硬化和并行。最后，經(jīng)過簡(jiǎn)單的圖像后處理，下采樣到原始分辨率，得到最終的深度圖。
我們可以看到，隨著2009年Kinect設(shè)備在消費(fèi)機(jī)市場(chǎng)的爆發(fā)（發(fā)售頭10天100萬臺(tái)），逐漸開始催生了類似技術(shù)變種在移動(dòng)端設(shè)備的研發(fā)熱潮。從2013年至今，隨著計(jì)算能力的提升和算法的進(jìn)步，硬件成本更低的主動(dòng)／被動(dòng)雙目深度相機(jī)開始在移動(dòng)手機(jī)上涌現(xiàn)。
過去認(rèn)為很難實(shí)時(shí)運(yùn)行的雙目匹配算法，即使在沒有主動(dòng)結(jié)構(gòu)光輔助的情況下，也表現(xiàn)出非常優(yōu)異的3D成像質(zhì)量。SegwayRobot采用了主動(dòng)／被動(dòng)可切換的雙目深度視覺系統(tǒng)。如下圖所示，左側(cè)三個(gè)傳感器分別為，左紅外相機(jī)，紅外pattern投影，右紅外相機(jī)。在室內(nèi)工作時(shí)，因?yàn)榧t外光源不足，紅外投影打開，輔助雙目匹配算法。在室外工作時(shí)，紅外光源充足，紅外投影關(guān)閉，雙目匹配算法可以直接運(yùn)行。綜合看，此系統(tǒng)在室內(nèi)外都表現(xiàn)出優(yōu)異的深度傳感能力。
算法二：定位導(dǎo)航
問：視覺處理后，機(jī)器人是如何實(shí)現(xiàn)導(dǎo)航的？
機(jī)器人導(dǎo)航本身是一個(gè)比較復(fù)雜的系統(tǒng)。其中涉及到的技術(shù)會(huì)有如下列表：
視覺里程計(jì) VO
建圖，利用VO和深度圖
重定位，從已知地圖中識(shí)別當(dāng)前的位置
閉環(huán)檢測(cè)·，消除VO的閉環(huán)誤差
全局導(dǎo)航
視覺避障
Scene tagging，識(shí)別房間中物體加上tag
機(jī)器人開機(jī)，視覺里程計(jì)就會(huì)開始工作，記錄從開機(jī)位置起的6DOF定位信息。在機(jī)器人運(yùn)動(dòng)過程中，mapping算法開始構(gòu)建機(jī)器人看到的世界，將空間中豐富的特征點(diǎn)信息，二維的地圖信息記錄到機(jī)器人map中。
當(dāng)機(jī)器人運(yùn)動(dòng)過程中因?yàn)檎趽酢嚯姷仍騺G失了自身的坐標(biāo)，重定位算法就需要從已知地圖中定位到機(jī)器人當(dāng)前的位置估計(jì)。另外，當(dāng)機(jī)器人運(yùn)動(dòng)中回到了地圖中曾經(jīng)出現(xiàn)過的位置，往往視覺里程計(jì)的偏差會(huì)導(dǎo)致軌跡并沒有完全閉合，這就需要閉環(huán)算法檢測(cè)和糾正這個(gè)錯(cuò)誤。
有了全局地圖之后，機(jī)器人就可以給定一些目標(biāo)點(diǎn)指令，做全局的自主導(dǎo)航了。在現(xiàn)實(shí)中，因?yàn)榄h(huán)境是不停變化的，全局地圖并不能完全反映導(dǎo)航時(shí)的障礙物狀況，因此需要凌駕于全局導(dǎo)航之上的視覺避障算法進(jìn)行實(shí)時(shí)的運(yùn)動(dòng)調(diào)整。
最后，一個(gè)自動(dòng)的導(dǎo)航系統(tǒng)還需要機(jī)器人自動(dòng)識(shí)別和理解空間中的不同物體的信息、位置、高度和大小。這些tag信息疊加在地圖上，機(jī)器人就可以從語(yǔ)義上理解自己所處的環(huán)境，而用戶也可以從更高層次下達(dá)一些指令。
問：視覺VSLAM在機(jī)器人上的實(shí)現(xiàn)有哪些難點(diǎn)？
