自主移动机器人室内定位系统
在GNSS拒止区域实现±2厘米精度
自主移动机器人（AMR）和AGV需要室内定位，而GPS在室内无法工作，因此无法提供。
Marvelmind超声波RTLS可实现±2厘米精度 – 比UWB精确10倍（10-30厘米），并且比蓝牙精确100倍。该系统通过USB、UART或CAN输出XYZ坐标、IMU及其他数据，并提供原生ROS和ROS2驱动，可即时集成到任何机器人导航栈中。原生GPS协议NMEA0183也开箱即支持。
当激光雷达或光学定位系统在技术上难以胜任或成本过高时，它是机器人定位与导航的绝佳替代方案。
给客户的快速提示
如果您正在构建机器人或AGV，需要快速决定选择何种定位和导航系统，请参考以下方案：
- Starter Set Super-MP-3D – 最简单、最通用的入门套装
- Starter Set Super-MP-3D + Super-Beacon – 如果您需要位置+方向
- Starter Set Super-MP-3D + Super-Beacon + 2个全向麦克风 – 如果您的区域超过20×20米开放空间，或固定信标距地平线30度及以下。您将能够构建具有此类行驶能力的机器人。我们的机器人Boxie采用此配置，因为它是最先进、最灵活的方案
将Marvelmind室内"GPS"用于机器人、车辆和AGV
自主机器人和无人机的主要任务之一是自动扫描与检测 – 这是一项非常重要但重复性强、有规律可循、需要持续关注和精准操作的工作。
机器完全胜任此类工作，而人类则容易疲劳并产生失误。
当然，用于仓库室内扫描的无人机看起来是更酷炫的解决方案，我们每周都会与客户及潜在客户讨论这一话题。然而，如果您需要一个实用可靠、能够真正落地应用的方案 – 而非用于研究与创新 – 那么今天您应该选择扫描机器人。
应用案例
谁在使用自主机器人室内GPS，以及用于何处
自主移动机器人需要厘米级的室内定位，而GNSS在室内无法提供。Marvelmind超声波RTLS广泛应用于三大领域：仓库和工厂的机器人辅助检测、研究型和高校机器人实验室，以及工业设施中的AMR/AGV导航。以下是最常见的实际部署场景。
机器人辅助检测与自动扫描
自主扫描机器人需要可靠的室内定位系统，以便在仓库通道、工厂车间或温室中沿精确、可重复的路线行进。使用手持条形码读取器、QR扫描仪或RFID设备进行人工扫描速度慢、容易出错，且大规模应用成本高昂。配备Marvelmind室内GPS的机器人可取代人工行走 - 每天、每小时或按计划扫描同一路线，±2厘米的定位精度确保每个标签、条码或RFID标签都在扫描仪的读取范围内。
我们的自动扫描与检测解决方案以Boxie Scanner机器人为核心 - 这是一款紧凑型自主平台，可搭载任何扫描载荷：摄像头、条形码读取器、QR扫描仪或RFID读取器。机器人自主导航，从自身电池为载荷供电，并以±2厘米精度记录每次扫描的位置。系统通过开放API与WMS和ERP集成。
机器人扫描仪部署要点：
- ±2厘米定位精度 - 足以在可预测的距离内读取条形码、QR码和RFID
- 仅需二维追踪 - 成本和复杂度低于基于无人机的扫描方案
- 机器人在两次充电之间可工作8、12或16小时 - 无需操作员，无坠机风险
- 多台机器人可在同一空间同时运行 - 每台独立追踪
- 坐标经过地理参考 - 每次扫描均记录精确的XYZ位置和时间戳
适用环境：仓库、物流中心、工厂、装配车间、温室、机场货运站。
面向研究与高校的自主室内导航
高校、博士生、博士后和研究实验室是Marvelmind室内定位系统最活跃的用户群体之一。±2厘米精度、开放API、ROS/ROS2原生驱动以及透明定价的组合，使该系统非常适合需要地面真值定位的机器人研究，同时避免了光学追踪系统的高成本和复杂性。
该系统已在全球多所高校用于自主机器人导航、集群机器人、无人机自动驾驶研究、自主车辆漂移控制、室内考古以及人员追踪研究。一项独立发表的室内定位系统对比研究得出结论：Marvelmind IPS以仅为其一小部分的成本实现了与光学系统相当的精度，并显著优于基于UWB的替代方案。请查阅完整的高校案例及已发表研究论文列表。
研究团队选择Marvelmind而非其他方案的原因：
