【導(dǎo)讀】視覺避障是指移動(dòng)機(jī)器人在行走過程中，通過傳感器感知到在其規(guī)劃路線上存在靜態(tài)或動(dòng)態(tài)障礙物時(shí)，按照 一定的算法實(shí)時(shí)更新路徑，繞過障礙物，最后達(dá)到目標(biāo)點(diǎn)。以下將從傳感器到算法原理，解讀機(jī)器人如何實(shí)現(xiàn)視覺避障。
避障常用哪些傳感器？
不管是要進(jìn)行導(dǎo)航規(guī)劃還是避障，感知周邊環(huán)境信息是第一步。就避障來說，移動(dòng)機(jī)器人需要通過傳感器 實(shí)時(shí)獲取自身周圍障礙物信息，包括尺寸、形狀和位置等信息。避障使用的傳感器多種多樣，各有不同的原理和特點(diǎn)，目前常見的主要有視覺傳感器、激光傳感器、紅外傳感器、超聲波傳感器等。下面我簡(jiǎn)單介紹一下這幾種傳感器的基本工作原理。
超聲波
超聲波傳感器的基本原理是測(cè)量超聲波的飛行時(shí)間，通過d=vt/2測(cè)量距離，其中d是距離，v是聲速，t是 飛行時(shí)間。由于超聲波在空氣中的速度與溫濕度有關(guān)，在比較精確的測(cè)量中，需把溫濕度的變化和其它因素考慮進(jìn)去。
上面這個(gè)圖就是超聲波傳感器信號(hào)的一個(gè)示意。通過壓電或靜電變送器產(chǎn)生一個(gè)頻率在幾十kHz的超聲波脈沖組成波包，系統(tǒng)檢測(cè)高于某閾值的反向聲波，檢測(cè)到后使用測(cè)量到的飛行時(shí)間計(jì)算距離。超聲波傳感器一般作用距離較短，普通的有效探測(cè)距離都在幾米，但是會(huì)有一個(gè)幾十毫米左右的最小探測(cè)盲區(qū)。由于超聲傳感器的成本低、實(shí)現(xiàn)方法簡(jiǎn)單、技術(shù)成熟，是移動(dòng)機(jī)器人中常用的傳感器。超聲波傳感器也有一些缺點(diǎn)，首先看下面這個(gè)圖。
因?yàn)槁曇羰清F形傳播的，所以我們實(shí)際測(cè)到的距離并不是 一個(gè)點(diǎn)，而是某個(gè)錐形角度范圍內(nèi)最近物體的距離。
另外，超聲波的測(cè)量周期較長(zhǎng)，比如3米左右的物體，聲波傳輸這么遠(yuǎn)的距離需要約20ms的時(shí)間。再者，不同材料對(duì)聲波的反射或者吸引是不相同的，還有多個(gè)超聲傳感器之間有可能會(huì)互相干擾，這都是實(shí)際應(yīng)用的過程中需要考慮的。
紅外
一般的紅外測(cè)距都是采用三角測(cè)距的原理。紅外發(fā)射器按照一定角度發(fā)射紅外光束，遇到物體之后，光會(huì)反向回來，檢測(cè)到反射光之后，通過結(jié)構(gòu)上的幾何三角關(guān)系，就可以計(jì)算出物體距離D。
當(dāng)D的距離足夠近的時(shí)候，上圖中L值會(huì)相當(dāng)大，如果超過CCD的探測(cè)范圍，這時(shí)，雖然物體很近，但是傳感器反而看不到了。當(dāng)物體距離D很大時(shí)，L值就會(huì)很小，測(cè)量量精度會(huì)變差。因此，常見的紅外傳感器 測(cè)量距離都比較近，小于超聲波，同時(shí)遠(yuǎn)距離測(cè)量也有最小距離的限制。另外，對(duì)于透明的或者近似黑體的物體，紅外傳感器是無(wú)法檢測(cè)距離的。但相對(duì)于超聲來說，紅外傳感器具有更高的帶寬。
激光
