機器人：科學幻想還是近期現(xiàn)實？現(xiàn)在它們更傾向于近期付諸現(xiàn)實，超越簡單的機器助手，進一步滿足實際需求。在家中，在最后一英里交付，滿足安全需求。嵌入式產(chǎn)品讓這些機器人可以被消費者輕松收入囊中。

對我們許多人而言，機器人技術仍然是一種主要受限于工廠或倉庫的應用。我們可以看到，關于私人機器人助手和機器人在醫(yī)院中發(fā)揮更大作用的媒體報道，聽起來都是不錯的想法，但似乎仍是一種遠景，近期無法實現(xiàn)。盡管已經(jīng)開始投入實際應用。如今家用機器人正在完成一些基本家務。配送無人機開始出現(xiàn)。一家富有創(chuàng)造力的丹麥公司正在利用機器人紫外線消毒設備攻擊新冠病毒，目前已在中國一些醫(yī)院投入使用。

機器人應用和市場

危機總是帶來轉(zhuǎn)機，對我們大多數(shù)人來說，只要價格合適，達到便利性就足夠了。機器人真空吸塵器已經(jīng)成為人們熟知的產(chǎn)品。機器人除草機正在亮相家庭和花園商店。您可以在線購買 機器人擦窗器或 機器人泳池清潔機。甚至還有機器人來監(jiān)控家庭安全。國內(nèi)機器人市場預計將增長至接近4000萬臺（到2025年）和1億臺（到2030年）。機器人配送無人機預計將增長至接近 80萬臺（到2030年）。自主移動機器人在工廠、超市和商店、送貨服務、庫存和其他應用方面同樣具有重要價值。此類需求也有望到2030年達到數(shù)百萬單位水平。

SLAM和導航

所有自主機器人背后的“魔力”來自SLAM（同時定位和地圖構建）。SLAM能在不熟悉的領域?qū)W會快速導航。但不同于想象的是，SLAM并非基于機器學習，因為領域的某些方面可以并且將會動態(tài)改變（你可以移動家具或者狗決定睡在地板中央）。相反，SLAM依賴于更傳統(tǒng)的技術，尤其是計算機視覺，以及一些非常繁重的線性代數(shù)。

要像機器人真空吸塵器那樣導航，SLAM需要估算攝像頭的軌跡并繪制地圖。它需要地圖來預估攝像頭軌跡，然后根據(jù)軌跡繪制地圖，因此需要同步實施這些步驟。該地圖還遠遠不夠詳盡，僅僅是通過跟蹤、映射和閉合循環(huán)三個步驟，沿著走過的路徑設置的非常稀疏的點集。跟蹤的基本工作包括尋找特征點、擬合運動模型以及映射準備，所有這些工作都必須采用定點處理，且以實時速度運行。映射基于一組幀的子集運行，但是執(zhí)行由類似數(shù)百位浮點數(shù)相乘的矩陣表示的線性方程，沒有跟蹤那么快，但仍然接近實時。

這些運算運行效果良好，且均為實時計算。受算法以及傳感器相關的校準誤差/噪聲所限，真實路徑和估計路徑會隨著時間的推移而出現(xiàn)分歧。當機器人重新回到曾經(jīng)在全局閉合循環(huán)中到達過的某個點時，錯誤可以被糾正。這種計算顯然不需要經(jīng)常發(fā)生，但是必須要解答由數(shù)千位浮點數(shù)相乘的矩陣表示的線性方程組。這需要足夠長的時間，因此必須在后臺運行。

多傳感器和融合

視覺感應必須通過其他形式的感應增強，例如，通過time of fly傳感器的距離或時間感應避免撞上狗或電視機。此外，機器人還可能被低障礙物、椅子的地板支撐或地板和地毯之間的邊界卡住。為了應對此類情況，機器人需要一個6軸傳感器，來檢測可能會導致機器人卡住的傾斜區(qū)域，并應嘗試不同的路徑。機器人通常還包括光流傳感器（例如跟蹤鼠標移動的傳感器）等等。這些額外的輸入改善了SLAM處理的精度，但他們必須智能校準和融合以確保實際提升精度。基于攝像頭的跟蹤還必須融合慣性和其他類型的感測，以便于當機器人進入床或桌子下面時，可以繼續(xù)沿著合理的路徑行動。

SLAM平臺的要求

綜合考慮，運行高質(zhì)量的SLAM需要大量的傳感器信息處理。云計算無法實現(xiàn)；通訊延遲會扼殺有效性。計算需要在基于機器人的特制低功耗平臺上實時運行。一種基于DSP的架構，旨在支持多種類型感測融合，利用專用指令優(yōu)化實現(xiàn)快速定點SLAM計算以及快速浮點線性代數(shù)。通過硬件支持上述視覺慣性SLAM融合。還有支持廣泛應用ORB-SLAM2開源流的SDK。

原文標題：SLAM和多感官機器人很快就會走進千家萬戶

文章出處：【微信公眾號：CEVA】歡迎添加關注！文章轉(zhuǎn)載請注明出處。

責任編輯：haq