- 精度约为UWB的10倍（±2厘米对比10-30厘米），约为BLE的100倍
- 无需云端 - 所有定位计算在本地完成，数据不离开实验室
- 完整支持ROS和ROS2，提供已发布的驱动程序和代码示例
- 兼容TurtleBot、定制AMR、无人机、PixHawk、ArduPilot、Jetson、Arduino
- 开放接口：USB、UART、SPI、CAN、I2C - 可与任何研究平台集成
- 硬件、协议和软件均可定制 - 团队直接与终端用户合作
- 当天或次个工作日发货 - 无需等待数周才能收到研究硬件
使用Marvelmind的知名已发表研究：加州大学伯克利分校的自主漂移过弯、多所高校的ROS传感器融合、无人机裁判（MSD 2017/18）、以色列发掘现场的室内考古定位、室内奶牛活动追踪、防新冠喷雾分发机器人。
仓库和工厂中的AMR与AGV导航
工业设施中的自主移动机器人（AMR）和自动导引车（AGV）需要精确、可扩展且基础设施稳定的室内定位。与基于地面QR码（易损坏或遮挡）、SLAM（计算复杂且会累积漂移）或UWB（10-30厘米精度，不足以应对狭窄通道导航）的系统不同，超声波RTLS提供绝对的±2厘米XYZ定位，无漂移、不依赖光线，并可从单台机器人扩展至250辆同时运行的车辆。
Marvelmind已为工业客户部署追踪系统，其中包括一个450×450米的T形仓库，使用123个固定Super-Beacon同时追踪120余台叉车。系统通过UDP和开放API将实时XYZ坐标流传输至客户的分析平台，实现基于每辆车当前位置的自动任务分配。另一个部署项目通过14个固定信标追踪10台叉车。两套系统均由Marvelmind远程部署。请查阅完整案例研究。
AMR和AGV部署的主要优势：
- 覆盖范围从单个1000平方米子地图到通过联网子地图实现的无限多建筑区域
- 最多同时追踪250台移动机器人，每台精度均为±2厘米
- 无需改造地面 - 信标安装在3-4米高的墙壁或天花板上
- 通过USB、UART、SPI、CAN或UDP输出 - 可集成到任何现有车队管理系统
- 精度与机器人速度或更新频率无关 - 请参阅技术说明
- 适用于多尘、温度变化大和电气噪声强的工业环境
适用任务：自主配送、跨区域运输、拣货辅助、自动库存盘点、安全区域管控、多机器人协调。
如何选择Marvelmind入门套装？
如果您没有时间深入研究细节，但需要快速做出安全的选择，请选择Starter Set Super-MP：
- MP代表多用途。该套装确实支持多种架构和多种配置，因此具有最高的灵活性：
- 支持最多2个子地图的二维追踪
- 支持最多3个移动信标（机器人）的二维追踪
- 带位置+方向的二维追踪
- 支持最多4个移动信标的一维追踪
- Starter Set Super-MP支持不同架构：NIA、IA和MF NIA
- 信标内置900-1000 mAh锂聚合物电池，无需外部电源即可轻松快速部署系统
- 信标配有外置天线 – 与调制解调器的无线连接更稳定
- Super-Beacon可接收和发射超声波，因此可作为固定信标和移动信标使用
- Super-Beacon内置DSP（数字信号处理器），因此可同时接收多个超声波通道并在IA模式下工作
- Super-Beacon配备IMU（三轴陀螺仪+三轴加速度计）
请注意，每台机器人一个移动信标只能提供位置信息。若需同时获取位置和方向，您需要配对信标配置 – 即每台机器人两个移动信标。请参阅以下方案。
要实现位置+方向，每台机器人需要不止一个移动信标。因此，最简单的方法是在Starter Set Super-MP基础上额外添加一个Super-Beacon。
机器人精确室内定位与导航示例
Autonomous Delivery Robot - 汽车装配厂演示
Marvelmind Autonomous Delivery Robot v100。
IA配置，使用15个固定信标和一个调制解调器实现室内”GPS”覆盖。详情请见：https://youtu.be/TWWg_8JHYzo。
同一室内”GPS”地图在视频中展示的机器人基础上还支持：
- 多台移动机器人和叉车追踪以及人员追踪。固定与移动合计最多支持250个信标/对象
