移动机器人关键技术

移动机器人关键技术
在机器人领域所要研究的问题非常多，会涉及到计算机、传感器、人机交互、防生学等多个学科，其中环境感知、自主定位和运动控制是机器人技术的三大重点问题，以下将针对这三点进行详细探讨。
环境感知
目前，在机器人室内环境中，以激光雷达为主，并借助其他传感器的移动机器人自主环境感知技术已相对成熟，而在室外应用中，由于环境的多变性及光照变化等影响，环境感知的任务相对复杂的多，对实时性要求更高，使得多传感器融合成为机器人环境感知面临的重大技术任务。
利用单一传感器进行环境感知大多都有其难以克服的弱点，但将多传感器有效融合，通过对不同传感器的信息冗余、互补，几乎能使机器人覆盖所有的空间检测，全方位提升机器人的感知能力，因此利用激光雷达传感器，结合超声波、深度摄像头、防跌落等传感器获取距离信息，实现机器人对周围环境的感知成为各国学者研究的热点。
本文主要文献参考链接

https://mp.weixin.qq.com/s/brmPTFKPbyIW1tvYd6lp1Q

https://mp.weixin.qq.com/s/L6ccbSIpx4t0AVoU8TQjjQ

https://mp.weixin.qq.com/s/45-30I7NVrnch-t5X85TEg

https://mp.weixin.qq.com/s/sRCNj1EXZY3zGdxqKkscSg

使用多传感器构
成环境感知技术可带来多源信息的同步、匹配和通信等问题，需要研究解决多传感器跨模态跨尺度信息配准和融合的方法及技术。但在实际应用中，并不是所使用的传感器种类越多越好。针对不同环境中机器人的具体应用，需要考虑各传感器数据的有效性、计算的实时性。
自主定位
移动机器人要实现自主行走，定位也是需要掌握的核心技术之一，目前GPS在全局定位上已能提供较高精度，但GPS具有一定的局限性，在室内环境下会出现GPS信号弱等情况，容易导致位置的丢失。
近年来，SLAM技术发展迅速，提高了移动机器人的定位及地图创建能力，SLAM 是同步定位与地图构建 (Simultaneous Localization And Mapping) 的缩写，最早是由 Hugh Durrant-Whyte 和 John J.Leonard 在1988年提出的。SLAM与其说是一个算法不如说一个概念更为贴切，定义为解决“机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征（比如，墙角，柱子等）定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目”的问题方法的统称。

路径规划
路径规划技术也是机器人研究领域的一个重要分支。最优路径规划就是依据某个或某些优化准则（如工作代价最小、行走路线最短、行走时间最短等），在机器人工作空间中找到一条从起始状态到目标状态、可以避开障碍物的最优路径。
根据对环境信息的掌握程度不同，机器人路径规划可分为全局路径规划和局部路径规划。

全局路径规划是在已知的环境中，给机器人规划一条路径，路径规划的精度取决于环境获取的准确度，全局路径规划可以找到最优解，但是需要预先知道环境的准确信息，当环境发生变化，如出现未知障碍物时，该方法就无能为力了。一种事前规划，因此对机器人系统的实时计算能力要求不高，虽然规划结果是全局的、较优的，但是对环境模型的错误及噪声鲁棒性差。
局部路径规划则环境信息完全未知或有部分可知，侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避障能力，通过传感器对机器人的工作环境进行探测，以获取障碍物的位置和几何性质等信息，这种规划需要搜集环境数据，并且对该环境模型的动态更新能够随时进行校正，局部规划方法将对环境的建模与搜索融为一体，要求机器人系统具有高速的信息处理能力和计算能力，对环境误差和噪声有较高的鲁棒性，能对规划结果进行实时反馈和校正，但是由于缺乏全局环境信息，所以规划结果有可能不是最优的，甚至可能找不到正确路径或完整路径。
全局路径规划和局部路径规划并没有本质上的区别，很多适用于全局路径规划的方法经过改进也可以用于局部路径规划，适用于局部路径规划的方法同样经过改进后也可适用于全局路径规划。两者协同工作，机器人可更好的规划从起始点到终点的行走路径。
感知、定位、路径规划技术现状如何？
解决机器人自主行走难题，国内针对环境感知、自主定位及路径规划等技术进行研究的企业不在少数，国内思岚科技作为机器人定位导航技术之首，在实现机器人自主行走中已有较为成熟的产品，例如可帮助企业降低研发成本的Apollo，Apollo机器人底盘搭载了激光测距传感器、超声波传感器、防跌落等传感器。在底盘之上配置深度摄像头传感器。同时配合自主研发的SLAMWARE自主导航定位系统，让机器人实现自主建图定位及导航功能。
当Apollo处于未知环境中，无需对环境进行修改，利用SharpEdgeTM精细化构图技术，构建高精度、厘米级别地图，具备超高分辨率，不存在误差累加。同时利用D*动态即时路径规划算法寻找路径并移动到指定地点，无需二次优化修饰，可直接满足人们的使用预期。

