基于視覺(jué)的機(jī)器人感知技術(shù)SLAM

講到基于視覺(jué)的機(jī)器人感知算法原理，就不得不提到這兩年大火的SLAM技術(shù)。 SLAM （simultaneous localization and mapping，即時(shí)定位與地圖構(gòu)建。由于其重要的理論與應(yīng)用價(jià)值，被很多學(xué)者認(rèn)為是實(shí)現(xiàn)真正全自主移動(dòng)機(jī)器人的關(guān)鍵。

我和我的合伙人2012年開(kāi)始接觸這一技術(shù)，到2014年創(chuàng)業(yè)的時(shí)候，除了國(guó)內(nèi)一些研究機(jī)器人自動(dòng)化技術(shù)的實(shí)驗(yàn)室和老師，幾乎做圖形圖像的學(xué)術(shù)圈都沒(méi)怎么聽(tīng)說(shuō)過(guò)SLAM，更不用說(shuō)當(dāng)時(shí)的創(chuàng)業(yè)公司和資本市場(chǎng)。而今天，幾乎整個(gè)人工智能領(lǐng)域似乎都對(duì)SLAM這一技術(shù)報(bào)以了極大的關(guān)注度與期望，這實(shí)際上是和這一技術(shù)在今天對(duì)于機(jī)器人和人工智能的重要地位以及代表性產(chǎn)品的推出是分不開(kāi)的。我認(rèn)為SLAM技術(shù)在資本市場(chǎng)上獲得極大的關(guān)注度有很大一部分原因是去年美國(guó)明星創(chuàng)業(yè)團(tuán)隊(duì)Magic Leap在AR領(lǐng)域的技術(shù)探索，微軟公司在去年推出的Hololens以及今年10月份Google開(kāi)源了一套SLAM算法密不可分的。由于在這之前，大家都沒(méi)有聽(tīng)說(shuō)過(guò)SLAM這一技術(shù)，更不必說(shuō)意識(shí)到這一技術(shù)在2010年后在機(jī)器人領(lǐng)域取得突飛猛進(jìn)的進(jìn)步。當(dāng)有代表性的產(chǎn)品或者公司將這一技術(shù)運(yùn)用起來(lái)，便一下子引起了大家的關(guān)注。

今天我和大家介紹一些2010年后隨著三維視覺(jué)傳感器的興起，SLAM的進(jìn)一步演進(jìn)，也就是今天我們應(yīng)用在各種移動(dòng)機(jī)器人上的vSLAM（基于視覺(jué)的同時(shí)定位與構(gòu)圖技術(shù)），是如何建立起來(lái)并且被應(yīng)用在機(jī)器人的自主導(dǎo)航、路徑規(guī)劃等方案中的。

從2012年開(kāi)始在實(shí)驗(yàn)室的接觸研究，再到后來(lái)成立速感和同事們推進(jìn)技術(shù)的迭代中，我覺(jué)得對(duì)于SLAM到今天為止，有三個(gè)里程碑式的事件：

2000年左右的國(guó)際機(jī)器人研討會(huì)上，首次給出了SLAM這一基本框架和收斂性的驗(yàn)證結(jié)果，并針對(duì)這一理論給出了具體的證明和結(jié)論，自此，以MIT、悉尼大學(xué)為代表的研究移動(dòng)機(jī)器人地圖構(gòu)建和定位的學(xué)術(shù)圈前輩才正式開(kāi)始致力于SLAM技術(shù)的研究，補(bǔ)充并完善的給出了SLAM的技術(shù)可行性依據(jù)。在這之前盡管SLAM這一理論被提出有10年之久，但學(xué)術(shù)圈普遍認(rèn)為這一理論得到的地圖估計(jì)誤差是不收斂的，因此不能通過(guò)處理一個(gè)同時(shí)包含機(jī)器人定位與特征路標(biāo)位置的聯(lián)合狀態(tài)對(duì)模型進(jìn)行求解從而得到結(jié)果；

2011年前后，正好是我進(jìn)入到實(shí)驗(yàn)室，和實(shí)驗(yàn)室的師兄師弟開(kāi)始對(duì)無(wú)人機(jī)視覺(jué)系統(tǒng)的定位定姿與地圖構(gòu)建進(jìn)行系統(tǒng)性的學(xué)習(xí)與開(kāi)發(fā)的階段，以Kinect 1為代表的視覺(jué)傳感器開(kāi)始在SLAM研究領(lǐng)域興起，為SLAM的大踏步發(fā)展奠定了底層硬件上的基礎(chǔ)契機(jī)。從整個(gè)機(jī)器人視覺(jué)系統(tǒng)的發(fā)展歷程來(lái)看，任何一個(gè)關(guān)鍵技術(shù)的應(yīng)用需要一個(gè)較長(zhǎng)時(shí)間的技術(shù)轉(zhuǎn)化周期，而突破性的進(jìn)展離不開(kāi)底層關(guān)鍵元器件、計(jì)算芯片或傳感器的支持。而我認(rèn)為，三維視覺(jué)傳感器的興起正是為SLAM的發(fā)展提供了這樣的關(guān)鍵一步；

