在MiR，我们致力于帮助您了解自主移动机器人AMR有关信息，包括它们如何工作，如何使用，以及如何应用在贵司的自动化物流方案中。从本月开始，小编邀请MiR技术部的大神，他们潜心修炼多年，造就多种硬核能力，为大家分享满满干货的内容。开篇第一期，房工给你讲讲自主移动机器人(AMR)是如何实现自主导航……

路径导航(Navigation)是自主移动机器人(AMR)最基本、最重要的功能之一。它通过地图服务器、全局与局部规划器、代价地图等方法，控制机器人从起点到终点的运行过程。下面我们就针对这几点，进一步介绍MiR机器人是如何做到高效准确地计算出最优路径，并安全自主地运行到指定目的地的。

地图服务器

不同于大多数SLAM AGV所使用的拓扑地图(Topological Map)，MiR AMR使用占据栅格图(Occupancy Grid Map)来表示室内环境。这种方式下，MiR AMR得以支持更加灵活、精确的路径导航。

拓扑地图

在占据栅格图中，每个像素代表该位置实际是否被占据。如果是黑色像素，则代表这里被固定结构占据，反之白色像素则表示该位置无物体占据，可以通行。

地图提供了空间定位信息。机器人在运行时，会对照地图匹配传感器所检测到的固定结构（墙面、大型设备、固定工作台等），并据此确定当前的准确位置。

占据栅格图（来源：Google网络搜索）

传感器数据未匹配地图结构

传感器数据与地图结构匹配成功，定位成功

全局与局部规划器

在得到当前位置后，机器人需要依靠全局与局部规划器来找到合适的运行路径，并自动驾驶到目的地。全局与局部规划器之间的关系，类似于GPS导航与司机的关系：GPS导航负责规划整体路线，司机则负责参照此路线实际驾驶汽车；同样，机器人中的全局规划器负责规划整体路线，局部规划器负责自动驾驶机器人。

GPS司机 vs 全局局部规划器

全局规划器的功能类似于GPS地图

局部规划器的功能类似于驾驶司机

（图片来源：Google网络搜索）

与GPS不同的是，全局规划器所参照的是像素组成的占据栅格图(Occupancy Grid Map)，而不是室外地图通常使用的拓扑地图(Topological Map)。在这个前提下，全局规划器的算法需要按像素依次查找，直到得到通往目的地的路线。由于在栅格地图中，固定结构的位置都已经被标注明确，所以全局规划器最终得到的路线也是绕开这些结构的。

全局规划器的路径规划算法

（图片来源：blog.csdn.net）

全局规划器计算出的路线已经绕开了室内的固定结构，下面就需要局部规划器根据实际情况，在驾驶过程中避开地图中不存在的动态障碍物。当激光传感器与3D相机在实时监控时检测到了障碍物后，这个信息将会被传给局部规划器。局部规划器会综合考虑障碍物的位置、大小以及机器人当前的位置、速度以及正在运行的路径等信息，判断是否需要做绕行或刹车等操作。如果在运行过程中发现路线被地图中不存在的临时障碍物堵死，局部规划器还会通知全局规划器重新规划新的路线。

局部规划器

局部规划器负责避开动态障碍物

MiR AMR在运行中灵活避障

代价地图

全局与局部规划器可以准确高效地在室内计算出一条可通行路径。但该路径可能并不恰巧符合用户的实际需求。比如说，有些客户要求自主移动机器人在运行时必须靠走道右侧行驶；某些区域不允许机器人进入；或在某些通道处只能单向行驶等等。熟悉MiR AMR操作的朋友应该了解，MiR通过在地图上添加各种区域(优选区域、禁行区域、单行区域等)实现了这些需求。而这些区域背后的原理，实际上都是对代价地图(Costmap)的灵活运用。

MiR地图中的区域

在没有代价地图的情况下，全局规划器会将地图上所有由白色像素覆盖的区域一视同仁，其算法中给每个像素分配的权重是相同的。但如果我们对地图中每个像素的权重都赋予不同的值，就会得到一张代价地图(Costmap)。在代价地图中，规划器会更偏好代价小的像素，减少或避免经过代价较大的像素。

依据这个原理，被优选区域覆盖的像素，其代价值会被降低；被禁止区域覆盖的像素，其代价值会被调整为无穷大。这样，规划器就会更偏向优选区域，而避免经过禁止区域。

对于被单行区域覆盖的像素，其代价值还会受运行方向的影响。当运行方向与规定方向一致时，像素的代价值不受影响；但如果运行方向与规定方向相反时，其代价值就会变为无穷大。这样规划器在规划路线时就不会选择逆行了。

单向区域