工業(yè)無人駕駛-UWB地標(biāo)輔助SLAM

工業(yè)級無人駕駛迅速崛起

面臨當(dāng)前勞動力的日漸衰減，中國制造業(yè)需要通過自動化升級，來突破成本的限制。在礦山、港口這些垂類領(lǐng)域，無人駕駛逐步成為剛需。

工業(yè)級無人駕駛運行場景限于區(qū)域范圍內(nèi)部使用，受政策影響較小，同時工業(yè)級低速運行，也能確保其安全可靠性。在礦區(qū)、園區(qū)、港口、工廠等場景之中，自動駕駛可以直接幫助滿足特定場景的作業(yè)需求。

無人駕駛系統(tǒng)的核心可以概述為三個部分：感知（Perception），規(guī)劃（Planning）和控制（Control）

感知是指無人駕駛系統(tǒng)從環(huán)境中收集信息并從中提取相關(guān)知識的能力。其中，環(huán)境感知（Environmental Perception）特指對于環(huán)境的場景理解能力，例如障礙物的位置，道路標(biāo)志/標(biāo)記的檢測，行人車輛的檢測等數(shù)據(jù)的語義分類。一般來說，定位（Localization）也是感知的一部分，定位是無人車確定其相對于環(huán)境的位置的能力。

無人駕駛的核心技術(shù)是自主導(dǎo)航，自主導(dǎo)航的關(guān)鍵技術(shù)：SLAM

SLAM-自主導(dǎo)航的關(guān)鍵技術(shù)

行業(yè)中通常以所用的主要傳感器類型進行SLAM分類，如以視覺傳感器采集到圖像為數(shù)據(jù)源進行的SLAM稱為視覺SLAM（VSLAM）; 以激光雷達傳感器采集點云為數(shù)據(jù)源進行的SLAM稱為激光SLAM（LSLAM）；還有以毫米波雷達傳感器為主的SLAM則為毫米波雷達SLAM。

SLAM過程由若干步驟完成，其主要目的是利用環(huán)境來更新機器人的位置信息。大致過程包括地標(biāo)提取、數(shù)據(jù)關(guān)聯(lián)、狀態(tài)估計、狀態(tài)更新以及地標(biāo)更新等。

以一個機器人為例，其具備一個初始位置，當(dāng)向任意方向移動時，里程計會告訴它，距離初始位置移動的方向和距離，以此可以推測出它當(dāng)前的位置。與此同時，其自帶的camera，lidar等觀測類傳感器，基于當(dāng)前位置不斷對環(huán)境地標(biāo)進行觀測，通過已經(jīng)觀測過的地標(biāo)修正自己的位置。由于里程計和傳感器均存在誤差，因此SLAM需要解決的問題是求取位置和周圍地標(biāo)最優(yōu)解。

幾種SLAM典型難題場景：

（1）含有大量動態(tài)物體的場景：由于周邊物體的不斷運動，造成這些目標(biāo)上的點云也在前后幀發(fā)生了位姿變換，使得配準(zhǔn)結(jié)果不準(zhǔn)確。

（2）坡度或高度連續(xù)變化的場景：對于機械式激光雷達來說，其垂直分辨率有限，因此常造成激光雷達估計出的Z值不是很準(zhǔn)確，當(dāng)遇到高度或坡度連續(xù)變化的場景，Z誤差的累積會造成定位和建圖結(jié)果出現(xiàn)錯誤。

（3）無GPS的弱紋理場景：隧道為典型的無GPS弱紋理場景，弱紋理的意思是結(jié)構(gòu)紋理沒有明顯變化，比如當(dāng)身處隧道中時，是沒辦法通過周圍特征識別出自己到底處于哪個位置。

基于UWB地理坐標(biāo)參考點輔助SLAM

在無人駕駛車輛活動區(qū)域，部署若干UWB地理坐標(biāo)參考點，當(dāng)車輛行駛到附近（5-10米），可以基于無人駕駛車輛車上的AOA 錨點（TOF精準(zhǔn)測距+AOA精準(zhǔn)測角），解算自身精準(zhǔn)坐標(biāo)，實現(xiàn)SLAM算法中IMU里程或視頻里程修正。

UWB坐標(biāo)參考點可以很小（可參考類似Air TAg大小）、功耗很低支持電池供電，部署安裝十分方便；AGV的UWB AOA錨點體積也很小、功耗低；

Ranging accuracy : +/-9[cm]

PDoA：accuracy : +/ 5 [ deg

AoA：accuracy : +/ 2.5[ deg

10.5 x 8.3 x 1.44(max) mm

-40 to 85 deg.C

相比二維碼地標(biāo)，UWB坐標(biāo)參考點有很多優(yōu)勢：二維碼要依賴視頻發(fā)現(xiàn)和識別，利用像素估算距離，受環(huán)境照度的影響大，精度不高；UWB AOA坐標(biāo)參考點可以用于任意環(huán)境，定位精度高，同時可以基于多參考點同時定位，提高定位的準(zhǔn)確性；