69、机器人地形响应规划与低成本3D扫描设备研究-优快云博客

本文链接：https://blog.youkuaiyun.com/day7/article/details/152024008

机器人地形响应规划与低成本3D扫描设备研究

1. 机器人地形响应规划成果

在机器人运动规划领域，将地形因素纳入Minitaur运动模型是一项重要的进展。通过在模型中引入地形因素，SBMPO算法能够生成具备地形感知能力的轨迹。从实验结果来看，基于草地、沥青和泥土等不同地形的轨迹，与实验室测试案例呈现出明显不同的行为特征。

1.1 地形对运动规划的影响

速度与计算时间 ：在不同地形上，机器人的前进速度会有所损失。为了满足目标标准（即到达距离目标位置1米以内），机器人需要更多的步数，这导致规划器需要稍微增加计算时间。对于机载计算资源有限的机器人来说，这种计算时间的增加是一个需要认真考虑的问题，因为它会有效减少最大规划范围。
转弯半径与障碍物探索 ：从坚硬表面移动到其他地形时，机器人的有效转弯半径会受到影响。特别是在草地上，地形效应会抑制机器人的急转弯，使得规划器变得更加保守，常常阻碍机器人在近距离障碍物之间进行探索。不过，基于草地的轨迹往往能使机器人与障碍物保持最大的安全距离。

1.2 运动规划与地形因素的验证

为了验证运动规划器和地形因素的有效性，研究人员让Minitaur在感兴趣的地形上运行，并使用相应的地形因素。在执行这些轨迹时，不使用状态反馈项，这样可以直接评估规划运动模型的准确性。从最终位置误差可以明显看出，仅仅使用地形因素并不能完全解释运动模型在新地形上的变化。机器人航向角的扰动会导致最终位置出现较大误差，但添加地形因素后，机器人覆盖的距离有所增加，这表明该方法能够在一定程度上解释由于地形交互导致的运动差异。

1.3 研究结论

新型转弯模型 ：研究展示了一种在Minitaur平台上进行转弯的新模型。该方法通过扰动基于轨迹的步态来调整转弯半径，并且在转弯行为上表现出可重复性和一致性，能够以较低的误差和较少的数据生成运动模型。
地形因素的有效性 ：实验验证了使用简单缩放因子来解释在新地形上运行时引入的一些持续运动差异的可行性。虽然初始运动预测模型可能需要大量数据，但后续的地形只需要一个简单的诊断轨迹来调整地形因素。尽管这个因素本身不足以解释影响机器人航向角的随机扰动，但它能够解释在新地形上所需的额外遍历距离。此外，预计该地形因素还能减少重新规划的计算负担，因为使用它可以减少姿态误差。

1.4 未来工作展望

未来的工作将集中在提高机器人的感知和传感能力，以实现机器人的里程计功能。机载里程计将用于在长距离规划和航向角校正时进行轨迹校正和重新规划决策。研究人员已经开发并测试了重新规划功能，通过并行编程将SBMPO算法扩展到实时工作，以实现快速的路线校正。此外，还将进行进一步的实验来验证和改进地形因素，并将SBMPO算法扩展到在运动过程中适应新的地形表面。

2. 低成本3D扫描设备RADLER介绍

2.1 3D测量设备现状

近年来，光学3D测量设备发展迅速，在速度和精度提高的同时，重量和硬件成本不断降低，逐渐成为许多领域的标准测量工具。为了及时测量大面积区域，移动扫描解决方案成为首选。根据具体需求，人们开发了安装在汽车、手推车、背包或飞行器上的激光扫描仪和相机系统。

2.2 现有解决方案的局限性

车载移动测绘系统 ：适用于城市环境的测绘，但仅限于汽车可到达的区域。
机器人或手推车解决方案 ：可用于较小的小巷，但在楼梯、土路或砾石路等地形上仍存在局限性。
机载激光扫描 ：不受特定地形限制，但在有屋顶的环境、隧道或树木繁茂的区域效果不佳。
背包式系统 ：是室内测绘的理想解决方案，但存在背包重量大、硬件成本高或测量范围有限等缺点。