除此之外，基于纯软件方式，无需额外进行辅助铺设，可对Apollo进行预定路线设置，或通过设置虚拟墙及虚拟轨道阻止Apollo进入某个工作禁区。
在工作过程中当Apollo出现电量过低的情况时，可支持可外部调度的预约式充电自主导航定位，自动返回充电坞充电。
另外，Apollo的扩展接口还集成了网口，供电接口和各种控制接口，以便用户快速进行开发扩展。Apollo可通过有线网络或WIFI与外部通信，本身自带的电池可为自身与外接的扩展模块供电，用户可通过各种控制接口对整个Apollo及上层扩展模块进行控制。
总之，近年来各国政府都非常重视机器人技术的发展，并投入了大量的资源激发机器人企业不断创新、开拓进取，相信未来，机器人也将成为人们日常生活中的重要一员，引领人们走向更便捷的时代！
移动机器人核心技术“抢滩登陆战”
今年的《政府工作报告》提出，启动一批产业基础再造工程项目，促进传统产业升级，大力推进智能制造，加快发展先进制造业集群，实施国家战略性新兴产业集群工程。

但智能制造离不开机器人这一重要的智能设备，然而目前工业机器人行业由于核心技术不足，自主品牌工业机器人以组装和代加工为主，不少机器人还处于行业的中低端。基于这一背景，推动机器人产业高质量发展，势在必行。

移动机器人作为机器人行业的重要组成，同样亟待突破核心技术的瓶颈，蓝芯科技正是坚持通过自主研发、打破机器人核心技术瓶颈的移动机器人企业。

核心技术“抢滩登陆战”

近年来，移动机器人行业发展迅速。一方面，AMR在技术和产品层面，迭代加速，新玩家、新技术、新产品不断涌现，如复合机器人、料箱机器人、上下料机器人等新产品不断涌现，并延续高热度；另一方面，AMR的市场化落地进程加快，行业渗透率持续提升，从汽车、3C、半导体、新能源等行业向其他工业领域延伸。

但迅速发展下，移动机器人的核心技术真的突破了吗？

据了解，使用磁条、二维码等导航方式的AGV前期实施工程量巨大、路线更改缺乏灵活性；使用2D激光导航的AMR虽然相对于磁条、二维码机器人而言，部署便捷、柔性灵活，但也有痛点，如现场环境不断变化影响机器人定位，部分应用场景工位对接精度要求高且工位形态多样化，机器人行驶过程中的各种安全问题等等。

在蓝芯科技CEO高勇看来，不论是磁条、二维码还是激光导航，本质上依然是弱感知导航技术，在实际应用中，稳定性、安全性、智能性是弱感知机器人的“硬伤”，如何解除移动机器人的“硬伤”是整个行业亟待突破的关键技术。

由此可得，要突破“硬伤”，移动机器人的感知能力需要由弱走向强。而让移动机器人拥有强感知能力的其中一个技术方向是以视觉为移动机器人赋能，这也正是蓝芯科技一直以来坚定不移的大方向。

以视觉赋予移动机器人强感知能力拥有两大优势，其一，视觉导航信息获取能力强大。视觉导航由于能从三维环境中采集丰富的信息，因此能够适应客户在常规使用需求中的复杂场景。其二，视觉导航模块具有系统拓展性。随着通信设备/处理器等周边配套设施的不断完善，视觉导航模块正飞速进步，视觉导航与计算机连接可以实现大规模的调度任务，而视觉导航技术与5G及云端系统的融合也将更进一步。
深度视觉技术优势明显，但门槛较高，其不仅要求企业具备移动机器人研发团队，还要求企业对计算机视觉技术拥有较高的储备。此外，选择深度视觉技术路线的企业还需要应对大量的算法和高要求的算力。
蓝芯科技凭借在深度视觉领域近20年的技术积累，以及视觉、整机完整的技术团队，已为企业在移动机器人领域的核心技术突破提供了充足条件，在移动机器人核心技术的“突围赛”上取得了一定成果。
蓝芯科技推出的LX-MRDVS（移动机器人深度视觉系统）涵盖蓝芯自研的3D视觉传感器和视觉感知算法，搭载LX-MRDVS的移动机器人产品（Visual Mobile Robot，VMR）可实现视觉定位导航、视觉对接、视觉避障、视觉抓取等功能，让移动机器人拥有强感知能力。
高勇表示：“核心技术和零部件是工业机器人产业的底层技术，底层技术决定上层能力。以深度视觉赋能移动机器人强视觉感知能力，使蓝芯的整机产品突破传统AGV或AMR的应用边界，为更多制造业客户和细分领域提供智能化升级服务。”

