19926672825
激光AMR所采用的技術(shù)如激光SLAM、AMCL定位、局部路徑規(guī)劃(勢場法、動態(tài)窗口法等)、全局路徑規(guī)劃(A*及其變種)多為傳統(tǒng)機器人技術(shù),在2010年之前就已經(jīng)得到廣泛應(yīng)用。雖然在限定場景下取得了一定的成績,但由于技術(shù)本身的局限性無法在更為復(fù)雜的環(huán)境中大規(guī)模部署。
近十年來基于深度學(xué)習(xí)的計算機視覺技術(shù)包括目標(biāo)檢測、語義分割、目標(biāo)跟蹤、物體識別等獲得了突飛猛進(jìn)的發(fā)展。這些任務(wù)被統(tǒng)一建模為深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)任務(wù),通過對大量樣本的學(xué)習(xí)獲得了一系列重大突破,比如,在圖像分類的權(quán)威數(shù)據(jù)集ImageNet上,基于深度學(xué)習(xí)的ResNet和DenseNet等一系列深度卷積神經(jīng)網(wǎng)絡(luò)的分類準(zhǔn)確率已經(jīng)超越了人類識別準(zhǔn)確率。這些技術(shù)進(jìn)步能夠為AMR賦予語義級別的視覺感知能力,實現(xiàn)對視野內(nèi)的環(huán)境做像素級別的語義解析,為自主決策打下感知基礎(chǔ)。而對基于深度學(xué)習(xí)的計算機視黨技術(shù)的應(yīng)用與否也造就了激光AMR與視覺AMR的能力差異。
在建圖與定位方面、激光AMR通過激光SLAM技術(shù)構(gòu)建場景的輪廓地圖,定位主要過激光雷達(dá)掃描到的數(shù)據(jù)與地圖做形狀匹配得到,由于單純依靠激光數(shù)據(jù)難以區(qū)分固定物體與運動物體,在動態(tài)場景(比如貨物來回搬運的倉庫,人員、叉車來回穿梭的工廠等)中容易形成錯誤匹配導(dǎo)致定位失敗。視覺AMR可以在建圖過程中利用檢測、分割等計算機視覺技術(shù)提取場景的語義信息,區(qū)分哪些是固定不變的物體,那些是容易變動的物體,并將這些語義信息嵌入到地圖中去。在定位過程中利用自動I解析的固定物體進(jìn)行定位,從而提高定位的精度和針對動態(tài)場景的魯棒性。在避障方面,激光AMR并不區(qū)分障礙物種類,針對不同類型的障礙物如行人、車輛、托盤等無法根據(jù)其特點采取有效的避障策略。視覺AMR利用目標(biāo)檢測、目標(biāo)跟蹤與軌跡預(yù)測技術(shù)能夠區(qū)分障礙物類型,持續(xù)跟蹤障礙物,并進(jìn)一步預(yù)測其運動軌跡。
上一條:什么叫AMR
下一條:激光雷達(dá)技術(shù)國產(chǎn)化顯著提升 |
返回列表 |