Собираем мир роботов…
Робот-инспекторкейс МГТС · навигация
1КартированиеLIO-SLAM
2Замыкание петлиграф поз
3Локализацияфильтр частиц
4Автономный обходA* + препятствия

    Кейс МГТС · квалификационный этап

    Робот-собака строит карту объекта, знает, где находится, и проходит маршрут сам

    Лидар + IMU + камера → лидар-инерциальная одометрия → граф поз с замыканием петель → карта → локализация → автономный обход с реакцией на людей и препятствия. Вокруг — живая 3D-симуляция нашего подхода.

    Как это работает ↓
    Точек карты0
    Ошибка SLAM0 м
    Одометрия без SLAM0 м
    Время00:00

    Сцена синтетическая и нужна, чтобы показать идею. Финальное решение работает с записью реальных данных робота.

    01 · Задача

    Инспекционный маршрут по техническому этажу

    Робот-собака проходит заданный маршрут через несколько зон инспекции. Есть запись лидара, камеры и IMU. Нужно построить карту объекта, восстановить траекторию и определять положение робота на карте во время движения. Алгоритм должен выдерживать погрешности датчиков и стать основой для автономного обхода с реакцией на статические и движущиеся препятствия.

    На сцене — модель узла связи 64 × 40 м: док-станция и пять зон инспекции.

    • Z1 Щитовая
    • Z2 Серверная / АТС
    • Z3 ИБП и АКБ
    • Z4 Насосная / ОВК
    • Z5 Кабельный ввод
    • ⌂ Док-станция
    На входеrosbag: лидар · IMU · камера
    На выходекарта · траектория · поза на карте

    02 · Сенсоры

    Каждый датчик закрывает слабость другого

    ◎Лидар 3D16 каналов, 360°, 10 Гц. Даёт точную геометрию, но во время скана робот движется, и облако «смазывается».
    ∿IMUУскорения и угловые скорости на высокой частоте. По ним убираем искажения скана (deskew) и предсказываем движение, но со временем IMU дрейфует.
    ◐КамераВизуальные признаки для распознавания уже пройденных мест (замыкание петель) и снимки зон осмотра.
    ⟂Кинематика ногЕщё один источник одометрии, но ноги проскальзывают, а корпус качается при каждом шаге.

    Первый шаг — синхронизировать время и проверить калибровку лидар–IMU–камера. Ошибка в несколько миллисекунд на шагающем роботе уже портит карту.

    03 · Одометрия

    Почему одной одометрии мало

    Если просто интегрировать IMU и кинематику ног, ошибка растёт с каждым метром. Карта из таких поз получается с «двойными стенами».

    Сырая одометрия0 мдрейф — от пути
    LIO-SLAM0 мзамыканий: 0

    Голубая линия — лидар-инерциальная одометрия: ESKF прогнозирует движение по IMU и уточняет позу совмещением скана с локальной картой. Зелёная линия — эталонная траектория, она есть только в симуляции.

    04 · Карта

    Облако точек, граф поз и сетка занятости

    • 0точек в воксельной карте, шаг 12 см
    • 0ключевых кадров: новый кадр каждый 1 м или каждые 25° поворота
    • 0замыканий петель: робот узнаёт место, где уже был, и оптимизирует граф поз

    Точки хранятся относительно ключевых кадров. После оптимизации графа карта перестраивается целиком, и «расползшиеся» стены сходятся. Для планирования из облака строится 2D-сетка занятости с шагом 20 см. Люди и тележки в карту не попадают, их отсекает фильтр динамики.

    05 · Локализация

    Где я на готовой карте?

    После картирования робот «забывает» позу. Жёлтые стрелки — гипотезы фильтра частиц, сначала разбросанные по всему объекту. Каждый скан сверяется с картой, неправдоподобные гипотезы отсеиваются, и облако сходится к реальной позе.

    Разброс частиц—фаза: —

    Однотипные коридоры дают несколько похожих мест, поэтому в начале облако распадается на несколько кластеров. Дальше позу ведёт скан-матчинг к карте (NDT/ICP), ошибка держится на уровне сантиметров.

    Сейчас идёт картирование.