常見的激光雷達(dá)是基于飛行時(shí)間的（ToF，time of flight），通過測(cè)量激光的飛行時(shí)間來進(jìn)行測(cè)距d=ct/2，類似于前面提到的超聲測(cè)距公式，其中d是距離，c是光速，t是從發(fā)射到接收的時(shí)間間隔。激光雷達(dá)包括發(fā)射器和接收器 ，發(fā)射器用激光照射目標(biāo)，接收器接收反向回的光波。機(jī)械式的激光雷達(dá)包括一個(gè)帶有鏡子的機(jī)械機(jī)構(gòu)，鏡子的旋轉(zhuǎn)使得光束可以覆蓋 一個(gè)平面，這樣我們就可以測(cè)量到一個(gè)平面上的距離信息。
對(duì)飛行時(shí)間的測(cè)量也有不同的方法，比如使用脈沖激光，然后類似前面講的超聲方案，直接測(cè)量占用的時(shí)間，但因?yàn)楣馑龠h(yuǎn)高于聲速，需要非常高精度的時(shí)間測(cè)量元件，所以非常昂貴；另一種發(fā)射調(diào)頻后的連續(xù)激光波，通過測(cè)量接收到的反射波之間的差頻來測(cè)量時(shí)間。
比較簡(jiǎn)單的方案是測(cè)量反射光的相移，傳感器以已知的頻率發(fā)射一定幅度的調(diào)制光，并測(cè)量發(fā)射和反向信號(hào)之間的相移，如上圖一。調(diào)制信號(hào)的波長(zhǎng)為lamda=c/f，其中c是光速，f是調(diào)制頻率，測(cè)量到發(fā)射和反射光束之間的相移差theta之后，距離可由lamda*theta/4pi計(jì)算得到，如上圖二。
激光雷達(dá)的測(cè)量距離可以達(dá)到幾十米甚至上百米，角度分辨率高，通?？梢赃_(dá)到零點(diǎn)幾度，測(cè)距的精度也高。但測(cè)量距離的置信度會(huì)反比于接收信號(hào)幅度的平方，因此，黑體或者遠(yuǎn)距離的物體距離測(cè)量不會(huì)像光亮的、近距離的物體那么好的估計(jì)。并且，對(duì)于透明材料，比如玻璃，激光雷達(dá)就無(wú)能為力了。還有，由于結(jié)構(gòu)的復(fù)雜、器件成本高，激光雷達(dá)的成本也很高。
一些低端的激光雷達(dá)會(huì)采用三角測(cè)距的方案進(jìn)行測(cè)距。但這時(shí)它們的量程會(huì)受到限制，一般幾米以內(nèi)，并且精度相對(duì)低一些，但用于室內(nèi)低速環(huán)境的SLAM或者在室外環(huán)境只用于避障的話，效果還是不錯(cuò)的。
視覺
常用的計(jì)算機(jī)視覺方案也有很多種， 比如雙目視覺，基于TOF的深度相機(jī)，基于結(jié)構(gòu)光的深度相機(jī)等。深度相機(jī)可以同時(shí)獲得RGB圖和深度圖，不管是基于TOF還是結(jié)構(gòu)光，在室外強(qiáng)光環(huán)境下效果都并不太理想，因?yàn)樗鼈兌际切枰鲃?dòng)發(fā)光的。
像基于結(jié)構(gòu)光的深度相機(jī)，發(fā)射出的光會(huì)生成相對(duì)隨機(jī)但又固定的斑點(diǎn)圖樣，這些光斑打在物體上后，因?yàn)榕c攝像頭距離不同，被攝像頭捕捉到的位置也不相同，之后先計(jì)算拍到的圖的斑點(diǎn)與標(biāo)定的標(biāo)準(zhǔn)圖案在不同位置的偏移，利用攝像頭位置、傳感器大小等參數(shù)就可以計(jì)算出物體與攝像頭的距離。而我們目前的E巡機(jī)器人主要是工作在室外環(huán)境，主動(dòng)光源會(huì)受到太陽(yáng)光等條件的很大影響，所以雙目視覺這種被動(dòng)視覺方案更適合，因此我們采用的視覺方案是基于雙目視覺的。
