无论是最近大热的自动驾驶还是移动机器人，都离不开定位和导航技术，在6月13日举办的“OFweek2019（第九届）机器人产业大会”上，上海交通大学／机器人研究所常务副所长曹其新教授和来自中国科学院深圳先进技术研究院的欧勇盛教授都不约而同的提到了机器人的导航技术研究最新成果，后者侧重关注了“低成本的导航技术研究”。

机器人在解决产业升级、社会老龄化、健康服务、国防安全、资源开发等方面具有不可替代的作用，尤其是服务机器人时代的到来，机器人在养老服务、公众服务等领域应用快速增长并逐渐走入普通人的生活。

导航是机器人的关键技术

机器人最大的特点是自主性，除了操作，自主性更体现在自主移动上，导航技术被应用在自主巡航、自动充电、智能清扫、智能导购等。

机器人的导航需要解决的有三大问题：首先是在哪儿，需要机器人自主定位；其次是在机器人地图上，目标在哪里；最后是如何去去，即如何绕开障碍物。

现如今，由于众多刚性需求，智能机器人的使用越加普遍，其中机器人的导航成为了亟待解决的关键性技术，能适应室内环境、高精度、抗干扰性强、障碍探测、低成本的导航才是大众所需，但是GPS、3D激光雷达导航的高成本成为障碍，尤其是在室外，GPS虽然能够在一定程度上解决导航中的定位问题。但是，在室内以及需要高精度定位的场合，传统GPS通常需要采用其他的传感器来实现导航。产业化面临的成本与性价比问题对于导航技术实现有着深远的影响，基于视觉的SLAM、基于低成本激光SLAM的低成本的室内导航技术或许成为未来趋势。

视觉SLAM视觉的前沿

从2010年至今，SLAM的前沿技术主要有

单目摄像头：

SVO： ［Forster14］（半直接视觉里程计）

ORB－SLAM： ［Mur－Artal15］． （orb特征 bagofwords回环）

DSO： ［Jakob Engel 16］．（一种稀疏＼直接法）

LSD－SLAM： ［Engel14］（直接法，面向大场景）

深度摄像头：

Kinect Fusion： ［Newcombe11］（微软三维重建）

RGBD－SLAM－V2： ［Endres14］．

DTAM（实时、稠密地图创建）

这是目前SLAM比较流行且使用较广的方法，其运算量非常大，精度较高，速度快，但是要求特征点较多才，否则没办法获取精准信息，而且容易丢失数据。

目前基于视觉传感器进行导航，我们仍然在继续研究，针对视觉算法对光的依赖程度高，在阴天、黑夜等情况下无法进行工作等问题，采用训练GAN神经网络，用该网络将阴天、黑夜等情况下的图像重建正常光照下的图像，在进行提取信息。

同时，在全天候的复杂场景视觉SLAM框架中，计划采用基于VIO紧耦合优化的方法，融合激光都能多种传感器测量，实现位置与姿态估计，使用DBoW2作为回环检测算法，结合视觉语义，构建多信息融合的语义。针对一些多人负责场景的应用，将机会感知等模型引入用于多种不可靠传感器的信息融合，实现高精度高可靠的场景感知与定位。

低成本导航发展趋势

由于摄像头等传感器成本低，获取信息量大，基于视觉传感器进行导航，是目前重要的研究方向。

一、少量布置路标

通过充电站、导航盒等，向屋顶投射标记，机器人检测标记实现绝对定位，时常用的方案，但是路标越来越少是总体趋势。

二、应对干扰人群的方案

基于天花板图像的SLAM，可实现人群干扰较少，成本低，可实时，且实现绝对定位来应对绑架问题及机场等大场景。是一种目前较为实用的辅助导航方式。

三、超宽带定位

在工厂定位系统中，人员或物品上所佩戴的定位标签利用UWB脉冲信号发射出位置数据，定位基站接收，计算出定位标签信号到达不同定位基站的时间差，然后处理软件对位置进行解算，最终得到被定为物体的位置。该种方案在空旷的室内有绝对优势，但是精度不高。

四、基于室内光通信的方案

特殊的LED灯可以发射经过调制的可见光信号，机器人或手机读取该光信号，实现定位。

五、更高度集成的专业传感器

算法集成到芯片，直接输出感兴趣的特征信息，可实现速度更快、更加稳定。

System on chip是降低成本的有效方式，未来，或许一个芯片搞定导航所有问题。