中科院深圳先進(jìn)技術(shù)研究院王魯佳教授：機(jī)器人學(xué)視角下的自動(dòng)駕駛與自動(dòng)物流 | CCF-GAIR 2018

雷鋒網(wǎng)按：2018 全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR）在深圳召開，峰會(huì)由中國計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，得到了寶安區(qū)政府的大力指導(dǎo)，是國內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級(jí)交流盛會(huì)，旨在打造國內(nèi)人工智能領(lǐng)域最具實(shí)力的跨界交流合作平臺(tái)。

雷鋒網(wǎng)CCF-GAIR 2018 延續(xù)前兩屆的“頂尖”陣容，提供 1 個(gè)主會(huì)場和 11 個(gè)專場（仿生機(jī)器人專場，機(jī)器人行業(yè)應(yīng)用專場，計(jì)算機(jī)視覺專場，智能安全專場，金融科技專場，智能駕駛專場，NLP 專場，AI+ 專場，AI 芯片專場，IoT 專場，投資人專場）的豐富平臺(tái)，意欲給三界參會(huì)者從產(chǎn)學(xué)研多個(gè)維度，呈現(xiàn)出更富前瞻性與落地性相結(jié)合的會(huì)議內(nèi)容與現(xiàn)場體驗(yàn)。

大會(huì)第二天的計(jì)算機(jī)視覺專場，中科院深圳先進(jìn)技術(shù)研究院副研究員王魯佳教授作為下午場的最后一位演講嘉賓，發(fā)表了題為“從自動(dòng)駕駛到自動(dòng)物流的機(jī)器人學(xué)視角”的精彩演講。

演講中，王魯佳教授從機(jī)器人的角度切入，向大家介紹了自動(dòng)駕駛、自動(dòng)物流的最新進(jìn)展與關(guān)鍵技術(shù)，并對(duì)這一領(lǐng)域的發(fā)展做了總結(jié)與展望。

她總結(jié)道：一、目前低速無人駕駛正在由單一傳感器朝多傳感器融合轉(zhuǎn)型；二、云計(jì)算與邊緣計(jì)算結(jié)合可以降低無人駕駛系統(tǒng)的成本；三、機(jī)器人技術(shù)要與時(shí)俱進(jìn)，從應(yīng)用端、落地端提煉產(chǎn)業(yè)需求，為算法界和學(xué)術(shù)界引入有價(jià)值的研究課題。

以下是王魯佳教授的全部演講內(nèi)容，雷鋒網(wǎng)做了不改變?cè)獾恼砼c編輯：

大家好，這個(gè)專場的主題是計(jì)算機(jī)視覺。從早上到現(xiàn)在，我們聽了很多學(xué)術(shù)界泰斗和工業(yè)界大咖介紹的計(jì)算機(jī)視覺領(lǐng)域的最前沿進(jìn)展和成果。

計(jì)算機(jī)視覺最終的載體是機(jī)器，其中最主要的載體就是機(jī)器人，所以接下來我會(huì)從機(jī)器人的角度，和大家聊聊自動(dòng)駕駛和自動(dòng)物流的發(fā)展。

首先做個(gè)自我介紹，我的研究領(lǐng)域包括機(jī)器人感知，數(shù)據(jù)處理、理解、計(jì)算與優(yōu)化。我將從L3到L4無人駕駛移動(dòng)機(jī)器人的關(guān)鍵技術(shù)切入今天的演講。

移動(dòng)機(jī)器人的無人駕駛涉及幾個(gè)方面：

首先是環(huán)境感知，包括硬件、軟件兩方面。硬件方面主要包括傳感器的校準(zhǔn)和標(biāo)定，軟件方面指傳感器數(shù)據(jù)的處理算法，具體包括圖像特征和關(guān)鍵物體的識(shí)別、分類，以及點(diǎn)云數(shù)據(jù)的分解、感知與檢測。

其次是環(huán)境的描述和理解，包括機(jī)器人視角的建圖和定位。

最后是控制與決策。在對(duì)環(huán)境有一定的感知和理解后，機(jī)器人需要對(duì)“從哪兒來”、“到哪兒去”進(jìn)行規(guī)劃，并控制機(jī)器人本體執(zhí)行。

下圖展示了我們課題組現(xiàn)有的部分自主駕駛移動(dòng)平臺(tái)：

自主駕駛可以從幾個(gè)維度進(jìn)行分類，比如按環(huán)境可以分為陸地和水上，陸地又包括高速、低速場景，結(jié)構(gòu)化場景、非結(jié)構(gòu)化場景。結(jié)構(gòu)化場景包括城區(qū)路面、高速路，非結(jié)構(gòu)化場景主要指封閉園區(qū)。

