75年的创新系列突出了从1946年SRI成立到今天的开创性创新。每周，SRI都会发布一项创新，直到2021年11月成立75周年。

导航所有条件：SRI如何修复机器人和车辆的GPS拒绝导航

你车里的全球定位系统(GPS)有没有让你失望过？它是不是带你走错了路，结果却走到了一个农家庭院的中央？有时，GPS系统就是不工作–这些情况被描述为“GPS被拒绝”。想象一下，在GPS被拒绝的情况下，一个自主机器人或车辆；导航将是困难的，如果不是不可能的话。自从机器人Shakey创造历史以来，SRI国际公司一直在制造智能机器人，成为第一个具有感知和推理周围环境能力的移动机器人。通过给机器人和车辆提供可靠的信号来确保它们保持视力是SRI计算机视觉技术实验室正在进行的研究领域。Shakey the Robot perceive and reason about its surroundings

3D地标让机器人“看得见”

2013年，SRI研究人员应用了一种名为滑动窗口因子图(SWFG)的方法，为机器人应用程序构建了可靠的3D地标地图。SWFG是一种数学模型，它分析滑动时间窗口内的传感器数据阵列，并估计移动平台或用户的位置和方向。每个窗口的数据点用作下一组窗口数据的起点。通过将SWFG与一种被称为同步定位和测绘(SLAM)的典型机器人导航系统相结合，SRI研究人员显著改进了机器人和自动车辆的导航。该团队设计了一个三级视觉要素模型，该模型使用平滑器(用于对数据进行平滑的算法，使重要的要素和趋势更容易看到)来优化3D地标地图，并将处理跟踪要素所需的计算能力降至最低。该设备包括两个组件：

这两个更平滑的人通过共享的3D地标地图进行互动。通过将SWFG更快的短期优化与SLAM的较慢优化相结合，SRI工程师能够提高GPS拒绝导航的精度，同时减少所需的计算资源，从而为机器人应用提供快速而准确的导航系统。下面我们将讨论这项技术的三种不同应用。

多传感器融合在机器人导航中的应用

机器人依靠传感器来导航它们的环境，传感器可以包括相机、GPS、加速计、陀螺仪和磁力计。被称为SLAM的导航系统将这些传感器的输入组合在一起，使自主机器人能够绘制其环境地图，并确定其位置和方向。在使重量和能量消耗最小化的同时，为机器人配备针对给定环境的最佳传感器组合是一个复杂的过程，对机器人的效率至关重要。

2014年，SRI工程师开发了一种系统，优化了传感器的使用，以确保机器人即使在次优条件下也能在环境中导航。该系统基于即插即用因子图框架，并采用增量平滑技术，该技术允许其通过仅动态优化导航图的一小部分来实时操作。结果是一个自适应的解决方案，它最优化地使用所有的传感器，动态地应用理想的传感器组合；如果添加了新的传感器，则根据其他因素对它们进行优化。这导致了实时导航，最大限度地利用了传感器组合来应对特定情况。对该系统的进一步测试证明了非常高的(厘米级)精度。

GPS故障时的空中导航

在某些情况下，GPS可能是不可靠和不准确的。太阳风暴、地图不准确、城市区域遮挡和恶意攻击等问题都会影响定位精度。飞行器中的导航系统依赖于精确的GPS和来自惯性测量单元(IMU)的数据。SRI的研究人员探索了在GPS中断期间应对空中导航的方法。他们努力的结果是使用单目摄像机增强了空中导航。

SRI采用了一种新的方法来解决这个问题，开发了一种导航系统，只使用IMU和相机的测量来估计车辆的精确3D绝对姿态(位置和方向)。该导航系统采用滑动窗口因子图的方法，融合了两种视觉测量：2D-3D连接点和地理配准的特征轨迹，以及IMU测量用于姿态估计。通过寻找空中视频帧和从3D地形数据库渲染的2D地理参考图像之间的特征对应来建立2D-3D连接点。这些测量为更新导航系统提供了全球信息。地理注册的要素轨迹是通过关联连续帧上的要素来生成的。它们使得3D地理参考值的传播能够进一步改进姿势估计。所有传感器测量都在基于更平滑的推理框架中进行了全面优化。

该系统通过在整个州飞行飞机进行了测试，同时展示了实时优化和提高的准确性。

大规模城市区域中的车辆导航

2016年，SRI的研究人员开始寻找自动驾驶汽车在大规模城市环境中导航的方法，定位精度低于一米。他们专注于使用预先绘制的视觉地标来帮助导航。随着自动驾驶汽车成为现实，这项新颖的研究变得越来越重要。虽然GPS系统对旅行方向很有帮助，但自动驾驶汽车需要更高的精度来避开障碍物，并有效地使用刹车。

通常，自动车辆导航系统依赖于预先绘制的环境数据。不幸的是，只有当有足够的地图地标可以在驾驶过程中与视频捕获的图像连续匹配时，这才有效。但是，当然，城市环境很少是静电。

SRI通过创建使用单目相机、IMU和高精度差分GPS构建的高质量语义视觉地标地图，解决了亚米级定位精度问题。该系统还利用了SLAM和基于神经网络的语义分割和基于注意力的机制的最新进展。它最初是在一个多云的冬日在SRI校园进行测试的，路线包括一条高速公路和一棵树。全程约3.5英里，用时不到10分钟，平均时速21英里。使用预先绘制的视觉地标，导航系统在整个时间内提供亚米级的精度。使用语义和机器学习，当估计姿势时，系统可以评估使用哪些参考特征以及忽略哪些(例如，人、车辆上的特征，这些特征下一次将不在那里)。

SRI国际在利用专家团队开发创新技术和方法方面有着悠久的历史。SRI研究团队继续产生有价值的见解，并向世界提供开创性的有用研究。

资源

基于滑动窗口因子图的鲁棒视觉辅助导航：https://ieeexplore.ieee.org/document/6630555https://ieeexplore.ieee.org/document/6630555

基于即插即用因子图的多传感器机器人导航约束优化选择：https://ieeexplore.ieee.org/abstract/document/6906925https://ieeexplore.ieee.org/abstract/document/6906925

精确视觉辅助空中导航：https://www.sri.com/publication/precise-vision-aided-aerial-navigation/https://www.sri.com/publication/precise-vision-aided-aerial-navigation/

使用高效预绘视觉地标的亚米车辆导航：https://ieeexplore.ieee.org/document/7795602https://ieeexplore.ieee.org/document/7795602

利用语义视觉地标实现精确的车辆导航：https://ieeexplore.ieee.org/document/8317859https://ieeexplore.ieee.org/document/8317859