带详细说明的Robot v100示例
这与 https://youtu.be/TWWg_8JHYzo 是同一演示，但附有额外的语音讲解，说明视频内容及系统总体情况。
配置：
- Marvelmind Autonomous Delivery Robot：https://youtu.be/efOc-ItVvgg
- IA配置，使用15个固定信标和一个调制解调器实现室内”GPS”覆盖。
机器人规格：
- 在Marvelmind室内”GPS”覆盖范围内任意两点间完全自主配送
- 最大载重100千克
- 单次充电行驶时间超过16小时：https://youtu.be/JaxRd_9D1fQ（载重60千克以上）
- 自动避障与障碍检测
- 配送路线可通过单次按键在1秒内重新配置
- 充电时间不足四小时，因此支持两班制（16小时）工作加一班（8小时）充电
- 可重新配置容量：从1个最大65x65x160厘米的大箱，到最多8个65x65x15厘米的箱子 – 单层货架或多层货架
- 同一室内”GPS”地图还支持：
- 多台移动机器人和叉车追踪以及人员追踪。固定与移动合计最多支持250个信标/对象。
- 配对信标配置下的移动信标用于在IA调制解调器中实现位置+方向，可以看到两个外置全向麦克风安装在机器人上
- 二维追踪中的固定信标安装在墙壁上
机器人使用Marvelmind室内"GPS"完全自主驾驶
一台完全自主的机器人依靠以下系统独立行驶：
- Marvelmind室内”GPS”
- 车载里程计和惯性测量单元（IMU）
机器人从用户处接收需访问关键点的坐标（右侧表格），然后通过不断对比当前位置与路径来规划并沿路径行驶。坐标在Dashboard中通过点击地图自动生成。
信标之间的距离最远可达36米。通过每隔20-30米安装更多信标，即可为整个园区提供精确的”GPS”覆盖。
小型自主配送机器人在办公室环境中完全自主移动
完全自主机器人驾驶演示："8字形"轨道
Marvelmind室内导航系统 + 自主机器人Marvelmind Hermes演示：
- “8字形”（7×2米）轨道
- 在80平方米房间内部署的Marvelmind室内导航系统入门套装中完全自主驾驶
移动信标固定在机器人顶部。机器人以±2厘米精度从Marvelmind IPS接收坐标，并利用这些坐标自主完成轨道行驶。
室内导航系统中存在刻意制造的轻微遮挡（立柱、软凳），以模拟真实环境。在遮挡范围内，机器人依靠其惯性导航系统和里程计运行。
基于Marvelmind室内"GPS"实现定位和方向的多米诺机器人
Marvelmind室内导航系统被一台极具创意的多米诺摆放机器人所采用，用于实现精确的位置和方向 – 可以看到移动信标安装在底座上以获得最佳方向精度。
另请观看原始视频：世界纪录多米诺机器人（24小时摆放10万张多米诺）
机器人解决方案
定位
任何自主机器人面临的最大难题之一是回答这个问题：”我在哪里？”。这个问题随即衍生出一系列子问题：
- 我与当前预期位置相比在哪里？
- 我与下一个航点相比在哪里？
- 我与其他对象（机器人、人员、障碍物、充电站等）相比在哪里？
但一切都从相对某个参考点的定位开始，例如(0,0,0)坐标，无论那是什么，或相对于起始点等。许多其他问题都是这个核心问题的衍生。
相对什么进行定位？
有几种主要选项：
- 相对自身 – 例如机器人中心
- 相对外部参考点
相对自身在许多情况下更为直接，但这更多涉及障碍检测与避障，而非在空间中移动和导航。让我们详细讨论相对外部参考点的定位与导航。
了解更多坐标系相关内容：
为何不选择SLAM？
SLAM（同步定位与地图构建）是一种出色的方法。但在环境多变、结构不佳或不可预测的某些工业应用中，它可能不太实用：仓库、装配车间以及一般的内部物流：
- 通常，将任务拆分为两个阶段更为高效：1）地图构建，2）定位
- 障碍检测与避障与地图构建和定位完全无关，这是第3项任务，性质不同，必须采用不同方法解决。激光雷达适合障碍检测，但如果环境在变化，它并不特别适合地图构建 – 因为会出现太多错误
- 上述关于激光雷达的局限性同样适用于视觉SLAM系统 – 它们可能产生混淆，必须依赖其他方法来纠正错误