從去年開(kāi)始到今年的這一波世界范圍內(nèi)的人工智能浪潮。誠(chéng)然我們需要看清楚的是，在這一次人工智能復(fù)興的浪潮中，存在很多被稱(chēng)為“偽命題”的黑科技，但是也要清楚的看到隨著深度學(xué)習(xí)、增強(qiáng)學(xué)習(xí)以及遷移學(xué)習(xí)這樣基礎(chǔ)性的數(shù)據(jù)訓(xùn)練與學(xué)習(xí)方式的變革，帶動(dòng)了一批過(guò)去我們看來(lái)在實(shí)際商業(yè)化與產(chǎn)品化并不成熟的行業(yè)。比如VR/AR，比如無(wú)人駕駛，再比如機(jī)器人、無(wú)人機(jī)。很幸運(yùn)的是，在目前最熱的人工智能涉及到的這三個(gè)行業(yè)中，我們都看到了SLAM的影子，并且看到了這一技術(shù)在這其中所發(fā)揮出的巨大價(jià)值。

今天廣泛被人們討論和學(xué)習(xí)的vSLAM，簡(jiǎn)單來(lái)說(shuō)，是SLAM技術(shù)發(fā)展到今天結(jié)合目前的底層技術(shù)實(shí)現(xiàn)與硬件，離產(chǎn)品化最近的一種表現(xiàn)形式。針對(duì)不同端的應(yīng)用需求，被分為了sparse（稀疏）和dense（稠密）兩大類(lèi)，前者側(cè)重空間中對(duì)位置的感知與描述，后者側(cè)重空間中對(duì)環(huán)境的構(gòu)建與理解，但無(wú)論是哪一類(lèi)，其基礎(chǔ)性的構(gòu)造框架對(duì)于數(shù)據(jù)的處理一定是分為前端和后端兩部分的。其中前端用來(lái)對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)的特征提取、剔除噪聲、幀匹配得到位置轉(zhuǎn)移向量，這一部分又可以單獨(dú)作為輕量級(jí)的視覺(jué)定位定姿算法，成為VO，常見(jiàn)的優(yōu)化包括加入IMU慣性測(cè)量單元數(shù)據(jù)進(jìn)行計(jì)算，也叫VIO。后端主要從全局的角度出發(fā)，通過(guò)濾波算法、圖優(yōu)化、樹(shù)優(yōu)化等方法對(duì)前端得到的結(jié)果進(jìn)行閉環(huán)檢測(cè)、循環(huán)迭代等方法的二次優(yōu)化，最終得到最優(yōu)的計(jì)算結(jié)果。

對(duì)于SLAM算法，很多人覺(jué)得掌握了SLAM算法就解決了機(jī)器人移動(dòng)這樣關(guān)鍵性的基本問(wèn)題，事實(shí)上并非如此。SLAM在今天之于人工智能機(jī)器人等領(lǐng)域的發(fā)展上，已經(jīng)越來(lái)越像深度神經(jīng)網(wǎng)絡(luò)一樣，成為一項(xiàng)基礎(chǔ)性的工具。一個(gè)表現(xiàn)好的SLAM框架可以幫助我們得到一個(gè)魯棒性高的空間運(yùn)動(dòng)模型和空間環(huán)境模型，但是只是讓機(jī)器人看到了世界，并不能真正指導(dǎo)機(jī)器人的決策，因此我們需要利用這樣的模型，回到具體環(huán)境中有針對(duì)性的進(jìn)行接下來(lái)的自主導(dǎo)航與路徑規(guī)劃等方案的開(kāi)發(fā)。目前我們基于vSLAM算法，針對(duì)機(jī)器人在環(huán)境中的全局路徑規(guī)劃和局部路徑規(guī)劃，我們開(kāi)發(fā)了一套魯棒性高，可以實(shí)時(shí)決策的路徑規(guī)劃與導(dǎo)航算法框架，可以有針對(duì)性的結(jié)合vSLAM得到的最優(yōu)計(jì)算結(jié)果，進(jìn)行有效的多傳感器融合與前端處理器的嵌入式集成，使其可以在不同復(fù)雜的環(huán)境中獲得良好的表現(xiàn)結(jié)果。