2.3 RADLER的创新设计

RADLER是一种受测量员车轮概念启发的低成本3D扫描设备，它由安装在独轮车车轴上的2D激光扫描仪组成，通过车轮旋转创建径向3D扫描模式。与手持或背包系统相比，在地面上移动时，RADLER的轨迹更加平滑。此外，由于配备了大型充气轮胎，它可以在粗糙地形甚至楼梯上操作，而且重量轻、便于携带且易于操作。

2.4 RADLER的技术实现

2.4.1 硬件设置

RADLER主要由以下硬件组成：
- 传感器 ：包括SICK LMS141 LiDAR传感器、PhidgetSpatial Precision 3/3/3 IMU、带有显示屏的Raspberry Pi 3单板计算机和Phidget光学旋转编码器ISC3004。
- 平衡与连接 ：传感器安装在连接到车轴的基板上，另一侧的配重有助于保持车轮在运行过程中的平衡。旋转编码器通过支撑结构固定在独轮车框架上，并通过USB连接到单板计算机。
- 电源供应 ：RADLER由一个11.1 V 1000 mAh的锂聚合物电池供电，该电池直接安装在基板上，为激光扫描仪提供11.1 V电压，通过DC - DC转换器为单板计算机提供5 V电压，可支持约40至50分钟的操作时间。

2.4.2 传感器集成

Raspberry Pi 3使用ROS（机器人操作系统）集成传感器。激光扫描仪绕车轮轴旋转，在向前移动的同时创建径向3D点云。为了确保连续时间SLAM算法所需的重叠数据，激光扫描仪在完整的360°旋转之间进行多次测量。最终3D点云的质量在很大程度上取决于展开2D扫描切片时激光扫描仪的姿态质量。

2.4.3 传感器校准

为了实现准确的里程计，需要尽可能精确地确定轮胎周长L和编码器每转的计数C。虽然轮胎周长L可以很容易地测量，但编码器每转的计数C需要进行校准。研究人员使用Madgwick融合和过滤的IMU数据来计算车轮的俯仰角变化和前进运动。通过检测IMU角度位置的峰值，可以计算出每转编码器的计数差异，经过滤波和平均后得到每转的编码器计数。最后，确定编码器初始方向的偏移量，并根据里程计和IMU数据计算车轮的姿态。为了补偿由于环境因素（如温度）导致的车轮编码器系统误差，每次实验都会重复自动校准程序。

2.5 实验结果评估

为了评估RADLER的性能，研究人员进行了三个不同环境的测试场景：
- “The Hallway” ：在大学计算机科学楼的一楼进行，是一个约200米的直线平滑表面，没有坡度。数据集约有350万个点，由于走廊中存在多个门和玻璃立面，激光扫描仪会受到反射和幽灵投影的影响。
- “The Circle” ：在旧数学楼的一楼进行，表面平滑无坡度。为了补偿独轮车有限的视野，进行了一个完整的来回圆圈运动。IMU漂移现象明显，但通过连续时间SLAM算法得到了消除。完整数据集约有630万个点。
- “The Chapel” ：在Randersacker教堂进行，使用Riegl VZ - 400激光扫描仪获取的扫描数据作为地面真值。实验结果显示，初始轨迹可能存在平面化问题，但经过校正后，表面的真实3D结构变得清晰。

通过以上实验可以看出，RADLER在不同环境下都能取得较好的扫描效果，验证了其作为一种低成本3D扫描设备的可行性和有效性。

2.6 总结

本文介绍了机器人地形响应规划的研究成果以及低成本3D扫描设备RADLER的设计与实现。机器人地形响应规划通过引入地形因素，提高了机器人在不同地形上的运动规划能力，但仍需进一步改进以应对复杂的环境变化。RADLER作为一种创新的3D扫描设备，结合了轮式扫描设备和手持或可穿戴设备的优点，在不同场景下都能提供高质量的扫描数据，具有广阔的应用前景。未来，随着技术的不断发展，这两个领域有望取得更大的突破，为机器人的应用和3D测量技术带来更多的可能性。