- 总体而言，传感器融合是最佳方案，能够获得最好的结果，在商业和技术上可行时推荐采用
从内到外定位、从外到内定位还是混合方式？
如果机器人将所有定位所需设备都搭载在机身上，这就是由内向外定位。人类和动物使用由内向外定位。他们通常不需要以连续坐标流的形式直接、持续地获知自己的位置，而是根据不同的外部线索在”内部”判断。
有些人将这一过程称为视觉里程计。当然，如果地面和环境适合，它与常规的轮式（足式）里程计结合使用效果更好。这也是为什么有时制造一台自带导航系统的机器人，比开发一个适用于任何机器人的导航系统更容易。这类”通用定位系统”的开发者可能会面临困难，因为里程计的数据几乎可以是任何格式 – 具有不同值的模拟量，或格式未知的数字编码。分辨率可能完全不同，许多其他参数也可能各异。
因此，机器人内部的大多数系统本质上是相互关联的。任何从一开始就设计机器人的人都应理解并考虑这一点。
我们的室内定位系统采用由外向内定位：移动机器人可以相对”愚笨”，甚至不知道自己正在被追踪。外部系统对其进行追踪，在我们的方案中则是追踪安装在机器人上的移动信标（标签）。如果机器人足够智能，它会利用这些数据，根据XYZ坐标和航点自主行驶。如果它不够智能，则可以被远程控制。但它仍然由系统而非人类控制，因此仍然保持完全自主，只是它的智能（至少是负责定位、导航和自主驾驶的那部分）位于其移动本体之外。
由外向内架构的优势：
- 您可以追踪”愚笨”的移动对象，例如叉车或非常简单的机器人（如基于遥控车的机器人）
- 您可以追踪”无法联网”的移动对象，例如人员，并在周围有机器人时大幅提高安全性。机器人无需自行检测人员，它们知道人员或其他移动对象（包括其他机器人）的位置
- 机器人的成本大幅降低
选择建议：
- 如果只有1-2台机器人在非常大但结构化且”可预测”的仓库中行驶，由内向外定位在经济上可能更有利。是的，每台机器人更昂贵，但您不需要在仓库中部署基础设施
- 如果同一仓库中有多台机器人，则越来越适合使用由外向内定位，因为机器人的成本会大幅降低
- 如果环境非结构化且由内向外定位难以胜任，请毫不犹豫地采用由外向内方式
- 在最复杂的条件下，传感器融合方法及各类混合方案通常能带来最佳结果
- 由外向内方式尤其适合集群机器人
选择参考点
对于GPS而言，坐标以地球常规经纬度形式提供。在某些情况下，例如机器人移出室内时，这可能很有用。但对于大多数真实室内应用场景，我们只关注本地坐标。
因此，我们根据自身需要来选择坐标。在Marvelmind室内”GPS”中，系统通常将某个固定信标设定为(0,0,0)或(0,0)。但您也可以将地图上的任意点设为(0,0)：
此外，还可以进行地理参考，将外部GPS坐标分配给内部(0,0,0)点。之后，Marvelmind室内”GPS”输出的坐标流将以NMEA0183格式提供绝对GPS坐标，或以内部格式输出。了解更多关于开放协议的信息。
方向
与室外可使用磁力计/罗盘不同，在室内计算方向并非易事，尤其是在静止状态下更为困难。
例如，您的机器人可以使用我们的系统轻松获取精确位置。但如果机器人不知道当前朝向，即它面朝哪个方向，就很难决定向哪个方向行驶。
可以通过以下方式较快地计算机器人方向：测量当前位置点，借助IMU/陀螺仪保持直线方向行驶约1米，然后测量新位置，通过已知两点并确认行驶轨迹为直线而非曲线，计算机器人当前方向。此后，在行驶过程中始终采用相同技术。请参阅文章：每架无人机需要多少个移动信标？ – 对机器人而言这一点不那么关键，因为它们受尺寸和重量的限制较小。不过，它同样非常适用于机器人。
以下较早期的机器人采用了这种方法：
这种方法简单，只需一个移动信标（标签），但仅在可以行驶时有效。很多时候您无法移动，需要在原地进行静态定位。该怎么办？
配对信标
我们推荐的静态获取方向的方法是使用配对信标配置。
以下是更多详情。在NIA中：
另一个示例是自动驾驶自主机器人Robot v100，其移动信标之间的底座距离约为60厘米。在IA中：
在单个移动信标上配置外置麦克风的类似方案。虽然这是为VR开发的，但完全可以用于机器人。麦克风之间的底座距离约为20厘米。在IA中：
每种解决方案都有许多替代方案。例如，使用外置摄像头的动作捕捉系统。它能同时精确实现位置和方向吗？当然可以！它对工业机器人实用吗？并不实用：