視覺VSLAM是一個(gè)集合了視覺里程計(jì)，建圖，和重定位的算法系統(tǒng)。近年來發(fā)展很快。基于特征的視覺SLAM算法從經(jīng)典的PTAM算法開端，目前以O(shè)RB－SLAM為代表的算法已經(jīng)可以在PC上達(dá)到實(shí)時(shí)運(yùn)行。下面是一個(gè)ORBSLAM的框圖：
從名字可見，其使用ORB作為圖像特征提取工具，并且在后續(xù)的建圖及重定位中均使用了同一份特征點(diǎn)信息。相對(duì)于傳統(tǒng)的SIFT和SURF特征提取算法，其效率高出很多。
ORB－SLAM包含三個(gè)并行的線程，即跟蹤，建圖和閉環(huán)。其中跟蹤線程運(yùn)行在前端，保證實(shí)時(shí)運(yùn)行，建圖和閉環(huán)線程運(yùn)行在后端，速度不需要實(shí)時(shí)，但是與跟蹤線程共享同一份地圖數(shù)據(jù)，可以在線修正使得地圖數(shù)據(jù)精度和跟蹤精度更高。下圖是ORB－SLAM地圖的主要數(shù)據(jù)結(jié)構(gòu)，
點(diǎn)云和關(guān)鍵幀。兩者之間通過圖像上2D特征點(diǎn)與空間中的點(diǎn)云建立映射關(guān)系，同時(shí)還維護(hù)了關(guān)鍵幀之間的covisibility graph關(guān)系。通過這些數(shù)據(jù)關(guān)聯(lián)，用優(yōu)化方法來維護(hù)整個(gè)地圖。
ORB－SLAM在機(jī)器人上應(yīng)用仍然存在如下難點(diǎn)：
1．計(jì)算量過大，在4核處理器上通常會(huì)占去60％左右CPU資源。
2．在機(jī)器人運(yùn)動(dòng)過快時(shí)會(huì)出現(xiàn)跟丟不可復(fù)原的情況。
3．單目SLAM存在尺度不確定的問題。在機(jī)器人快速旋轉(zhuǎn)時(shí)，此問題尤其明顯，很快會(huì)出現(xiàn)閉環(huán)誤差過大無法糾正的情況。
針對(duì)尺度問題，有兩種方法解決：增加一個(gè)攝像頭形成雙目SLAM系統(tǒng)，或者增加一個(gè)IMU形成松耦合／緊耦合的視覺慣導(dǎo)定位系統(tǒng)。這里簡(jiǎn)單介紹松耦合的視覺慣導(dǎo)定位系統(tǒng)。一般把VSLAM當(dāng)成一個(gè)黑盒子，將其的輸出作為觀測(cè)量放到一個(gè)基于IMU的EKF系統(tǒng)中，EKF最終fuse的輸出即是系統(tǒng)的輸出。
考慮到camera數(shù)據(jù)和IMU數(shù)據(jù)通常是不同步的，因此通過硬件時(shí)間戳，需要判斷圖像數(shù)據(jù)對(duì)應(yīng)的時(shí)間戳與IMU時(shí)間戳的關(guān)系。在EKF propagate步驟，更高幀率的IMU數(shù)據(jù)不停的更新EKF的狀態(tài)。在camera數(shù)據(jù)到來時(shí)，觸發(fā)EKF update步驟，根據(jù)EKF建模方程來更新狀態(tài)變量、協(xié)方差矩陣，并且重新更新所有晚于camera數(shù)據(jù)的IMU數(shù)據(jù)對(duì)應(yīng)的狀態(tài)變量。
SegwayRobot采用了業(yè)界領(lǐng)先的視覺慣導(dǎo)定位系統(tǒng)，下面是一個(gè)在樓道里面運(yùn)行一圈，回到原點(diǎn)之后的效果圖，具體有如下優(yōu)勢(shì)：
1．在大尺度下可以保證非常小的閉環(huán)誤差
2．實(shí)時(shí)運(yùn)行，需求CPU資源小
3．允許快速旋轉(zhuǎn)等情形，不會(huì)跟丟
算法三：避障
問：視覺避障的算法原理是怎樣的？
導(dǎo)航解決的問題是引導(dǎo)機(jī)器人接近目標(biāo)。當(dāng)機(jī)器人沒有地圖的時(shí)候，接近目標(biāo)的方法稱為視覺避障技術(shù)。避障算法解決的問題是根據(jù)視覺傳感器的數(shù)據(jù)，對(duì)靜態(tài)障礙物、動(dòng)態(tài)障礙物實(shí)現(xiàn)躲避，但仍維持向目標(biāo)方向運(yùn)動(dòng)，實(shí)時(shí)自主導(dǎo)航。