雙目視覺的測(cè)距本質(zhì)上也是三角測(cè)距法，由于兩個(gè)攝像頭的位置不同，就像我們?nèi)说膬芍谎劬σ粯樱吹降奈矬w不一樣。兩個(gè)攝像頭看到的同一個(gè)點(diǎn)P，在成像的時(shí)候會(huì)有不同的像素位置，此時(shí)通過三角測(cè)距就可以測(cè)出這個(gè)點(diǎn)的距離。與結(jié)構(gòu)光方法不同的是，結(jié)構(gòu)光計(jì)算的點(diǎn)是主動(dòng)發(fā)出的、已知確定的，而雙目算法計(jì)算的點(diǎn)一般是利用算法抓取到的圖像特征，如SIFT或SURF特征等，這樣通過特征計(jì)算出來的是稀疏圖。
要做良好的避障，稀疏圖還是不太夠的，我們需要獲得的是稠密的點(diǎn)云圖，整個(gè)場(chǎng)景的深度信息。稠密匹配的算法大致可以分為兩類，局部算法和全局算法。局部算法使用像素局部的信息來計(jì)算其深度，而全局算法采用圖像中的所有信息進(jìn)行計(jì)算。一般來說，局部算法的速度更快，但全局算法的精度更高。
這兩類各有很多種不同方式的具體算法實(shí)現(xiàn)。能過它們的輸出我們可以估算出整個(gè)場(chǎng)景中的深度信息，這個(gè)深度信息可以幫助我們尋找地圖場(chǎng)景中的可行走區(qū)域以及障礙物。整個(gè)的輸出類似于激光雷達(dá)輸出的3D點(diǎn)云圖，但是相比來講得到信息會(huì)更豐富，視覺同激光相比優(yōu)點(diǎn)是價(jià)格低很多，缺點(diǎn)也比較明顯，測(cè)量精度要差 一些，對(duì)計(jì)算能力的要求也高很多。當(dāng)然，這個(gè)精度差是相對(duì)的，在實(shí)用的過程中是完全足夠的，并且我們目前的算法在我們的平臺(tái)NVIDIA TK1和TX1上是可以做到實(shí)時(shí)運(yùn)行。
KITTI采集的圖
實(shí)際輸出的深度圖，不同的顏色代表不同的距離
在實(shí)際應(yīng)用的過程中，我們從攝像頭讀取到的是連續(xù)的視頻幀流，我們還可以通過這些幀來估計(jì)場(chǎng)景中 目標(biāo)物體的運(yùn)動(dòng)，給它們建立運(yùn)動(dòng)模型，估計(jì)和預(yù)測(cè)它們的運(yùn)動(dòng)方向、運(yùn)動(dòng)速度，這對(duì)我們實(shí)際行走、避障規(guī)劃是很有用的。
以上幾種是最常見的幾種傳感器 ，各有其優(yōu)點(diǎn)和缺點(diǎn)，在真正實(shí)際應(yīng)用的過程中，一般是綜合配置使用多種不同的傳感器 ，以最大化保證在各種不同的應(yīng)用和環(huán)境條件下，機(jī)器人都能正確感知到障礙物信息。我們公司的E巡機(jī)器人的避障方案就是以雙目視覺為主，再輔助以多種其他傳感器，保證機(jī)器人周邊360度空間立體范圍內(nèi)的障礙物都能被有效偵測(cè)到，保證機(jī)器人行走的安全性。
避障常用算法原理
在講避障算法之前，我們假定機(jī)器人已經(jīng)有了一個(gè)導(dǎo)航規(guī)劃算法對(duì)自己的運(yùn)動(dòng)進(jìn)行規(guī)劃，并按照規(guī)劃的路徑行走。避障算法的任務(wù)就是在機(jī)器人執(zhí)行正常行走任務(wù)的時(shí)候，由于傳感器的輸入感知到了障礙物的存在，實(shí)時(shí)地更新目標(biāo)軌跡，繞過障礙物。
Bug算法知乎用戶無(wú)方表示
Bug算法應(yīng)該是最簡(jiǎn)單的一種避障算法了，它的基本思想是在發(fā)現(xiàn)障礙后，圍著檢測(cè)到的障礙物輪廓行走，從而繞開它。Bug算法目前有很多變種， 比如Bug1算法，機(jī)器人首先完全地圍繞物體，然后從距目標(biāo)最短距離的點(diǎn)離開。Bug1算法的效率很低，但可以保證機(jī)器人達(dá)到目標(biāo)。
