多传感器融合技术的应用方案

“INDEMIND：随着机器人的应用领域不断拓展，对机器人的环境感知能力的要求也在不断提升，而要解决环境感知问题，传感器技术则是最重要的应用支撑技术之一，它对于机器人的意义亦如人眼对于人，但与人眼不同的是，它的构成主要由传感器和算法组成，并伴随着机器人发展，已从单传感器向多传感器融合迭代。”

由于机器人不断渗透到各行各业，面对的外部环境越来越复杂，对机器人的精度、稳定性、智能化提出了新的要求，而单传感器或采用多个(种)传感器却仅是从多个侧面孤立地获取目标信息的方式，前者不仅效率较低下，且获取的信息量有限，而后者不断增加传感器的做法，更会增加系统的复杂度，对平台算力要求提高，且割断了各传感器信息间的内在联系，丢失了信息经有机组合后可能蕴含的深层有效信息，造成信息资源浪费，甚至可能导致决策失误。

在多重因素影响下，发展多传感器融合技术便表现出了它的必然性。事实上，多传感器融合技术从字面上可知并非另辟蹊径，而是在采用多个(种)传感器的基础上，进一步开拓和完善而来，原理是借助算法对感知相关要素信息的冗余或互补信息进行分析、建模、解算、融合、估计和补偿，最终输出更为准确、丰富、可靠的信息。

多传感器融合技术的应用，对于系统的容错能力、信息精度、信息的可信度&丰富度都有了明显提升，这对于机器人的意义无比重要。目前，市面上多传感器融合技术多是以激光雷达为主导的技术方案，并根据架构组成，又主要分为两种。

一种是以单线激光雷达主导+IMU+里程计或其它传感器的融合方案，采用松/紧耦合方式，有着简单、成熟的技术优势，是市面上较为常见的融合技术方案，然而这类方案的缺点在于，一是环境适应能力较差，对于环境特征单一的长走廊等场景，误差较高，容易偏离路径，二是重定位能力差，运行过程中一旦丢失位置，难以重新定位。

另一种是以多线激光雷达为主导的融合方案，与其它传感器采用松/紧耦合方式组合，得益于多线激光雷达，可获取到环境物体的三维信息，使得这类方案的环境感知能力得到显著提升，且在功能表现上，同样有着激光雷达精度高和稳定性高的特点，然而需要提到的是，多线激光雷达在保留了传统优势的同时，也有着激光雷达类似的局限性，且一旦出现故障，会导致整个系统宕机，目前这类方案主要应用于大多数商用机器人，不过其高昂的成本也让大多数企业难以承受。

因此，在此背景下，行业一方面在进一步完善激光雷达方案的同时，另一方面也在探索视觉方案。目前，以视觉为主导的融合技术方案，在市面上虽然还相对较少，但随着计算机视觉技术多年来的发展，已经有了成熟方案，INDEMIND的多传感器融合技术便是其中之一。

与激光雷达方案不同，INDEMIND多传感器融合技术在实现上，设计了以视觉传感器为主导的标准化、模块化的多传感器融合架构，通过遵循INDEMIND的标准定义接口，可快速加入IMU、里程计、激光、GNSS等多种传感器，实现“积木式”加装，结合双目立体视觉技术，能够实现高精度、高稳定性、低成本的3D环境感知，走出了不同于激光雷达方案的All IN ONE新路径。

众多周知，信息量丰富是视觉的优势，但也导致对算力要求的大幅提升。由于需要处理的环境信息量巨大，对于平台的算力要求极高，同时视觉受环境光线影响严重，如何解决这些难题，是走通视觉方案的关键。

因此，INDEMIND在研发过程中，对它们进行了长期针对性解决。

• 降低算力要求

算法&硬件优化：采用增量优化的方式，分段处理，并在区段间建立先验信息，有效降低了平台计算压力，提高计算效率。

硬件加速：在硬件上，对于视觉处理采用neon加速、GPU加速、DSP加速等方式，提升计算性能，降低算力要求。

• 提高性能

传感器更丰富：基于INDEMIND多传感器融合架构，可融合超过4种以上的传感器，通过紧耦合方式组合，对于环境的容忍度更高，能够保障在部分传感器出现异常的同时，系统仍能保持正常运行，提高鲁棒性。

误差补偿：为了提升精度，INDEMIND对系统中的视觉、IMU、里程计等每个传感器都进行了实时误差建模、估计及补偿，能够有效保障在实时运行过程中的精度和稳定性。

野值判定与剔除：由于传感器较多，视觉、激光、里程计、IMU等不同传感器产生的噪点，对于系统的稳定性和精度影响较大，因此，INDEMIND对于各个传感器的数据，进行了野值判定及剔除，进一步增进系统对于原始传感器数据的容错能力，提升最终的稳定性和精度。

与此同时，基于INDEMIND立体视觉技术，可获取丰富的3D环境信息，配合上层决策，对于实现智能避障、路径规划、人机交互提供了必要的前提条件。

目前，经过长期验证，搭载INDEMIND多传感器融合技术的测试机器人，定位精度可达厘米级，<5cm(RMS)，达到激光融合方案的同等精度水平。在智能避障方面，能够实现三维立体避障，精度<1%，结合INDEMIND智能决策引擎技术，可实现策略化避障，提升安全决策水平。同时，在交互方面，基于智能决策引擎技术，能够根据指令实现目标跟踪、指定区域作业等多种个性化功能，提升机器人人机、物机交互能力。

审核编辑：汤梓红