避障算法有很多，然而這些方法都有嚴(yán)格的假設(shè)，假設(shè)障礙物為圓形或假設(shè)機(jī)器人為圓形，假設(shè)機(jī)器人可以任意方向運(yùn)動(dòng)，s或假設(shè)它只能走圓弧路徑。然而實(shí)際應(yīng)用上，機(jī)器人很難達(dá)到條件。比如VFF算法， 該算法假設(shè)機(jī)器人為點(diǎn)，而且可以任意方向運(yùn)動(dòng)。VFH＋假設(shè)機(jī)器人為圓形，通過圓形膨脹障礙物，在考慮運(yùn)動(dòng)學(xué)問題時(shí)僅僅假設(shè)機(jī)器人以圓弧路徑運(yùn)動(dòng)。DWA也假設(shè)機(jī)器人為圓形，在考慮運(yùn)動(dòng)學(xué)問題時(shí)只模擬了前向圓弧運(yùn)動(dòng)時(shí)的情況。
相對(duì)而言，我們不限制機(jī)器人的形狀，考慮運(yùn)動(dòng)學(xué)問題時(shí)，模擬多種運(yùn)動(dòng)模型，而不限于圓弧運(yùn)動(dòng)，因?yàn)檫@樣可以為機(jī)器人找到更佳避開障礙物的行為。
這張圖顯示了使用不同運(yùn)動(dòng)學(xué)模型導(dǎo)致不同的避障結(jié)果。左圖表示使用圓弧模型時(shí)模擬的路徑，右圖表示使用另一種路徑模型模擬的路徑。在這種狹小環(huán)境，此方法可以提前預(yù)測(cè)多個(gè)方向的障礙物情況，選擇合適的模型可以幫助找到更合適的運(yùn)動(dòng)方向躲避障礙物。
和目前常用的避障算法之間存在的差異在于，它將運(yùn)動(dòng)學(xué)模型抽象化到周圍環(huán)境地圖中，然后就可以使用任何常用的避障算法，這樣就解耦了運(yùn)動(dòng)學(xué)模型與算法的捆綁，而且任何要求嚴(yán)格的避障算法都能加入進(jìn)來。SegwayRobot的避障系統(tǒng)，綜合了深度傳感器，超聲波，IMU等sensor。在復(fù)雜的環(huán)境中，可以自如躲避障礙物。
這張圖是我們的避障系統(tǒng)的一個(gè)截圖，可以看到深度圖和2維的避障地圖。最下面紅色的指針就代表了每時(shí)每刻避障的決策。
精彩問答
Q：為什么選用ir相機(jī)而不是傳統(tǒng)的rgb相機(jī)呢？ir相機(jī)相對(duì)來講的優(yōu)勢(shì)在哪里？
A：ir相機(jī)可以看到人眼看不到的物體，比如深度相機(jī)需要在室內(nèi)投射紅外紋理，幫助深度識(shí)別。人眼看不到，但ir相機(jī)可以看。
Q：現(xiàn)在機(jī)器人導(dǎo)航是否主要是slam技術(shù)，還有沒其他導(dǎo)航技術(shù)？主要流行的slam技術(shù)有哪些？用于無人駕駛和無人機(jī)的視覺導(dǎo)航技術(shù)有哪些異同？
A：slam技術(shù)是導(dǎo)航中的一個(gè)基礎(chǔ)模塊，種類很多，有單目，雙目，depth，imu＋視覺等傳感器為基礎(chǔ)的算法。雙目相機(jī)可以很好的適應(yīng)室內(nèi)和室外的環(huán)境。他的體積其實(shí)非常小，segwayRobot使用的camera長(zhǎng)度在10cm左右
Q：現(xiàn)在有無用于機(jī)器人導(dǎo)航的導(dǎo)航地圖存在，類似車載導(dǎo)航地圖？用于機(jī)器人導(dǎo)航的地圖數(shù)據(jù)有哪些？
A：現(xiàn)在還沒有這樣的機(jī)器人導(dǎo)航地圖存在，但是是研發(fā)熱點(diǎn)。比如tesla和mobileye的地圖之爭(zhēng)。
來源：知乎專欄公開課 作者陳子沖
