基于SLAM的机器人导航避障方案
在实现机器人智能导航中，SLAM发挥了重要作用，可帮助机器人实现地图构建与即时定位，但仅有SLAM是还不够的，还需要加入路径规划和运动控制。在SLAM技术帮助机器人确定自身定位和构建地图之后，进行一个叫做目标点导航的能力。通俗的说，就是规划一条从A点到B点的路径出来，然后让机器人移动过去。
运动规划是一个很大的概念，从机械臂的运动、飞行器的飞行，到扫地机的清扫，机器人的移动，其实这些都是属于运动规划的范畴。
SLAM+路径规划和运动控制=机器人智能导航
运动规划有全局路径规划和局部路径规划之分，全局路径规划是最上层的运动规划逻辑，它按照机器人预先记录的环境地图并结合机器人当前位姿以及任务目标点的位置，在地图上找到前往目标点最快捷的路径。
局部路径规划是指当环境出现变化或者上层规划的路径不利于机器人实际行走的时候（比如机器人在行走的过程中遇到障碍物），局部路径规划将做出微调。
与全局路径规划有所区别的是，局部路径规划可能并不知道机器人最终要去哪，但是对于机器人怎么绕开眼前的障碍物特别在行。
这两个层次的规划模块协同工作，机器人就可以很好的实现从A点到B点的智能移动了。不过实际工作环境下，上述配置还不够。因为运动规划的过程中还包含静态地图和动态地图两种情况。
A* 算法
A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。但是，A*算法同样也可用于动态路径规划当中，只是当环境发生变化时，需要重新规划路线。
D* 算法
D*算法则是一种动态启发式路径搜索算法，它事先对环境位置，让机器人在陌生环境中行动自如，在瞬息万变的环境中游刃有余。D*算法的最大优点是不需要预先探明地图，机器人可以和人一样，即使在未知环境中，也可以展开行动，随着机器人不断探索，路径也会时刻调整。
上述的几种算法都是目前绝大部分机器人所需要的路径规划算法，能够让机器人跟人一样智能，快速规划A到B点的最短路径，并在遇到障碍物的时候知道如何处理。对于一些复杂商用场景的服务机器人来说，它的路径规划算法也更为复杂，如何实现复杂商用场景的自主导航成为业内难题。
基于SLAM的机器人导航避障方案
作为机器人定位导航领域的领先企业，思岚科技在实现机器人自主导航上提供了两种解决方案，一种是基于SLAM算法提供机器人定位导航套件SLAM Cube，SLAM Cube采用模块化设计，提供可适用于多种室内外场景的商用机器人自主定位导航能力，且在此基础上集成电源控制管理，传感器信号采集管理、电机控制管理、自动/应急充电管理等一体化功能。通过适配多种类型传感器、电机、电池等，帮助客户用积木化的方式便捷搭建专属的机器人底盘系统，满足客制化需求。
另一种是直接提供通用机器人底盘产品。机器人企业只需在底盘的基础上完成上层开发即可，以思岚科技的Apollo为例，Apollo采用了多传感器融合技术，结合了激光雷达、深度摄像头、超声波、防跌落等多种传感器，激光雷达可帮助机器人时刻扫描周围环境，提供地图数据，构建高精度地图，并基于该地图数据实现自主路径规划及导航功能；遇到玻璃、镜面等高透材质障碍物时，超声波传感器能让Apollo做到及时识别、避让；深度摄像头则可侦测到位于雷达扫描平面上方的障碍物，并及时发送信号进行规避；而防跌落传感器可帮助Apollo轮式机器人底盘全方位侦察周围的工作环境，判断工作区域是否存在边界、台阶、坡度等情况，从而发送信号请求机器人移动底盘改变前进方便，避免跌落。
此外，Apollo还可进行虚拟墙&虚拟轨道设置，基于纯软件方式进行操作，无需额外辅助铺设，即可对Apollo进行活动范围及行走路线设置。同时支持自主返回充电、云端远程管理及提供外扩硬件支持等。不仅如此，轮式机器人底盘Apollo扩展接口还集成了网口，供电接口和各种控制接口以便用户快速进行开发扩展。可通过有线网络或WIFI与外部通信，其本身自带的电池可以为自身与外接的扩展模块供电，用户可以通过各种控制接口对整个Apollo及其上层扩展模块进行控制。
目前，基于底盘Apollo完成上层开发的服务机器人已被广泛应用于各大场景中，如碧桂园送餐机器人“蚕豆”、达闼医护助理机器人pepper、阿里巴巴巡检机器人 Diana等。基于思岚科技自研的高性能定位导航技术，可实现各类服务机器人在复杂场景的自主移动。
关键字：SLAM,SLAM导航,机器人导航避障
思岚科技官方微信
