文章核心观点 - 香港中文大学研究团队为SnailBot模块化机器人开发了一套高精度相对定位系统，该系统融合了视觉标记、光流分析和惯性测量单元技术，实现了机器人单元间实时、精确的相对位置与姿态感知，从而解决了模块化机器人有效协作与对接的关键难题 [1][3][5] 从独立个体到协作群体：SnailBot的进化需求 - SnailBot是由多个独立单元构成的模块化系统，每个单元形如“机械蜗牛”，具备摇臂式悬挂底盘，拥有出色的地形适应性与机动性 [3] - 这些单元能够像磁铁一样相互对接、组合，根据任务需要“变形”成不同的构型，如长蛇阵或多足步行器，这种“自重构”特性使其在探索复杂环境和执行协作任务时潜力巨大 [3] 三位一体的感知方案：视觉与惯性的交响乐 - 系统融合了三种技术：基于ArUco标记的视觉定位、基于光流分析的位移感知以及基于惯性测量单元的旋转感知，形成了稳定的感知闭环 [6] - **视觉标记定位**：机器配备高速全局快门相机，通过识别伙伴机器人表面贴附的具有独特ID的ArUco二维码，利用计算机视觉算法计算出观察者机器人相对于参考机器人的绝对位置和三维姿态 [7][10] - **光流分析**：采用Lucas-Kanade稀疏光流算法，分析连续图像帧间特征点的微小移动，形成“运动场”，以估计机器人自身在极短时间内的平移运动，提供高频连续的运动线索 [11] - **惯性导航**：通过包含陀螺仪和加速度计的IMU，以极高频率感知角速度和线性加速度的变化，并利用滤波算法实时解算出机器人的三维朝向，提供不依赖外部参照物的旋转信息 [12] - 硬件经过精心改造：相机被安置在机器人顶部以获得无遮挡的宽阔视野，IMU被移至机器人几何中心并加装减震外壳，以隔离底盘振动干扰，确保数据稳定 [14] 大脑的决策：智能融合策略 - 系统采用基于规则的清晰高效融合策略，在三大信息源之间智能切换 [15] - 首选权威：只要检测到ArUco标记，立即采用其提供的绝对位置和姿态数据，并以此校准和重置其他传感器的累积误差 [15] - 无缝衔接：当标记暂时消失时，系统立即切换至“推算定位”模式，结合光流提供的平移运动趋势和IMU提供的实时旋转数据，持续推算自身位置变化 [16] - 回归校准：一旦标记重新进入视野，系统会再次捕捉绝对位置，并与推算位置比对，快速修正推算过程中可能产生的微小漂移，确保长期准确性 [16] 实验验证：“小蜗牛”的定位有多准？ - 实验设置：用一个机器人作为静止或运动轨迹已知的参考机器人，另一个作为移动机器人，按预设程序运动，记录其定位结果并与真实位置对比 [19] - 实验结果：整套系统的定位误差很小，滚转、俯仰、偏航三个方向的平均误差都小于4度，大多数情况下误差不到3度 [19] - 系统稳健性：误差超过10度的情况极少，不到0.2%，即使在快速运动或部分标记被遮挡时也能保持准确，重复实验结果显示系统可靠性高，能满足实际协作任务需求 [19] - 轨迹追踪：实验画面显示，当拍到ArUco标记时系统能快速识别定位；未拍到标记时，通过光流和IMU数据估算出的运动轨迹与真实轨迹几乎重合 [22] 未来提升空间 - 当前系统仍依赖ArUco标记，若标记被严重遮挡或损坏，定位精度会受影响 [24] - 目前的融合算法是“按规则工作”，未来采用更先进的智能算法可能在快速运动的复杂场景中更准确 [24] - 当前实验在受控室内环境进行，未来若应用于户外或崎岖路面，需进一步优化硬件以应对振动、光线变化等干扰 [24]