下面我將從整車和解決方案的角度，為大家介紹低速自主無人駕駛。

我們團(tuán)隊(duì)和學(xué)術(shù)界開展了多方面深入合作，也得到了產(chǎn)業(yè)界的支持，在此基礎(chǔ)上我們搭建了一個(gè)國際人才交流和產(chǎn)學(xué)研融合的平臺(tái)。

下圖展示了低速無人駕駛車輛。其中左下角展示了一個(gè)多線激光雷達(dá)構(gòu)建的地圖，包括環(huán)境中的障礙物和一些特征檢測與標(biāo)注。左上角是我們標(biāo)記障礙物后，對(duì)車輛自主控制決策的實(shí)時(shí)體現(xiàn)。

剛才主要介紹了建圖和定位，其實(shí)我們?cè)诘统杀疽曈X導(dǎo)航方面也有研究。2011年，我們通過Robots@home家用服務(wù)機(jī)器人，實(shí)現(xiàn)了基于視覺伺服和拓?fù)涞貓D的協(xié)同工作。這套方案的計(jì)算量和功耗非常低，還解決了多種光照條件下的穩(wěn)定性問題，是一套能自適應(yīng)光照的低成本視覺導(dǎo)航方案。

現(xiàn)在很多公司、團(tuán)隊(duì)在研究停車場場景的視覺導(dǎo)航，我們也有所涉及。即通過一個(gè)單目攝像頭和一個(gè)慣導(dǎo)傳感器，在停車場實(shí)現(xiàn)自主導(dǎo)航。

另外，我們?cè)诙鄼C(jī)器人協(xié)同方面也取得了一些成果。我們通過一個(gè)RGBD傳感器實(shí)現(xiàn)了多機(jī)器人同時(shí)定位和地圖融合。例如，在停車場范圍太大，單個(gè)機(jī)器人需要很久才能掃完地圖的情況下，可以通過這種方式實(shí)現(xiàn)多機(jī)器人地圖融合和自主導(dǎo)航。

下圖展示了小載重自主物流系統(tǒng)在大范圍園區(qū)內(nèi)利用激光傳感器構(gòu)建地圖和自主導(dǎo)航避障的場景。其中左邊展示了該系統(tǒng)夜間在園區(qū)場景內(nèi)導(dǎo)航的畫面。右上角是園區(qū)全局的高精度地圖，通過它可以實(shí)現(xiàn)從起始點(diǎn)實(shí)時(shí)路徑規(guī)劃、避障，最終達(dá)到目的地。右下角展示的是通過實(shí)時(shí)感知的數(shù)據(jù)進(jìn)行局部規(guī)劃和避障，最終到達(dá)目的地。

關(guān)于大載重量的自主駕駛系統(tǒng)，下圖中，左邊展示了真實(shí)環(huán)境中連續(xù)長時(shí)間運(yùn)行的場景；右下角展示了三維高精度環(huán)境地圖，機(jī)器人可以通過這個(gè)地圖和路徑規(guī)劃算法實(shí)現(xiàn)自主導(dǎo)航和定位；右上角是服務(wù)器端對(duì)這個(gè)自主駕駛系統(tǒng)的調(diào)度和實(shí)時(shí)監(jiān)控，包括電量、車速、實(shí)時(shí)位置等信息。

我們的另一個(gè)研究方向是云、網(wǎng)、端結(jié)合的物聯(lián)網(wǎng)。在云端，我們研究存儲(chǔ)、負(fù)載平衡等問題，同時(shí)解決實(shí)時(shí)通信問題，通過云計(jì)算和邊緣計(jì)算結(jié)合降低成本。

最后簡單總結(jié)一下：

首先，目前低速無人駕駛正在由單一傳感器朝多傳感器融合轉(zhuǎn)型。通過前期研究與驗(yàn)證，（我們發(fā)現(xiàn)）單個(gè)傳感器很難適應(yīng)動(dòng)態(tài)、復(fù)雜的環(huán)境，因此多傳感器融合一定是趨勢。

其次，云計(jì)算與邊緣計(jì)算結(jié)合可以降低無人駕駛系統(tǒng)的成本。我們團(tuán)隊(duì)已經(jīng)從產(chǎn)學(xué)研結(jié)合的角度，一定程度上打通了同一領(lǐng)域甚至不同領(lǐng)域的上下游，進(jìn)行資源整合，降低了產(chǎn)業(yè)的試錯(cuò)成本。

最后，機(jī)器人技術(shù)要與時(shí)俱進(jìn)，從應(yīng)用端、落地端提煉產(chǎn)業(yè)需求，為算法界和學(xué)術(shù)界引入有價(jià)值的研究課題。

我的分享就到這里，謝謝大家。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。