amr需要打预判吗？拿什么拯救你的认路技巧

这周在KUKA AMR办公室里发生了一件有意思的事情。

不过，话说回来，AMR是如何做到精准定位及准确到达目的地的呢？

别急，我们这就告诉你。AMR机器人能识别位姿并精准到达目的地主要是依赖于我们经常提到的SLAM导航技术。

什么是SLAM技术？

S.L.A.M.全称为Simultaneous Localization and Mapping，是解决机器人在未知环境运动时的定位与地图构建的技术领域，直接翻译来讲是“实时定位与地图构建”技术，简单来说就是让机器人通过传感器来获取环境信息，在哪里，去哪里，怎么去，这里有什么，那里是什么，随后系统将根据环境信息来获取自身方位及路径规划。

有点难理解？没关系，我们举个例子。

现在我们假设你出差来到一个陌生的城市，为了迅速地熟悉环境并完成自己入住酒店的任务，这时你应该依次完成以下事情：

特征提取

用眼睛观察周围环境等，并记住他们的特征

地图构建

在自己大脑中，根据眼睛获取的信息，把环境特征用二维或三维地图形式构建起来

bundle adjustment or EKF

当自己在行走时，不断获取新的特征地标，并且校正自己头脑中的地图模型

trajectory

根据自己前一段时间行走获得的特征地标，确定自己的位置

loop-closure detection

当无意中走了很长一段路的时候，和脑海中的以往地标进行匹配，看一看是否走回了原路

以上五步是同时进行的，因此是Simultaneous Localization and Mapping。

作为自主移动机器人不可或缺的重要技术，SLAM技术正在受到越来越多关注。

目前，SLAM技术被广泛运用于机器人、无人机、无人驾驶、AR、VR等领域，依靠传感器可实现机器的自主定位、地图构建、路径规划、自主导航等功能。

激光SLAM or 视觉SLAM？

目前用在SLAM上的传感器主要分为两类，一种是基于激光雷达的激光SLAM(Lidar SLAM)和基于视觉的VSLAM(Visual SLAM)。

视觉SLAM如眼睛一样是获取外界信息的主要来源，它可以从环境中获取海量的、富于冗余的纹理信息，这是视觉SLAM的优点。

由于相机具有体积小、能耗低、成本低的优势，而常被作为机器人的“眼睛”，这就是视觉SLAM的基础。机器人自身通过相机获取的图像信息作为基础，刻画出周围环境，再传输给“大脑”，最后系统进行判断，完成机器人的定位。

听着简单，然而这项技术信息处理难度大、复杂度高，并且极易容易受到光照条件的影响，有时候就会显得心有余而力不足。

所以激光SLAM来帮忙了

激光SLAM采用2D或3D激光雷达（也叫单线或多线激光雷达），2D激光雷达一般用于室内机器人上（如扫地机器人），而3D激光雷达一般使用于无人驾驶、机器人、AMR/AGV等领域。激光雷达的出现和普及使得测量更快更准，信息更丰富。

激光雷达测距比较准确，误差模型简单，特殊环境以外运行稳定，点云处理也比较容易，能够充分适应动态变化环境，真正做到“你说东，它不往西”。激光SLAM理论研究也相对成熟，落地产品更丰富。

通过对比发现，激光SLAM和视觉SLAM各有所长，单独使用都有其局限性，而融合使用则具有取长补短的作用。例如，视觉在纹理丰富的动态环境中稳定工作，并能为激光SLAM提供非常准确的点云匹配，而激光雷达提供的精确方向和距离信息在正确匹配的点云上会发挥更大的威力。而在光照严重不足或纹理缺失的环境中，激光SLAM的定位工作使得视觉可以借助不多的信息进行场景记录。

这就是为什么我们KUKA AMR中多款产品都使用了融合导航的方式，以实现AMR在实际工作环境中精准找到自己的位置，看清周围环境，计算出最优路线，最终准确到达目的地，完成工作任务。

未来应用

SLAM技术目前已经在多个领域都取得了不错的落地效果与成绩，包括室内的移动机器人，AR/VR、无人机、无人驾驶等等。

在未来，随着传感器精度的不断提升，成本逐步降低，鲁棒性增强，都将为更多行业领域带来革命性的变化。而随着SLAM技术的火热，也将有越来越多的这方面人才涌进移动机器人领域，注入更多新鲜血液，带来新的技术方向与研究领域。

作为深耕工业领域120多年的行业专家，库卡早已关注到SLAM技术未来的发展前景，早在2008年就已开始布局，至今不断深入研究，推出了更加完美先进的激光SLAM技术。今年又推出了新一代AMR产品KMP 1500i和AMR 产品，不需要辅助就能实现定位精度高达±10mm。

随着工业机器人的应用领域不断拓展，SLAM技术将会更多的应用到场景中，你能想到未来SLAM技术将会进入哪些领域大显身呢？欢迎在后台和我们留言~