机器人怎么跟随使用 机器人如何做到跟随

       机器人的跟随技术，一直以来都是人机交互技术当中重要的一项。跟随技术，落实到具体应用上，就要讨论它的应用场景，可能大家会知道智能行李箱吧，它就是运用跟随技术，不用人拉，自动跟着你跑，那么跟随机器人原理是什么呢？机器人如何做到跟随的呢？下面小编就来为大家介绍一下跟随机器人原理，机器人如何做到跟随，一起来看看吧。

自动跟随主要解决两个问题：方向和距离。

解决方案上大体也是分两类：一个靠听，一个靠看。

”听“就是听信号。蓝牙也好无线电也罢，信号强就是近，信号弱就是远，距离的问题迎刃而解。方向会比较复杂，通常都是用三点定位。以蓝牙为例，跟随方装两个蓝牙模块——A和B且A、B的安装位置固定（即距离已知），被跟随方装一个蓝牙模块C。

实际定位过程就是不断切换蓝牙连接，先A连C，通过信号强弱判断AC距离，再B连C，判断依据同理，不断往复。问题变成“三角形三边长度已知，两顶点位置已知，问你第三个点在哪儿？”仔细看看这个等价问题，你会发现这个问题并不只有唯一解。

它在空间上是一个环形，无数解，在平面上也是有两个解，如何取舍？你可以遍历一遍，试错，但第一步基本没办法取舍。

答案是绝大多数应用场景都是机器人跟人走，体积差异大，让人从解1的位置瞬移到解2的位置调戏机器人这种事情发生概率很低，拐个弯其实挺耗功夫的，所以乖乖跟着往前走就好了。当然如果是俩等体积的机器人跟随那就另当别论了。

特别说明一下，大多数”听“都是全向感知。但使用超声波不会面临多解问题，超声波是定向收发信号，给传感器加装一个位置反馈就可以解决问题。

我还见过一个依靠无线电信号跟随的高尔夫球车原型机，定位方法与蓝牙的那个例子基本一致。

总结起来，“听”这种方法属于说起来很漂亮用起来完全不靠谱的类型，撇开上文所说的多解问题不谈，信号极易受干扰，而且由强弱度到距离的变换误差极大。

“看“的意思相对明确。面部识别、特征识别都在此列。这种方法不存在方向问题，看到就是看到，看不到就转圈找。距离就靠成像大小就好了。

面部识别其实还是蛮靠谱的技术，但个人感觉在自动跟随上的实践并不丰富，走哪儿都悬一个摄像头跟眼前飘荡想想也是种挺诡异的感觉。

特征识别比较典型的是靠颜色，简单一点儿的靠色块，高级一点的就是Color Code。

总结起来，”看“受环境影响较大，对硬件要求也更高。

自动跟随牵扯到很多方法的综合，很遗憾，目前基本仍属于”咋一看挺有可能，仔细一做全都不靠谱“的范畴。

机器人如何做到跟随

深入理解“跟随”这个词，包含了两个步骤：1、知道目标在哪；2、能跟着目标运动。在跟随的过程中，我们还需要处理障碍物的躲避，所以有多了两个事情，识别障碍，躲避障碍。所以在我看来，跟随至少需要包含以下四个技术模块：人体定位模块、障碍物识别模块、动态路径规划和避障模块、机器人行走模块。以下就解析一下每个模块的可实现方案。

一、人体定位模块。

有基于视觉定位和传感定位等多种方式，各有优缺点。

传感器定位优缺点是：

1、能求出目标的x.y，z坐标；

2、在360度都可定位；

3、定位目标受障碍物影响较小；

4、无法判断障碍物，还需辅助其他技术。

基于视觉实现，方法就更丰富了，可以使用多种技术组合。比如基于深度相机直接去识别人体骨骼+人脸识别+特征标志识别的组合。像波士顿动力的Atlas机器人就是基于视觉的识别，去实现行走和搬运物体。

视觉识别目标的优缺点是：

1、不仅能求出x.y.z坐标，还能求出物体相对于相机的3维偏转角，能获得更丰富的决策信息；

2、视觉单元不仅可以用来识别目标，还可以用来识别大多数障碍物；

3、视觉的视角有限，一般不是360度，且受视线影响，会被遮蔽。

二、障碍物识别模块

识别到人体后，下一步一般就会想到怎么识别障碍。障碍物的识别，常用的技术有深度相机识别、超声波测距、红外测距。深度相机和红外测距的优点是价格便宜，速度快，但无法识别玻璃和黑色物体，超声波测距就可以作为补充；若成本和体积不限制，还可以考虑激光雷达和毫米多雷达。

三、动态路径规划和避障模块

动态路径规划和避障模块动态路径规划，相当于机器人的大脑。你知道目标在哪里，也知道怎么迈腿，还需要有一个指挥中枢。这项工作对于人来说，是非常容易的事情。但对于机器人，却不是那么简单的事情。一般来讲，你需要建一个二维的空间地图（当然，如果建3维空间地图效果更好），并将地图栅格化，变成可通行或不可通行的小方格。辅助以路径规划的算法，跟随到目标。整个方案的难度在于，目标和机器人都是动态的，需要不断调整。当然，你对跟随效果要求比较低的话，写几条简单的规则，也是可实现的。

四、机器人行走模块

       机器人行走模块主要完成行走功能，这个或许看起来是比较简单的模块，其实非常复杂。好的行走模块，至少要支持线速度，角速度，里程计和方位指示。如果你前面定位做的再好，没有一个好的机器人底盘，一样做不好跟随。