5分钟AI小课堂 | 英特尔创新3D感知算法，让人机交互更安全

在扫地机器人、配送机器人、物流机器人日益普及的今天，确保它们在与人类共享的空间中安全运行已成为首要课题。这要求机器人不仅能“看见”周围环境，更要能“理解”并做出智能决策。

英特尔研究院推出的新型3D感知算法，正是通过先进的感知计算技术，赋予机器人这种深度环境理解与安全交互的能力。该技术利用如RealSense深度相机等3D传感器，为移动机器人与固定机器人打造了动态、可重构的安全解决方案。

英特尔研究院的研究人员为固定机器人（左）和移动机器人（右）搭建实验环境。

移动机器人指的是能在环境中自主移动（或者被遥控）执行任务的机器人。移动机器人的安全系统通常依靠2D距离传感器（比如激光雷达），这类传感器会在一个固定高度发出扫描线，测量周围有没有障碍。这种方式成本低、技术成熟，在机器人行驶在平整地面时表现很好。

然而，很多行业想在更复杂的环境里部署机器人，遇到坡道时，2D距离传感器就不太好用了。因为坡道会被传感器“误认为”是障碍，为了避免误报，只能把传感器装得更高，可这样一来，低处的障碍又检测不到了！即便使用3D距离传感器，如果只是简单地按“高度”来过滤数据，也会遇到类似的问题。

英特尔研究院研发的新算法不再单纯根据高度去过滤数据，而是更智能地识别三维距离传感器收集到的不同类型信息。属于地面的数据点，可以在上面行驶；高度高于机器人的数据点，对运行没有影响；属于障碍的数据点，机器人需要保持警惕。下一步，算法会对这些属于障碍的数据进行筛选和分组，计算机器人在当前速度和响应时间下是否能够安全地停在这些障碍前面，如果来得及“刹车”，机器人就会前进，否则，算法会让机器人紧急停止，防止碰撞。

上图：英特尔研究院3D感知算法的优势在于，能够同时应对坡道和障碍。

下图：英特尔研究院移动机器人安全解决方案的不同处理步骤。

这套新算法还有一个“意外收获”，能自动把传感器采集的属于地面的数据筛选出来。这听起来简单，但其实是移动机器人路径规划中常见又麻烦的问题，机器人需要识别出“地面”和“障碍”，才能判断哪里能走，哪里不能走。针对自主移动机器人，英特尔机器人开发套件（Intel Robotics SDK）中提供了相应的示例应用。

固定机器人指的是安装在固定位置、不能自主移动的机器人，通常由机械臂和末端执行器组成，用于在各种工业场景执行重复性机械任务。过去，人们一般通过物理隔离手段（比如围栏或光幕）来保证它们的安全。随着协作机器人（cobot）需要越来越多地与人类“并肩”作业，这种方法已不再适用。

英特尔研究院的团队研发了一种新的感知方法，基于3D距离传感器（如RealSense深度相机或3D激光雷达）采集到的空间数据，通过名为HistoDepth的算法进行分析。这个算法会对收到的点云数据进行统计和采样，从而把机器人工作区域划分为静态部分（比如地面、设备等不会动的物体）和动态部分（比如人或移动的物体）。当算法识别出附近有动态对象时，机器人就会自动降低工作速度，必要时甚至完全停止，以确保安全。

HistoDepth算法能够持续更新背景估计，并识别动态测量数据。

这里的难点在于区分机械臂和外部对象，二者都会移动。研究人员通过把机器人的位姿信息与传感器数据进行匹配，成功解决了这个问题。这个算法还能自动适应环境变化，它内置了数据质量监控功能，可以实时监测传感器工作是否正常，保证整个系统始终安全可靠。

英特尔研究院研发的感知算法有着更广泛的应用前景。其精确的动态物体识别能力尤其适用于电梯门防夹等需要确保人机安全的公共领域。该算法针对低功耗嵌入式平台进行了优化，可高效部署于包括下一代RealSense相机在内的边缘设备上，为物联网终端赋予强大的3D感知能力。