落地场景的突破
2021年，蓝芯科技的LX-MRDVS在自研自产的整机产品上实现全覆盖，通过深度视觉感知技术赋能，有效提高了整机产品的安全性、稳定性和智能性，使机器人进一步突破以往的应用边界，满足更复杂的场景应用需求。

以蓝芯科技的无人叉车产品为例，该款产品是国内为数不多的纯视觉定位导航移动机器人，通过车载3D视觉传感器采集三维环境信息，随后凭借AI算法从点云图中获得稠密的深度数据，可以大幅优化移动机器人的定位精度，提高移动机器人面对复杂环境的鲁棒性。
在终端行业的认可度上，截至目前，蓝芯科技的VMR产品已被广泛应用于3C、新能源、化工、包装等诸多行业，拥有众多落地案例，服务华为、中兴、美的、东芝、富士康、海力士、商飞等国内外知名企业，并屡获市场好评。
以蓝芯科技为某大型消费电子企业打造的智能物流产线为例，在该产线中，环境复杂多变，对移动机器人定位导航是一大考验，尤其在成品库，货物出入库频繁，依靠激光雷达进行导航易丢失定位，同时存在较大的视觉盲区。
该企业通过引入蓝芯科技的VMR产品，解决了场景变化导致的定位丢失难题且弥补激光导航的避障缺陷，最终实现了产线的全自动物流。
再以蓝芯科技为某电气企业打造的智能物流方案为例。通过应用机器人调度系统以及基于深度视觉的智能搬运机器人、无人叉车产品，让该企业近2万平方米的生产车间实现了高柔性的物流。

在深度视觉技术的赋能下，移动机器人将更智能，不再局限于简单的搬运工作。比如蓝芯科技新推出的印刷机上下料机器人既能搬运，更可以通过视觉感知技术实现卷料和印刷机的全自动对接，误差≤5mm。除了印刷机上下料机器人，蓝芯科技面向更多细分领域的专机产品已进入测试阶段，将陆续发布。
高勇表示：“落地场景突破的‘里子’其实是机器人核心技术的突破。AGV落地应用几十年，产业发展已现同质化，‘你有我有大家有’的技术和产品在市场上缺乏竞争力，更不用谈落地场景突破。只有技术够硬，才能在市场上打出不一样的“拳”，形成更宽、更深的‘护城河’。”
打破核心技术“壁垒”后的下一步
日本工业自动化巨头、世界机器视觉龙头企业基恩士，产品销售遍布全球，但在疫情横扫之下，业绩却逆势上扬，2021年基恩士利润再创新高，同时利润率超50%，创始人滝崎武光以身价382亿美元登顶成为日本首富。
值得注意的是，基恩士本身并不生产产品，而是设计产品。基恩士创业47年来专攻黑科技，产品的价格通常是同行的5倍以上，销量遥遥领先。能解决别人解决不了的问题，这是企业科技实力的体现；掌握核心技术，才能提高品牌的附加值。
“基恩士这种‘轻资产’运营模式非常值得机器人企业学习，企业需要思考和定位自己的核心业务是什么，紧紧抓住核心业务，做高端制造业才是机器人企业的出路。”高勇表示，“LX-MRDVS是蓝芯在移动机器人深度视觉感知技术领域迈出的第一步，蓝芯科技的最终目标是向人类的视觉感知和智能水平靠拢，让机器人能适应更复杂多样的工业环境，承担更多工作。”
自主移动机器人四大基础技术

移动机器人的技术应用十分广泛，天上飞的，水里游的，地上跑的，都可以应用移动机器人领域的技术。如工业机器人里的搬运机器人；商用机器人分类里的无人车、无人机、送餐机器人、导览机器人；又或是消费类机器人中普及率很高的扫地机器人。

移动机器人的核心技术紧紧围绕着“感知”、“决策”、“执行”这三方面。

关键技术一：
定位与建图（slam），SLAM是Simultaneous Localization and Mapping的缩写，意为“同时定位与建图”。指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程。目前，SLAM的应用领域主要有机器人、虚拟现实和增强现实。用途包括传感器自身的定位，以及后续的路径规划、场景理解。

