Uploads%2farticles%2f11458%2fcinema 4d robot vision by felixmark d5jjewm
|
2017-03-23

港中大刘云辉教授谈机器视觉技术的行业渗透和商业落地 | 活动回顾

机器人是靠自身动力和控制能力来实现各种功能的一种机器,而机器视觉在整个机器人的运动控制中占据着重要的地位。它就像机器人的「眼睛」,感知周围环境,通过反馈的图像信息规划机器人的动作。

在本次 ACT Lab 和深圳湾的联合活动上,邀请了香港中文大学天石研究所所长刘云辉欢创科技 CEO 周琨大道智创联合创始人邢志伟,以「机器人控制系统与视觉的融合」为主题,向在场的机器人创业者分享他们机器人的研发和创业经验。

机器人控制与机器视觉的融合

目前机器人或者机械臂所抓取的物件基本上都是刚体,很少能对变形体进行抓取。其实,在日常生活中,很多物件并不是棱角分明并且内部结构坚硬的刚体,而是以柔性体的形式存在,比如日常所穿的衣服、吃的食物、线材、柔性 PCB 以及人体组织。

刘云辉教授认为,在需要操作形变体的领域中,医疗健康对该技术的需求最强烈并且对操作的精准度也更高。刘教授结合自身的研发经验补充说:「医疗手术机器人的研发主要有三个挑战:首先是安全性,医疗手术中不能容许半点差错,所以如何保证手术机器人的安全性,以及与操作医师的有效配合是重中之重;保证安全性后,机器人如何在柔软的体内进行解剖和组织切除,机械结构如何设计,视觉系统如何设计,就是研究人员面临的第二大挑战;第三,如何让不懂机器人技术的医生快速上手操作,人机交互如何设计,则是第三个挑战。」

为了应对这三大挑战,刘教授针对性地提出了三个解决方案:首先,手术机器人可采用小尺寸的、弹性的、或者柔性的机械结构,在保证操作精度的同时防止人体组织被机械所伤;第二,在机器人内部嵌入多种传感器,比如 IMU、声音传感器、体感设备、眼球跟踪设备等,增强机器人的功能,并简化操作方式;第三,通过在机器人中内嵌摄像头,以图像引导的方式实时获取手术反馈

另外,刘云辉教授还说到:「目前,大型工厂的室内物件搬运 70% 靠的是人工驾驶叉车进行操作,但随着从事重体力劳动工人的人工成本上升和人力资源的短缺,对很多行业产生着重大的影响,移动机械的自动化改造需求迫切。」

研究发现,室内移动器械自动驾驶的挑战主要有两点:一是无 GPS 的定位和制图,二是精确的运动控制。凭借多年的图像传感器研发经验,刘云辉教授将 Visual SLAM 算法和 RGB-D 传感器集成到移动机器人的视觉导航模块上,并应用于移动机械平台,实现了低速且高精度的自动驾驶功能。

刘教授表示,目前为了保证安全性,移动器械的速度并没有做得太快。不过,制造业、建筑业、采矿业、物流业等领域对室内移动器械自动驾驶有强烈的需求,所以,该项技术在未来会有很大的发展空间

技术公司如何商业化

欢创科技为移动设备、机器人、无人机、TV 等行业提供空间定位与识别系统,成立仅三年时间,就已经在细分领域做到了第一,今年销售额预计突破 2000 万,并且在去年下半年开始盈利。

初创公司如何快速发展,周琨给出的答案简单粗暴:「在细分领域做到第一,而且只做第一,不做第二。」

具体如何做才能成为细分领域的第一呢?周琨的方法论是这样的:省花钱、砸技术、点突破

对于初创公司来讲,最困难的就是不是找投资,找人脉,而是找方向。很多公司在头三年拿到投资后,就盲目地扩张,最终只会导致资源无意义地消耗,所以找到适合自己的发展方向很重要。

关于企业技术的积累,周琨认为,只有人、钱、时间三者的堆积,才有可能将技术打磨好。以自身为例,周琨做清华大学深圳研究生院硕导,在计算机视觉领域积累了多年的研究经验,。除了自身技术经验的积累,初创企业还可以通过引进外部团队的方式增强自身竞争力。

什么是「点突破」?周琨表示,每个创业团队应该找到适合自己的细分领域,找到自己的生存空间,欢创科技看到了智能电视的蓬勃发展,以及该行业对计算机视觉技术的强烈需求,才下定决心深耕智能电视的体感配件,最终做到了细分领域第一。

SLAM 在自主移动机器人上的应用

如果机器人可以像人一样进行思考的话,那么它们主要面对的「哲学」问题应该是这三个:我在哪?这是什么地方?该往哪里去?翻译过来其实就是三个关键点:定位、制图、导航,而这就是 SLAM(simultaneous localization and mapping,即时定位与地图构建)技术所要解决的三个主要问题。

邢志伟认为,SLAM 不是指某个算法,而是一类算法的集合。当开发者考虑让机器人更加智能时,如何实现自主移动往往是他们需要解决首要问题,作为自主移动的突破点,SLAM 自然成为了人们关注的焦点。

目前,SLAM 的实现主要有两种方案,一个是基于激光雷达的方式,另一个是基于摄像机的方式。基于激光雷达的方式应用得比较广泛,业内对此方法的研究时间较长,优点是速度快、精度高,不过价格也会比较昂贵。基于摄像机的方式价格低廉,摄像机反馈的信息量大,不过,正由于丰富的信息,所需要的计算量同样很大,而且摄像机容易受外部光线的影响。

邢志伟说,Visual SLAM、ORB SLAM、LSD SLAM 均为常用的 SLAM 算法,开发者应结合自身技术优势以及应用场景酌情选择。不过,SLAM 在发展的过程中仍然面对着一系列的问题和阻力,比如传感器的精确度不够、传感器应用场景不具备普适性、超高的计算量等。

多传感器融合、回环检测、重定位精度等都是 SLAM 在未来重点发展方向,上述的问题也会随着技术的发展和产业的成熟而得到解决,最终 SLAM 技术将会应用得更加广泛。

现场的机器人从业者认真聆听专家们的分享

圆桌讨论时间

现场观众正在向专家们求教

活动结束后,讨论还在继续

Back to top btn