Bug1算法示例
改進(jìn)后的Bug2算法中，機(jī)器人開始時(shí)會(huì)跟蹤物體的輪廓，但不會(huì)完全圍繞物體一圈，當(dāng)機(jī)器人可以直接移動(dòng)至目標(biāo)時(shí)，就可以直接從障礙分離，這樣可以達(dá)到比較短的機(jī)器人行走總路徑。
Bug2算法示例
除此之外，Bug算法還有很多其他的變種， 比如正切Bug算法等等。在許多簡(jiǎn)單的場(chǎng)景中，Bug算法是實(shí)現(xiàn)起來比較容易和方便的，但是它們并沒有考慮到機(jī)器人的動(dòng)力學(xué)等限制，因此在更復(fù)雜的實(shí)際環(huán)境中就不是那么可靠好用了。
勢(shì)場(chǎng)法（PFM）
實(shí)際上，勢(shì)場(chǎng)法不僅僅可以用來避障，還可以用來進(jìn)行路徑的規(guī)劃。勢(shì)場(chǎng)法把機(jī)器人處理在勢(shì)場(chǎng)下的 一個(gè)點(diǎn)，隨著勢(shì)場(chǎng)而移動(dòng)，目標(biāo)表現(xiàn)為低谷值，即對(duì)機(jī)器人的吸引力，而障礙物扮演的勢(shì)場(chǎng)中的一個(gè)高峰，即斥力，所有這些力迭加于機(jī)器人身上，平滑地引導(dǎo)機(jī)器人走向目標(biāo)，同時(shí)避免碰撞已知的障礙物。當(dāng)機(jī)器人移動(dòng)過程中檢測(cè)新的障礙物，則需要更新勢(shì)場(chǎng)并重新規(guī)劃。
上面這個(gè)圖是勢(shì)場(chǎng)比較典型的示例圖，最上的圖a左上角是出發(fā)點(diǎn)，右下角是目標(biāo)點(diǎn)，中間三個(gè)方塊是障礙物。中間的圖b就是等勢(shì)位圖，圖中的每條連續(xù)的線就代表了一個(gè)等勢(shì)位的一條線，然后虛線表示的在整個(gè)勢(shì)場(chǎng)里面所規(guī)劃出來的一條路徑，我們的機(jī)器人是沿著勢(shì)場(chǎng)所指向的那個(gè)方向一直行走，可以看見它會(huì)繞過這個(gè)比較高的障礙物。
最下面的圖，即我們整個(gè)目標(biāo)的吸引力還有我們所有障礙物產(chǎn)生的斥力最終形成的一個(gè)勢(shì)場(chǎng)效果圖，可以看到機(jī)器人從左上角的出發(fā)點(diǎn)出發(fā)，一路沿著勢(shì)場(chǎng)下降的方向達(dá)到最終的目標(biāo)點(diǎn)，而每個(gè)障礙物勢(shì)場(chǎng)表現(xiàn)出在很高的平臺(tái)，所以，它規(guī)劃出來的路徑是不會(huì)從這個(gè)障礙物上面走的。
一種擴(kuò)展的方法在基本的勢(shì)場(chǎng)上附加了了另外兩個(gè)勢(shì)場(chǎng)：轉(zhuǎn)運(yùn)勢(shì)場(chǎng)和任務(wù)勢(shì)場(chǎng)。它們額外考慮了由于機(jī)器人本身運(yùn)動(dòng)方向、運(yùn)動(dòng)速度等狀態(tài)和障礙物之間的相互影響。
轉(zhuǎn)動(dòng)勢(shì)場(chǎng)考慮了障礙與機(jī)器人的相對(duì)方位，當(dāng)機(jī)器人朝著障礙物行走時(shí)，增加斥力， 而當(dāng)平行于物體行走時(shí)，因?yàn)楹苊黠@并不會(huì)撞到障礙物，則減小斥力。任務(wù)勢(shì)場(chǎng)則排除了那些根據(jù)當(dāng)前機(jī)器人速度不會(huì)對(duì)近期勢(shì)能造成影響的障礙，因此允許規(guī)劃出 一條更為平滑的軌跡。