在這一點(diǎn)上，我覺(jué)得過(guò)去這幾年，人工智能的研究始終停留在對(duì)于感知算法的迭代優(yōu)化上，包括人臉識(shí)別、 語(yǔ)義分析等等，我們追求更高的測(cè)試與跑分結(jié)果，反倒是忽略了這樣的技術(shù)應(yīng)該如何更好地在商業(yè)領(lǐng)域、工業(yè)領(lǐng)域產(chǎn)生更多的價(jià)值。因此我們也發(fā)現(xiàn)，從去年開(kāi)始的這一波人工智能浪潮，正在推動(dòng)學(xué)術(shù)界在人工智能的研究從感知向真正的決策與使用轉(zhuǎn)移。比如今天我們看到的VR/AR設(shè)備、無(wú)人駕駛汽車(chē)等等都是將這樣的技術(shù)在一個(gè)具體細(xì)分的行業(yè)里面加以實(shí)踐，實(shí)踐中遇到了棘手的問(wèn)題，然后尋找解決辦法，指導(dǎo)底層硬件進(jìn)行決策。我覺(jué)得這是真正的進(jìn)步，而在接下來(lái)的幾年，人工智能最大的增長(zhǎng)點(diǎn)應(yīng)該是如何幫助人們?nèi)?yōu)化地進(jìn)行決策。

三維視覺(jué)在機(jī)器人上的發(fā)展方向

機(jī)器人自誕生之日起，視覺(jué)功能就是其最核心的功能與智能化的入口，三維視覺(jué)已經(jīng)在近10年的發(fā)展中逐漸成為機(jī)器人的主流與標(biāo)準(zhǔn)配置，用以解決以往移動(dòng)機(jī)器人“看不見(jiàn)”這一難題。但是由于從目前的硬件發(fā)展局限性而言，依然存在計(jì)算量大、使用環(huán)境受限等問(wèn)題。針對(duì)更細(xì)分的應(yīng)用場(chǎng)景，設(shè)計(jì)實(shí)現(xiàn)三維視覺(jué)技術(shù)的小型化、模塊化、前端化將會(huì)成為今后兩到三年業(yè)內(nèi)主流的發(fā)展方向。

小型化：從CCD、CMOS芯片的相機(jī)，再到一維、二維激光雷達(dá)及三維視覺(jué)傳感器，數(shù)據(jù)量在增加的同時(shí)，小型化的體積更加利于系統(tǒng)的集成；

模塊化：機(jī)器人視覺(jué)系統(tǒng)功能與定位越來(lái)越明確，通用性的接口與標(biāo)準(zhǔn)正在逐步形成，行業(yè)進(jìn)入方向明確化發(fā)展階段；

前端化：GPU、FPGA、DSP等專(zhuān)用處理器飛速發(fā)展，通用處理器的計(jì)算資源需求正在被簡(jiǎn)化，將更側(cè)重于交互功能的實(shí)現(xiàn)。

在這條道路上，整個(gè)機(jī)器人行業(yè)正在興起，行業(yè)格局也越發(fā)清晰，產(chǎn)業(yè)鏈的上下游已經(jīng)初見(jiàn)成熟，希望速感科技目前在做的事情，能夠通過(guò)自身在發(fā)展中的不斷積累，真正的，實(shí)實(shí)在在的推動(dòng)正在興起的機(jī)器人產(chǎn)業(yè)的進(jìn)步與發(fā)展。（本文獨(dú)家首發(fā)鈦媒體，根據(jù)速感科技創(chuàng)始人、CEO陳震在鈦坦白上的分享整理）

陳震畢業(yè)于清華大學(xué)信息交叉學(xué)科（計(jì)算機(jī)方向）信息科學(xué)國(guó)家實(shí)驗(yàn)室，主攻機(jī)器人交互技術(shù)。是中關(guān)村雙創(chuàng)服務(wù)機(jī)器人產(chǎn)業(yè)聯(lián)盟（RFC）成員、2016中關(guān)村U30成員、北京市海淀區(qū)青年英才、“雛鷹計(jì)劃”成員、多所國(guó)際頂尖學(xué)術(shù)機(jī)構(gòu)訪(fǎng)問(wèn)學(xué)者。曾擔(dān)任國(guó)家重點(diǎn)科研項(xiàng)目負(fù)責(zé)人，獲全國(guó)大學(xué)生挑戰(zhàn)杯金獎(jiǎng)，參與多項(xiàng)機(jī)器人研究項(xiàng)目合作，個(gè)人擁有多項(xiàng)國(guó)家科技發(fā)明專(zhuān)利及學(xué)術(shù)論文。速感科技是一家以機(jī)器視覺(jué)為核心的人工智能創(chuàng)業(yè)公司，目前已完成三輪融資。