支援SLAM與多重感測的機器人很快會去你家!

作者 : Ben Weiss,CEVA電腦視覺開發者與團隊領導人

家用機器人市場預計將於2025年達到4,000萬套,並於2030年超過1億套,機器人送貨無人飛行器在2030年估計將達80萬套。自主行動機器人對於工廠、超市、店面的送貨服務,以及庫存管理等其他應用也價值匪淺,其使用量在2030年估計可達數百萬套。

對大多數人而言,機器人仍然是一種主要限於工廠或倉庫的應用。媒體報導中關於個人機器人助手和在醫療院所扮演更重要角色的機器人聽起來很炫,似乎仍然是遠在天邊而非即將成真的現實。事實上,已有一些實際應用正在成形。

就在此刻,家用機器人已經開始處理基本雜務,無人機開始送貨到府;還有丹麥一家富有想像力的公司專為抵抗新冠病毒開發的紫外線消毒機器人,已獲得中國的某些醫院採用。

 

(圖片來源:CEVA)

 

機器人應用及市場

危機雖然頗有助益於機器人的推廣,但在價格適當的情形下,便利性本身即足以對大多數人產生誘因。機器人真空吸塵器已經觸目可見,機器人割草機在家庭和園藝用品店也不在話下,機器人洗窗機或機器人泳池清洗機線上即可訂購,甚至家庭保全也可以交給機器人處理。

家用機器人市場預計將於2025年達到4,000萬套,並於2030年超過1億套,機器人送貨無人飛行器在2030年估計將達80萬套。自主行動(Autonomous mobile)機器人對於工廠、超市、店面的送貨服務,以及庫存管理等其他應用也價值匪淺,其使用量在2030年估計可達數百萬套。

 

(圖片來源:CEVA)

 

SLAM 及導航

所有自動機器人都少不了簡稱為SLAM的同步定位與地圖構建(simultaneous location and mapping)。SLAM可在不明範圍內隨時邊學邊導航,由於範圍內某些因素可能動態變化(家具被移動,或養的貓狗隨處躺下),SLAM仰賴的是機器視覺等更傳統方法,搭配某些負擔重責大任的線性代數演算法。

為了像機器人吸塵器一樣導航,SLAM需要按攝影機的預計軌跡來同步繪製地圖。後者只是以追蹤-圖資-重複循環三個步驟,循行進路線所產生幾個稀疏的點,而非真正鉅細靡遺的地圖。追蹤步驟涵蓋找出特徵點、擬合運動模型、準備進行圖資處理,三者都使用定點處理以實時速度進行。圖資處理採用部分訊框(以行列均為數百個浮點的矩陣線性方程式代表),速度不及追蹤但仍接近即時。

這種方法看起來不錯,但要記得計算必須即時。由於演算法的限制以及與感測器相關的校準誤差/雜訊,實際路徑和估計路徑會隨時間出現差異,後者可藉由全域重複循環,在機器人再到同一個點時進行修正。這種運算顯然不會常常需要進行,一旦需要,就必須處理行列各為數千浮點的線性方程矩陣。這會耗時甚久因此必須在後台執行。

多重感測器及融合

視覺感測必須以其他形式的感測(例如近接或飛行時間感測器)來擴增,以避免碰到寵物或電視,機器人也要避免被低矮的障礙物、椅子的地板支撐或地板和地毯之間的接縫卡住。為處理這類情況,機器人需要一個6軸感測器,來檢測代表機器人可能被卡住且應改採不同路徑的傾斜,也需要光束感測器(如同滑鼠所用的紅外線感測器)等其他感測器。

這些額外的輸入可提高SLAM處理的精度,但必須對其進行智慧校準和融合才能實際達成。以攝影機為基礎的追蹤還必須融合慣性和其他類型的感測,以便機器人在床下或桌下移動時仍能保持合理的路徑。

高品質SLAM需要處理大量感測器資料,雲端運算的通訊延遲會降低其有效性,因此無法採用,也就是說只能在機器人專用的低功耗平台上即時運作。

這個平台應該採用支援多種類型感測器融合的DSP型架構,並針對快速定點SLAM運算和快速浮點線性代數優化、搭配前述支持Visual-Inertial SLAM融合的硬體、以及支持廣泛使用之ORB-SLAM2開源流程的SDK。CEVA的SensPro架構就是一個理想的選項,如果你正在尋找高效率、高精度的機器人的解決方案,不妨納入參考。

 

本文由CEVA供稿;責編:Judith Cheng

(參考原文:SLAM and Multi-Sensing Robots: Soon in Every Home)

 

掃描或點擊QR Code立即加入 “EETimes技術論壇” Line 群組 !

 EET-Line技術論壇-QR

發表評論