1.1 機器人感知技術概述

在日常生活中，我們作為自然人每時每刻都在對環境進行著感知，只有在對環境有著充分認知的基礎上，人才能做出各種行為。同樣，機器人環境感知對機器人產生自主性、智能性、社會性具有重要意義。機器人經常需要面對日益復雜的、多變的、多樣化的自然場景環境，需要進行多目標、多內涵感知，單一傳感器難以完整描述環境，因此，機器人一般需要具有多種傳感器。此外，在連續運動過程中，機器人需要同時進行多個任務處理和信息融合，這不僅要求機器人能獲取豐富的環境感知信息，同時也對算法實時性、任務調度、多傳感器融合等方面提出了新的挑戰。首先，機器人利用傳感器獲取與環境和感知對象相關的底層數據信息。傳感器獲取的底層數據信息通常為一維、二維或高維距離信息或者其他量化數據信息，一般并不直接用于指導機器人底層運動規劃及控制，特別是不能直接用于機器人高層認知任務或任務級規劃，而是需要進一步分析、處理、提煉有用信息。然后，機器人對傳感器信息進行濾波、變換、分析、提取特征等處理，進而從相關信息中提煉出語義信息、結構信息、任務對象等，才能執行下一步具體任務。在此過程中，機器人不僅需要對距離、尺寸、輪廓、結構等幾何信息以及物理量等進行定量感知，而且需要對語義信息、描述信息、動作序列等進行定性感知。最后，在獲得綜合環境信息后，機器人系統進一步進行分析并完成相關任務。機器人環境感知所涉及的范圍十分廣泛，本書以視覺感知為主，同時兼顧其他感知。

機器人運行時，需要多種傳感器實時、可靠、有效地捕獲外界環境和自身工作狀態信息，以便準確開展后續行動。我國發射的祝融號火星車可以看作是一種搭載多種傳感器的典型機器人（見圖1-1）。智能機器人裝備的傳感器種類繁多，目前比較成熟的機器人傳感器類型包括機器人視覺、力覺、觸覺、接近覺、姿態覺、位置覺傳感器等。如圖1-2所示，機器人常用的內部傳感器有位置傳感器、速度/加速度傳感器、扭矩傳感器、平衡覺傳感器等；常用的外部傳感器分為接觸式傳感器和非接觸式傳感器，接觸式傳感器有觸覺傳感器、滑覺傳感器、壓覺傳感器等，非接觸式傳感器有視覺傳感器、聽覺傳感器、嗅覺傳感器等。這些傳感器可能直接安裝于機器人本體上，也可能部署在機器人所處智能空間中，與機器人具體應用相關，作為機器人感知基礎的傳感技術，充分利用光敏、熱敏、力敏、電壓敏、磁敏、氣敏、溫敏、聲敏、射線敏、離子敏、生物敏等傳感特性，以及各種傳感器、變送器、二次儀表等多種類型傳感裝置，結合新材料、新工藝實現微型化、集成化；利用新原理、新方法獲取極端環境中各種信息，輔以先進的信息處理技術提高傳感器的各項技術指標，以適應極端環境機器人的應用需求。微型化、集成化、多功能化、智能化、系統化、網絡化、低功耗、無線、便攜式等將成為新型智能機器人感知部件的顯著特點。

圖1-1 搭載多種傳感器的祝融號火星車[1]

圖1-2 機器人感知傳感器分類[2]

利用機器人感知技術中的立體視覺技術、三維激光掃描技術和3D成像技術可獲取與環境有關的豐富度量和語義感知，所以它們受到廣泛關注和深入研究。立體視覺技術模擬人的視覺系統直接獲取環境信息，該方法由兩個單目相機觀察同一場景來得到圖像對，通過稠密匹配或者稀疏匹配，獲得對應像素點，再利用視差原理恢復三維信息。該方法具有精度高、獲取信息直觀、符合人的直覺等優點，但在某些非結構化環境下存在特征信息難以提取、匹配難度大、計算量大、光線變化適應性差等問題。三維激光掃描技術利用規則移動的激光射線（由三維激光掃描儀生成）來獲取所測環境點到傳感器的距離信息，進而恢復環境的三維信息。該方法具有環境適應性較強、測量精度高、受光線和環境影響小等優點，但在數據獲取實時性、數據處理效率、能量消耗、體積方面存在不足。3D成像技術利用基于TOF（Time of Flight，飛行時間）原理的攝像機獲得空間的彩色圖像實時信息及每個對應像素的深度信息。該攝像機通常由近紅外發光陣列發射調制光源，調制光到達場景后的反射光被攝像機捕獲，相機算法分析出發射光與反射光之間的相位差，進而可得到空間點彩色圖像的深度信息。近年來，3D成像技術在機器人領域得到廣泛應用。典型產品包括微軟Kinect攝像機、Swiss Ranger、Asus Xtion等，此類TOF攝像機有時也被稱為3D攝像機。該方法具有實時性好、測量精度適中、體積小、重量輕、能耗小等的優點；其缺點也較為明顯，如攝像機圖像分辨率較低、視野誤差分布不均勻等。

通過傳感器得到與環境相關的基礎數據只是第一步，機器人要根據這些數據形成對環境從局部到整體、從單一模態到多模態的全面認知。機器人的環境感知研究從早期對單一實例物體分割識別逐漸過渡到對多類、多實例物體的快速識別和場景的全局理解。在這一過程中特征提取技術與機器學習方法的發展起到了至關重要的作用，其中支持向量機、集成分類器、深度神經網絡等人工智能技術廣泛應用于該領域。下面從信息所在的系統層次角度梳理當前感知技術的脈絡。