導航架構的詳細說明

 

機器人或自主系統中，導航（Navigation）功能的一個高層次架構。它解釋了導航如何依賴於不同的資訊來源和處理模組。

以下是這個導航架構的詳細說明：

1. Navigation (導航)

這是整個架構的最終目標，指引機器人從一個點移動到另一個點，同時避開障礙物並遵循預定的路徑。為了實現有效的導航，它需要兩個關鍵的輸入：

• Robot Position Estimate (機器人位置估計)：知道機器人在地圖上的確切位置。

• Obstacle Awareness (障礙物感知)：了解周圍環境中障礙物的位置和分佈。

2. Robot Position Estimate (機器人位置估計)

這個模組的職責是確定機器人在環境中的當前位置。它主要依賴於一個核心技術：

• SLAM (Simultaneous Localization and Mapping)：

  • 定義：SLAM 是一種讓機器人在未知環境中同時構建地圖並確定自身位置的技術。它通過整合來自各種感測器（如 LiDAR、攝影機、IMU 等）的數據來實現。

  • 重要性：對於機器人能夠在環境中移動而不迷失方向至關重要。

3. Obstacle Awareness (障礙物感知)

這個模組的職責是識別並追蹤環境中的障礙物，以確保機器人能夠安全地避開它們。它從兩個主要來源獲取資訊：

• Static Map (靜態地圖)：

  • 定義：這是一個預先構建或通過 SLAM 構建的環境地圖，其中包含了環境中固定不變的物體（如牆壁、家具、柱子等）。

  • 重要性：提供了環境的基本佈局和永久障礙物的位置資訊。

• Live Lidar Data (即時光達數據)：

  • 定義：光達（LiDAR）感測器發射雷射脈衝並測量反射回來的時間來計算距離，從而創建周圍環境的三維點雲。

  • 重要性：提供了環境的即時、動態資訊，可以檢測到靜態地圖中沒有的臨時或移動障礙物（例如，移動的人、其他機器人、臨時放置的物品等）。這對於動態避障至關重要。

架構流程總結：

1. SLAM 提供機器人的位置估計。

2. Static Map 提供環境中靜態障礙物的資訊。

3. Live Lidar Data 提供環境中動態或臨時障礙物的即時資訊。

4. 靜態地圖和即時光達數據共同匯總成障礙物感知模組，提供完整的障礙物分佈。

5. 機器人位置估計和障礙物感知的資訊匯流到導航模組。

6. 導航模組利用這些資訊來規劃路徑，避開障礙物，並引導機器人安全地到達目的地。

這個架構清晰地展示了現代機器人導航系統中，定位、地圖構建和障礙物避讓是如何相互協作，以實現自主移動的。