疫情中的服务机器人技术 —— 自主定位导航

新发地来势汹汹的疫情，再次牵动着全国人民的心，我们要保持信心，保持警惕，打赢这场防疫战！而机器人的加入，必然是锦上添花。在隔离区，机器人实现了无接触配送，保障了隔离区内人员的生活。在医院感染区，移动机器人可以代替医护人员进入感染区执行消毒，看护，体温测量，清洁等工作，减少了医护人员的感染风险。在居民社区，机器人实现了防疫宣传、外来人口登记，保障了疫情期间人们的正常生活……

搭载了思岚方案的配送、消毒、巡检机器人

这些功能的实现，都离不开机器人的智能移动能力。在之前的文章中，我们提到过底盘对移动机器人的意义，能够帮助厂家快速集成，实现落地应用。

今天，我们不聊底盘，我们来说说导航技术，因为导航搞不好，移动也白搭，底盘就失去了价值，没有任何实用性。

大家都知道，自主定位导航包含了定位、建图与路径规划。说到定位导航，必然会联想到SLAM，但SLAM只是完成定位与地图创建这两件事，它并不完全等同于自主定位导航。

定位

不管你有没有地图，在前往目的地前，你肯定要知道自己的定位，机器人也是如此。只不过，我们定位靠眼睛，机器人则靠“激光雷达”。

▲激光雷达扫描轮廓数据

这就是激光雷达获取的周围环境信息，也就是我们所说的点云，它能反映机器人所在环境中“眼睛”能看到的一个部分。

建图

我们身处陌生的环境时，导航软件和户外地图成为我们找路最有利的工具，服务机器人和人类一样也需要依靠地图来感知外部的环境，通过算法与传感器差异的不同机器人会采取不同的地图描述形式。

SLAM建图主要有三个过程：

（1）预处理：对雷达形成的点云原始数据进行优化，剔除一些有问题的数据，或者进行滤波。

（2）匹配：把当前这一局部环境的点云数据在已经建立的地图上寻找对应的位置，进行匹配。

（3）地图融合：将来自激光雷达的新一轮数据拼接到原始地图当中，最终完成地图的更新。

▲地图预处理、匹配和融合的过程

目前，栅格地图是机器人使用最广泛的地图存储方式。