另外還有諧波勢(shì)場(chǎng)法等其他改進(jìn)方法。勢(shì)場(chǎng)法在理論上有諸多局限性， 比如局部最小點(diǎn)問題，或者震蕩性的問題，但實(shí)際應(yīng)用過程中效果還是不錯(cuò)的，實(shí)現(xiàn)起來也比較容易。
向量場(chǎng)直方圖（VFH）
它執(zhí)行過程中針對(duì)移動(dòng)機(jī)器人當(dāng)前周邊環(huán)境創(chuàng)建了一個(gè)基于極坐標(biāo)表示的局部地圖，這個(gè)局部使用柵格圖的表示方法，會(huì)被最近的一些傳感器數(shù)據(jù)所更新。VFH算法產(chǎn)生的極坐標(biāo)直方圖如圖所示：
圖中x軸是以機(jī)器人為中心感知到的障礙物的角度，y軸表示在該方向存在障礙物的概率大小p。實(shí)際應(yīng)用的過程中會(huì)根據(jù)這個(gè)直方圖首先辨識(shí)出允許機(jī)器人通過的足夠大的所有空隙，然后對(duì)所有這些空隙計(jì)算其代價(jià)函數(shù)，最終選擇具有最低代價(jià)函數(shù)的通路通過。
代價(jià)函數(shù)受三個(gè)因素影響： 目標(biāo)方向、機(jī)器人當(dāng)前方向、之前選擇的方向，最終生成的代價(jià)是這三個(gè)因素的加權(quán)值，通過調(diào)節(jié)不同的權(quán)重可以調(diào)整機(jī)器人的選擇偏好。VFH算法也有其他的擴(kuò)展和改進(jìn)，比如在VFH+算法中，就考慮了機(jī)器人運(yùn)動(dòng)學(xué)的限制。由于實(shí)際底層運(yùn)動(dòng)結(jié)構(gòu)的不同，機(jī)器的實(shí)際運(yùn)動(dòng)能力是受限的，比如汽車結(jié)構(gòu)，就不能隨心所欲地原地轉(zhuǎn)向等。VFH+算法會(huì)考慮障礙物對(duì)機(jī)器人實(shí)際運(yùn)動(dòng)能力下軌跡的阻擋效應(yīng)，屏蔽掉那些雖然沒有被障礙物占據(jù)但由于其阻擋實(shí)際無(wú)法達(dá)到的運(yùn)動(dòng)軌跡。我們的E巡機(jī)器人采用的是兩輪差動(dòng)驅(qū)動(dòng)的運(yùn)動(dòng)形式，運(yùn)動(dòng)非常靈活，實(shí)際應(yīng)用較少受到這些因素的影響。
具體可以看 一下這個(gè)圖示：
類似這樣傳統(tǒng)的避障方法還有很多，除此之外，還有許多其他的智能避障技術(shù)，比如神經(jīng)網(wǎng)絡(luò)、模糊邏輯等。
神經(jīng)網(wǎng)絡(luò)方法對(duì)機(jī)器人從初始位置到目標(biāo)位置的整個(gè)行走路徑進(jìn)行訓(xùn)練建模，應(yīng)用的時(shí)候，神經(jīng)網(wǎng)絡(luò)的輸 入為之前機(jī)器人的位姿和速度以及傳感器的輸 入，輸出期望的下一目標(biāo)或運(yùn)動(dòng)方向。
模糊邏輯方法核心是模糊控制器，需要將專家的知識(shí)或操作人員的經(jīng)驗(yàn)寫成多條模糊邏輯語(yǔ)句，以此控制機(jī)器人的避障過程。 比如這樣的模糊邏輯：第一條，若右前方較遠(yuǎn)處檢測(cè)到障礙物，則稍向左轉(zhuǎn)；第 二條，若右前方較近處檢測(cè)到障礙物，則減速并向左轉(zhuǎn)更多角度等。
