“INDEMIND：隨著機器人的應(yīng)用領(lǐng)域不斷拓展，對機器人的環(huán)境感知能力的要求也在不斷提升，而要解決環(huán)境感知問題，傳感器技術(shù)則是最重要的應(yīng)用支撐技術(shù)之一，它對于機器人的意義亦如人眼對于人，但與人眼不同的是，它的構(gòu)成主要由傳感器和算法組成，并伴隨著機器人發(fā)展，已從單傳感器向多傳感器融合迭代。”

由于機器人不斷滲透到各行各業(yè)，面對的外部環(huán)境越來越復雜，對機器人的精度、穩(wěn)定性、智能化提出了新的要求，而單傳感器或采用多個(種)傳感器卻僅是從多個側(cè)面孤立地獲取目標信息的方式，前者不僅效率較低下，且獲取的信息量有限，而后者不斷增加傳感器的做法，更會增加系統(tǒng)的復雜度，對平臺算力要求提高，且割斷了各傳感器信息間的內(nèi)在聯(lián)系，丟失了信息經(jīng)有機組合后可能蘊含的深層有效信息，造成信息資源浪費，甚至可能導致決策失誤。

在多重因素影響下，發(fā)展多傳感器融合技術(shù)便表現(xiàn)出了它的必然性。事實上，多傳感器融合技術(shù)從字面上可知并非另辟蹊徑，而是在采用多個(種)傳感器的基礎(chǔ)上，進一步開拓和完善而來，原理是借助算法對感知相關(guān)要素信息的冗余或互補信息進行分析、建模、解算、融合、估計和補償，最終輸出更為準確、豐富、可靠的信息。

多傳感器融合技術(shù)的應(yīng)用，對于系統(tǒng)的容錯能力、信息精度、信息的可信度&豐富度都有了明顯提升，這對于機器人的意義無比重要。目前，市面上多傳感器融合技術(shù)多是以激光雷達為主導的技術(shù)方案，并根據(jù)架構(gòu)組成，又主要分為兩種。

一種是以單線激光雷達主導+IMU+里程計或其它傳感器的融合方案，采用松/緊耦合方式，有著簡單、成熟的技術(shù)優(yōu)勢，是市面上較為常見的融合技術(shù)方案，然而這類方案的缺點在于，一是環(huán)境適應(yīng)能力較差，對于環(huán)境特征單一的長走廊等場景，誤差較高，容易偏離路徑，二是重定位能力差，運行過程中一旦丟失位置，難以重新定位。

另一種是以多線激光雷達為主導的融合方案，與其它傳感器采用松/緊耦合方式組合，得益于多線激光雷達，可獲取到環(huán)境物體的三維信息，使得這類方案的環(huán)境感知能力得到顯著提升，且在功能表現(xiàn)上，同樣有著激光雷達精度高和穩(wěn)定性高的特點，然而需要提到的是，多線激光雷達在保留了傳統(tǒng)優(yōu)勢的同時，也有著激光雷達類似的局限性，且一旦出現(xiàn)故障，會導致整個系統(tǒng)宕機，目前這類方案主要應(yīng)用于大多數(shù)商用機器人，不過其高昂的成本也讓大多數(shù)企業(yè)難以承受。

因此，在此背景下，行業(yè)一方面在進一步完善激光雷達方案的同時，另一方面也在探索視覺方案。目前，以視覺為主導的融合技術(shù)方案，在市面上雖然還相對較少，但隨著計算機視覺技術(shù)多年來的發(fā)展，已經(jīng)有了成熟方案，INDEMIND的多傳感器融合技術(shù)便是其中之一。

與激光雷達方案不同，INDEMIND多傳感器融合技術(shù)在實現(xiàn)上，設(shè)計了以視覺傳感器為主導的標準化、模塊化的多傳感器融合架構(gòu)，通過遵循INDEMIND的標準定義接口，可快速加入IMU、里程計、激光、GNSS等多種傳感器，實現(xiàn)“積木式”加裝，結(jié)合雙目立體視覺技術(shù)，能夠?qū)崿F(xiàn)高精度、高穩(wěn)定性、低成本的3D環(huán)境感知，走出了不同于激光雷達方案的All IN ONE新路徑。

眾多周知，信息量豐富是視覺的優(yōu)勢，但也導致對算力要求的大幅提升。由于需要處理的環(huán)境信息量巨大，對于平臺的算力要求極高，同時視覺受環(huán)境光線影響嚴重，如何解決這些難題，是走通視覺方案的關(guān)鍵。

因此，INDEMIND在研發(fā)過程中，對它們進行了長期針對性解決。

? 降低算力要求

算法&硬件優(yōu)化：采用增量優(yōu)化的方式，分段處理，并在區(qū)段間建立先驗信息，有效降低了平臺計算壓力，提高計算效率。

硬件加速：在硬件上，對于視覺處理采用neon加速、GPU加速、DSP加速等方式，提升計算性能，降低算力要求。

? 提高性能

傳感器更豐富：基于INDEMIND多傳感器融合架構(gòu)，可融合超過4種以上的傳感器，通過緊耦合方式組合，對于環(huán)境的容忍度更高，能夠保障在部分傳感器出現(xiàn)異常的同時，系統(tǒng)仍能保持正常運行，提高魯棒性。

誤差補償：為了提升精度，INDEMIND對系統(tǒng)中的視覺、IMU、里程計等每個傳感器都進行了實時誤差建模、估計及補償，能夠有效保障在實時運行過程中的精度和穩(wěn)定性。

野值判定與剔除：由于傳感器較多，視覺、激光、里程計、IMU等不同傳感器產(chǎn)生的噪點，對于系統(tǒng)的穩(wěn)定性和精度影響較大，因此，INDEMIND對于各個傳感器的數(shù)據(jù)，進行了野值判定及剔除，進一步增進系統(tǒng)對于原始傳感器數(shù)據(jù)的容錯能力，提升最終的穩(wěn)定性和精度。

與此同時，基于INDEMIND立體視覺技術(shù)，可獲取豐富的3D環(huán)境信息，配合上層決策，對于實現(xiàn)智能避障、路徑規(guī)劃、人機交互提供了必要的前提條件。

目前，經(jīng)過長期驗證，搭載INDEMIND多傳感器融合技術(shù)的測試機器人，定位精度可達厘米級，<5cm(RMS)，達到激光融合方案的同等精度水平。在智能避障方面，能夠?qū)崿F(xiàn)三維立體避障，精度<1%，結(jié)合INDEMIND智能決策引擎技術(shù)，可實現(xiàn)策略化避障，提升安全決策水平。同時，在交互方面，基于智能決策引擎技術(shù)，能夠根據(jù)指令實現(xiàn)目標跟蹤、指定區(qū)域作業(yè)等多種個性化功能，提升機器人人機、物機交互能力。

審核編輯：湯梓紅