    06 · Препятствия

    Люди, тележки и то, чего нет на карте

    ●ДвижущиесяТочки на людях и AMR помечаются как динамика (красные) и не попадают в карту. Если объект на пути, робот останавливается. Если не уходит, строит локальный объезд.
    ■Новые статическиеНа втором круге в коридоре появляется тележка. Её нет на карте, поэтому она уходит в карту стоимости, и A* перестраивает маршрут.
    Уступил дорогу0раз
    Перепланирований0A* по карте стоимости

    Тележка появится на этапе автономного обхода.

    07 · Архитектура

    Конвейер решения

    1. 01Данныеrosbag: лидар, IMU, камера; проверка частот, пропусков и временных метокROS 2 · rosbag2
    2. 02Предобработкасинхронизация, калибровка лидар–IMU–камера, deskew скана по IMU, фильтрация шумовEigen · PCL
    3. 03Лидар-инерциальная одометрияESKF: прогноз по IMU, коррекция совмещением скана с локальной картойFAST-LIO2 как бейзлайн
    4. 04Распознавание местдескрипторы скана и визуальные признаки камеры для поиска петельScan Context · ORB/DBoW
    5. 05Граф позключевые кадры, рёбра одометрии и петель, робастная оптимизацияGTSAM · iSAM2
    6. 06Картаглобальное облако (PCD) + 2D-сетка занятости, фильтр динамических объектовOpen3D · OctoMap
    7. 07Локализацияглобальная инициализация (частицы) → трекинг скан-матчингом к картеNDT/ICP · AMCL
    8. 08Навигациякарта стоимости с инфляцией, A*, контроллер, остановка и объездNav2-совместимо
    9. 09ОценкаATE/RPE, дрейф на метр пути, устойчивость локализации, скорость обработкиevo · отчёты

    08 · План работ и метрики

    С чего начнём

    1. Разбор записисинхронизация времени, калибровка лидар–IMU–камера, проверка частот и пропусков
    2. Лидар-инерциальная одометриякомпенсация движения внутри скана по IMU, ESKF, регистрация скана к локальной карте
    3. Граф поз и замыкание петельгеометрия скана + визуальные признаки камеры, глобальная оптимизация
    4. Картаоблако точек и 2D-сетка занятости, фильтрация динамических объектов
    5. Локализация на готовой картеначальная привязка, затем фильтр частиц и скан-матчинг
    6. Метрики и визуализацияATE/RPE, дрейф на маршрут, 3D-просмотр траектории и карты
    ATEабсолютная ошибка траектории после выравнивания
    RPEотносительная ошибка на отрезках 1/5/10 м: локальный дрейф
    Дрейф, %ошибка в точке возврата / длина маршрута
    Локализациядоля успешных привязок и время сходимости
    Картарезкость стен, отсутствие «призраков» и двойных контуров
    Real-timeвремя на скан ≤ периода лидара (100 мс)
    C++17PythonROS 2PCLOpen3DEigenGTSAMCeresOpenCVScan ContextNav2evoRViz / FoxgloveDockerthree.js

    09 · Почему мы

    Почему мы выбрали этот кейс

    Что заинтересовало

    Кейс — не учебная задача, а реальный стек: робот-собака, живая запись лидара, камеры и IMU, объект с зонами инспекции. Навигация шагающего робота — точка, где сходятся геометрия, вероятностная оценка и код, который должен работать на железе. Хотим сделать решение, которое можно поставить на робота, а не только показать на слайде.

    Основная сложность

    Корпус шагающего робота качается при каждом шаге: облако лидара искажается в движении, IMU шумит и дрейфует, одометрия по ногам проскальзывает. Ошибка копится, и без замыкания петель карта «расползается». В технических помещениях много однотипных коридоров и стеллажей — сканы похожи, локализация легко путается. Движущиеся люди и техника оставляют на карте «призраков», если их не отфильтровать.

    С чего начнём

    Разбор записи и калибровка → лидар-инерциальная одометрия (deskew, ESKF, scan-to-map) → граф поз с замыканием петель → карта и сетка занятости с фильтром динамики → локализация на готовой карте → метрики ATE/RPE и 3D-визуализация.

    Что поможет команде

    C++ и Python, ROS 2, PCL/Open3D, OpenCV; фильтры Калмана, оптимизация на графах (g2o/GTSAM), 3D-геометрия; опыт с реальными датчиками и шумными данными; веб-визуализация — эту 3D-демо собрали сами.

    Наверх ↑