2.7 相关流程与公式总结

2.7.1 传感器数据计算流程

graph LR
    A[获取车轮编码器计数ct] --> B[计算俯仰角变化Δϑ和前进运动ΔxU]
    B --> C[确定IMU在全局坐标系中的方向RI→G]
    C --> D[计算偏航角ψ和滚动角ϕ]
    D --> E[计算俯仰角ϑ]
    E --> F[校准车轮编码器]
    F --> G[计算点在全局坐标系中的初始变换pG]

2.7.2 相关公式

公式描述	公式内容
俯仰角变化计算	$\Delta\vartheta = -\frac{2\pi}{C} \cdot c_t$
前进运动计算	$\Delta x_U = \frac{L}{C} \cdot c_t$
偏航角计算	$\psi = \arctan2(p_y, p_x)$
滚动角计算	$\phi = \angle [p_x p_y p_z], [p_x p_y 0]$
俯仰角计算	$\vartheta = \arctan2(q_y, q_z)$，其中$[q_x q_y q_z] = R_{I \rightarrow G} \cdot [0 1 0]^T$
点在全局坐标系中的初始变换	$p_G = T_{I \rightarrow G} \cdot T_{L \rightarrow U} \cdot p_L$
平移部分计算	$\Delta x_G = \Delta x_U \cdot \cos\psi$，$\Delta y_G = \Delta x_U \cdot \sin\psi$，$\Delta z_G = 0$

2.8 不同场景下的技术优势分析

2.8.1 复杂室内环境优势

在像“ The Hallway ”和“ The Circle ”这样的室内场景中，RADLER展现出了独特的优势。室内环境通常存在大量的反射表面，如玻璃门和立面，这对传统的激光扫描设备是一个挑战。而RADLER的径向3D扫描模式，使得激光扫描仪能够同时测量前方和后方，增加了场景中的数据密度和重叠量。这种特性有助于连续时间SLAM算法更好地处理反射和幽灵投影问题，从而提高了点云数据的质量。

2.8.2 室外复杂地形优势

对于室外的复杂地形，如“ The Chapel ”所在的环境，RADLER的大尺寸充气轮胎发挥了重要作用。它可以轻松应对不平整的地面和楼梯，相比其他需要平整地面的扫描设备，具有更广泛的适用性。此外，通过IMU和车轮编码器的协同工作，即使在复杂地形上，也能较为准确地计算出机器人的姿态和运动，保证了扫描数据的准确性。

2.9 与其他扫描设备的对比

为了更清晰地了解RADLER的性能，我们将其与其他常见的扫描设备进行对比，如下表所示：
| 设备类型 | 适用地形 | 便携性 | 成本 | 扫描质量 | 数据处理能力 |
| ---- | ---- | ---- | ---- | ---- | ---- |
| 车载移动测绘系统 | 城市道路 | 低 | 高 | 高 | 强 |
| 机器人或手推车解决方案 | 小巷、部分室外 | 中 | 中 | 中 | 中 |
| 机载激光扫描 | 大面积开放区域 | 低 | 高 | 高 | 强 |
| 背包式系统 | 室内、部分室外 | 中 | 高 | 中 | 中 |
| RADLER | 粗糙地形、楼梯、室内外 | 高 | 低 | 中 | 中 |

从表格中可以看出，RADLER在便携性和成本方面具有明显优势，虽然在扫描质量和数据处理能力上与一些高端设备存在一定差距，但在大多数应用场景下已经能够满足需求。

2.10 技术改进方向

2.10.1 传感器精度提升

尽管RADLER的传感器在现有设计下能够正常工作，但为了进一步提高扫描精度，未来可以考虑采用更高精度的传感器。例如，使用精度更高的IMU和激光扫描仪，减少测量误差，从而提高点云数据的质量。