- 成本高昂。非常昂贵，至少在本文最初撰写时（2021年）如此
- 未针对工厂或仓库的恶劣环境进行优化
- 存在多种限制：光线不足、光线过强、雾气、温度变化、供电等
因此，我们不在此讨论所有可能的定位方案，仅介绍相对相关且可实施的方案。
障碍检测与避障
障碍检测与避障是独立于定位的任务
如上所述，SLAM方法承诺同时实现障碍检测、地图构建和定位。听起来像是梦想，但现实更为严苛、不那么友好。
在光线不足、高动态范围光源众多的真实环境中 – 透过窗户照射的强烈阳光与仓库极深的阴影并存，以及从前照灯到各种扫描仪等各类光源 – 基于视觉的SLAM解决方案很容易混淆，甚至完全丧失定位能力。当SLAM系统无法在不同选项间正确判断时，需要额外的方法来纠正重大错误。传感器融合是解决方案。
此外，虽然定位任务可以以最优方式（技术上和经济上）解决，但以最优方式解决障碍检测任务更为困难，原因在于这两个任务的性质和需求本质上不同。
而SLAM方法在地图构建和定位之上叠加障碍检测，不必要地使任务复杂化：
- 地图构建
- 定位
- 障碍检测
这三个要素对自主驾驶都至关重要，但它们不必是同一件事，也不必采用相同方法和传感器来完成。
集成机器人与分离机器人方法
一个重要问题是明确区分机器人本体与其载荷，这与火箭和卫星非常相似，两者不同，不应混为一谈。拖拉机与其挂载设备的关系也是如此。
我们生产”火箭”和”拖拉机”：
您可以在它们上面安装各种载荷，从简单的货篮到机械臂和复杂的扫描仪。您也可以通过我们的开放接口和协议对它们进行控制。
集成机器人方法
机器人往往是完全集成的，即其载荷与本体紧密融合。集成机器人方法有其优缺点。
优点：
- 构建可能更容易，因为机器人只针对单一任务进行优化，非常专注
- 操作更简单
- 可能更轻
- 可能更稳健
- 短期内可能成本更低
缺点：
- 缺乏灵活性，而这是个大问题。理论上您拥有一台能力很强的机器人，但它只针对一件事进行了优化，而您需要的是另一件事
- 从长远来看可能更昂贵，因为缺乏灵活性，不同任务需要多种不同类型的机器人，甚至可能来自不同的制造商
分离机器人方法
优点：
- 使用灵活。通过有限数量的机器人平台和有限类型的挂载设备，可实现几乎无限种不同的配置
- 开发灵活，因为各部分可独立发展，只需保持接口（电气、机械、软件）兼容
- 机器人平台可以简单，甚至简陋，但仍然非常实用，因为它只是一个平台 – “拖拉机”或”火箭” – 没有复杂的”卫星”
- 每台机器人成本更低
缺点：
- 集成更复杂。机器人至少由两部分组成：”拖拉机”和”设备”
- 可能不够稳健，因为分离方法有更多不同的变体，即需要更多测试、涉及更多方等。机器人与载荷来自不同制造商时可能存在不兼容
机器人平台及载荷/设备示例
机器人平台：
- 自主配送平台。它确实像一台拖拉机，但可以搭载不同的物品 – 不同的载荷或不同的设备
- 无人机本体
载荷或设备：
- 机械臂，例如用于拾取箱子并放置到机器人上
- 机器人上的货篮
- 机器人或无人机上的摄像头
- 各类测量仪器（化学、辐射、噪声等）
- 扫描仪（三维扫描仪、条形码/QR码读取器、5G/6G等）
- 防火设备
集群机器人
让单台机器人自主驾驶并非易事，而让一个机器人集群协同运作则更具挑战性。
挑战是什么？
- 当周围有太多运动物体（其他机器人）时，每台机器人更难做出决策，因为环境以不可控且难以预测的方式变化。
- 如果机器人需要向中央计算机发送数据流或接收来自中央计算机的独立数据流，可能没有足够的无线带宽或带宽来为所有机器人提供服务。
- 由于机器人是自主且独立的，它们可能随机请求访问共享的公共通信信道。如果信道带宽不比所需峰值吞吐量高10-100倍，碰撞概率就会很高。因此，需要专用的中央控制器或碰撞解决机制，两者都会增加复杂性并带来其他限制。
- 机器人会相互遮挡对周围其他物体的视野。机器人能感知邻近机器人，而用于定位参考的物体（如外部固定参考点）却不太可见。
有哪些解决方案？
Marvelmind可以帮助解决集群中机器人的定位问题，这是最关键的起点，因为一旦定位问题得到妥善解决，机器人集群的许多其他困难就不会发生。
请参阅下方的集群示例和解决方案。