INDEMIND：多传感器融合，机器人的必由之路

“INDEMIND：随着机器人应用领域的不断扩大，对机器人环境感知能力的要求也在不断提高。为了解决环境感知问题，传感器技术是最重要的应用支持技术之一。它对机器人的意义与人眼一样，但与人眼不同的是，它的组成主要由传感器和算法组成，随着机器人的发展，它已经从单传感器集成到多传感器。

由于机器人不断渗透到各行各业，外部环境越来越复杂，对机器人的精度、稳定性和智能性提出了新的要求，而单个传感器或多个（种类）传感器只是从多个侧面孤立获取目标信息。前者不仅效率低下，而且信息量有限，后者不断增加传感器的实践，增加系统的复杂性，提高平台的计算能力要求，切断传感器信息之间的内部联系，有机组合后可能包含的深层有效信息丢失，导致信息资源浪费，甚至决策失误。

在多种因素的影响下，多传感器集成技术的发展显示了其必然性。事实上，多传感器集成技术字面上不是另一种方式，而是在多种（种）传感器的基础上，进一步发展和改进，原则是借助算法分析、建模、解决、集成、估计和补偿冗余或互补信息，最终输出更准确、丰富、可靠的信息。

多传感器集成技术的应用对系统的容错性、信息精度和信息可信度有影响&丰富度都有了明显提升，这对于机器人的意义无比重要。目前，市面上多传感器融合技术多是以激光雷达为主导的技术方案，并根据架构组成，又主要分为两种。

一是以单线激光雷达为主导 IMU 里程计或其他传感器的集成方案具有简单成熟的技术优势。这是市场上常见的集成技术方案。然而，这种方案的缺点是环境适应性差。对于环境特征单一的长走廊等场景，误差高，容易偏离路径，二是重定位能力差，一旦位置在运行过程中丢失，就很难重新定位。

另一种是以多线激光雷达为主导的集成方案。由于多线激光雷达，可以获取环境对象的三维信息，显著提高了该方案的环境感知能力。在功能性能方面，它还具有激光雷达精度高、稳定性高的特点，但需要提到的是，多线激光雷达保留了传统优势，激光雷达也有类似的局限性，一旦出现故障，整个系统就会停机。目前，该方案主要用于大多数商业机器人，但其高昂的成本也使大多数企业难以承受。

因此，在此背景下，一方面，该行业正在进一步改进激光雷达方案，另一方面，它也在探索视觉方案。目前，以视觉为主导的集成技术方案在市场上相对较少，但随着计算机视觉技术多年的发展，已经有了成熟的方案，INDEMIND多传感器融合技术就是其中之一。

不同于激光雷达方案，INDEMIND在实现多传感器融合技术时，设计了以视觉传感器为主导的标准化、模块化的多传感器融合架构INDEMIND可以快速添加标准定义接口IMU、里程计，激光，GNSS结合双目立体视觉技术，实现积木式安装等多种传感器，3.高精度、高稳定性、低成本D环境感知，走出了不同于激光雷达方案的All IN ONE新路径。

众所周知，丰富的信息量是视觉优势，但也导致计算能力要求的显著提高。由于需要处理的环境信息量巨大，对平台的计算能力要求极高，视觉受环境光线的严重影响。如何解决这些问题是通过视觉解决方案的关键。

因此，INDEMIND在研发过程中，长期有针对性地解决了它们。

?降低计算能力要求

算法&硬件优化：采用增量优化的方法，分段处理，在段间内建立先验信息，有效降低平台计算压力，提高计算效率。

硬件加速：在硬件方面，视觉处理采用neon加速、GPU加速、DSP加速提高计算性能，降低计算能力要求。

?提高性能

传感器更丰富：基于INDEMIND多传感器集成架构可以集成4种以上的传感器。通过紧耦合，对环境的容忍度更高，可以保证系统在部分传感器异常的同时保持正常运行，提高鲁棒性。

误差补偿：为提高精度，INDEMIND系统中的视觉，IMU、里程计等每个传感器都进行了实时误差建模、估计和补偿，能有效保证实时运行过程中的精度和稳定性。

判断和去除野值：由于传感器较多，视觉、激光、里程计、IMU因此，不同传感器产生的噪声对系统的稳定性和精度有很大的影响，INDEMIND对各传感器数据进行野值判断和消除，进一步提高系统对原传感器数据的容错能力，提高最终稳定性和精度。

同时，基于INDEMIND三维视觉技术可获得丰富的3D环境信息，配合上层决策，为实现智能避障、路径规划、人机交互提供了必要的前提。

目前，经过长期验证，搭载INDEMIND多传感器集成技术测试机器人，定位精度可达厘米级，<5cm（RMS），达到激光融合方案的同等精度水平。在智能避障方面，可实现三维避障和精度<1%，结合INDEMIND智能决策引擎技术可以实现战略避障，提高安全决策水平。同时，在交互方面，基于智能决策引擎技术，可以根据指令实现目标跟踪、指定区域操作等个性化功能，提高机器人、人机和物机的交互能力。