2.10.2 数据处理算法优化

连续时间SLAM算法虽然在处理RADLER的数据时表现良好，但仍有优化的空间。可以研究更高效的算法，减少计算时间，提高实时性。同时，开发更智能的算法来处理复杂环境下的反射和噪声问题，进一步提升扫描数据的准确性。

2.10.3 续航能力增强

目前RADLER的续航时间约为40至50分钟，对于一些大型项目来说可能不够。可以通过改进电池技术或优化电源管理系统，延长设备的续航时间，提高工作效率。

2.11 应用领域展望

2.11.1 建筑测绘

在建筑测绘领域，RADLER可以快速获取建筑物内部和外部的3D数据。其便携性和低成本使得它可以在不同的建筑项目中灵活使用，为建筑师和工程师提供准确的地形和建筑结构信息。

2.11.2 考古发掘

在考古发掘中，RADLER可以在不破坏遗址的情况下，对复杂的地形和文物进行3D扫描。其能够适应粗糙地形的特点，使其在野外考古现场具有很大的应用潜力。

2.11.3 灾害评估

在自然灾害发生后，RADLER可以快速进入受灾区域，获取地形和建筑物的3D数据。这些数据可以帮助救援人员更好地了解灾情，制定合理的救援计划。

2.12 技术发展趋势

随着科技的不断进步，机器人地形响应规划和低成本3D扫描设备领域也将迎来新的发展趋势。
- 多传感器融合 ：未来的机器人可能会集成更多类型的传感器，如视觉传感器、超声波传感器等，实现更全面的环境感知。通过多传感器融合技术，可以提高机器人在复杂环境下的运动规划能力和3D扫描的准确性。
- 人工智能与机器学习应用 ：人工智能和机器学习算法将在机器人领域得到更广泛的应用。例如，利用深度学习算法对3D扫描数据进行分析和处理，实现自动识别和分类。在运动规划方面，机器学习算法可以根据不同的地形和任务，自动调整机器人的运动策略。
- 云平台与大数据 ：云平台和大数据技术将为机器人的应用提供更强大的支持。通过将机器人采集的数据上传到云平台，可以实现数据的共享和分析。同时，利用大数据技术可以对大量的扫描数据进行挖掘，为不同领域的应用提供更有价值的信息。

2.13 总结与展望

本文详细介绍了机器人地形响应规划的研究成果以及低成本3D扫描设备RADLER的设计与实现。机器人地形响应规划通过引入地形因素，提高了机器人在不同地形上的运动规划能力，但仍需在应对复杂环境变化方面进行改进。RADLER作为一种创新的3D扫描设备，结合了轮式扫描设备和手持或可穿戴设备的优点，在不同场景下都能提供高质量的扫描数据，具有广阔的应用前景。

未来，随着技术的不断发展，这两个领域有望取得更大的突破。机器人将能够更好地适应各种复杂地形，实现更高效的运动规划。而3D扫描设备将朝着更高精度、更低成本、更便携的方向发展，为更多领域的应用提供支持。我们期待这些技术的发展能够为机器人的应用和3D测量技术带来更多的可能性。

2.14 技术应用流程总结

graph LR
    A[准备RADLER设备] --> B[选择扫描场景]
    B --> C[进行传感器校准]
    C --> D[开始扫描]
    D --> E[数据采集与处理]
    E --> F[生成3D点云数据]
    F --> G[数据评估与分析]
    G --> H[根据结果调整参数或重新扫描]
    H --> I[输出最终扫描结果]

以上流程展示了使用RADLER进行3D扫描的基本步骤，通过严格遵循这些步骤，可以确保扫描数据的质量和准确性。