随着传感器种类和安装方式的不同，SLAM的实现方式和难度会有很大差异。按传感器来分，SLAM主要分为激光、视觉两大类。其中，激光SLAM研究较早，理论和工程均比较成熟。视觉方案目前有少数厂商在实际产品中应用。

SLAM研究自1988年提出以来，已经过了近三十年。早期SLAM研究侧重于使用滤波器理论，最小化运动体位姿和地图的路标点的噪声。21世纪之后，学者们开始借鉴
SfM(Structure from Motion)中的方式，以优化理论为基础求解SLAM问题。这种方式取得了一定的成就，并且在视觉SLAM领域中取得了主导地位。

激光传感器：激光传感器可以直接获得相对于环境的直接距离信息，从而实现直接相对定位，对于激光传感器的绝对定位及轨迹优化可以在相对定位的基础上进行。

视觉传感器：视觉传感器很难直接获得相对于环境的直接距离信息，而必须通过两帧或多帧图像来估计自身的位姿变化，再通过累积位姿变化计算当前位置。这种方法更类似于直接用里程计进行定位，即视觉里程计。里程计的测量积分后才相当于激光传感器直接获得的定位信息，这就是图优化SLAM框架中的前端。而后端对定位和位姿轨迹的优化本质上与激光传感器的优化相同，都基于最优估计的理论框架进行。

关键技术二：
规划。规划包括路径规划和运动规划。规划相关的技术发展较为成熟。
移动机器人常用的路径规划算法有A*、D*等；常用的运动规划有PID、VFF、DWA、PTG等。

关键技术三：控制。

关键技术四：结构设计、硬件设计。
移动机器人5种常用定位技术
移动机器人目前已经遍布军事、工业、民用等各大领域，并还在不断的发展中，目前移动机器人技术已获得了可喜的进展，研究成果令人鼓舞，但对于实际中的应用需求还需要长时间的发展，相信随着传感技术、智能技术和计算技术等的不断提高，智能移动机器人一定能够在生产和生活中扮演人的角色。那么移动机器人定位技术主要涉及到哪些呢？经总结目前移动机器人主要有这5大定位技术。
移动机器人超声波导航定位技术
超声波导航定位的工作原理也与激光和红外类似，通常是由超声波传感器的发射探头发射出超声波，超声波在介质中遇到障碍物而返回到接收装置。
通过接收自身发射的超声波反射信号，根据超声波发出及回波接收时间差及传播速度，计算出传播距离S，就能得到障碍物到机器人的距离，即有公式：S＝Tv／2式中，T—超声波发射和接收的时间差；v—超声波在介质中传播的波速。

当然，也有不少移动机器人导航定位技术中用到的是分开的发射和接收装置，在环境地图中布置多个接收装置，而在移动机器人上安装发射探头。
在移动机器人的导航定位中，因为超声波传感器自身的缺陷，如：镜面反射、有限的波束角等，给充分获得周边环境信息造成了困难，因此，通常采用多传感器组成的超声波传感系统，建立相应的环境模型，通过串行通信把传感器采集到的信息传递给移动机器人的控制系统，控制系统再根据采集的信号和建立的数学模型采取一定的算法进行对应数据处理便可以得到机器人的位置环境信息。
由于超声波传感器具有成本低廉、采集信息速率快、距离分辨率高等优点，长期以来被广泛地应用到移动机器人的导航定位中。而且它采集环境信息时不需要复杂的图像配备技术，因此测距速度快、实时性好。
同时，超声波传感器也不易受到如天气条件、环境光照及障碍物阴影、表面粗糙度等外界环境条件的影响。超声波进行导航定位已经被广泛应用到各种移动机器人的感知系统中。
移动机器人视觉导航定位技术
在视觉导航定位系统中，目前国内外应用较多的是基于局部视觉的在机器人中安装车载摄像机的导航方式。在这种导航方式中，控制设备和传感装置装载在机器人车体上，图像识别、路径规划等高层决策都由车载控制计算机完成。
视觉导航定位系统主要包括：摄像机（或CCD图像传感器）、视频信号数字化设备、基于DSP的快速信号处理器、计算机及其外设等。现在有很多机器人系统采用CCD图像传感器，基本元件是一行硅成像元素，在一个衬底上配置光敏元件和电荷转移器件，通过电荷的依次转移，将多个象素的视频信号分时、顺序地取出来，如面阵CCD传感器采集的图像的分辨率可以从32×32到1024×1024像素等。

视觉导航定位系统的工作原理简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。
GPS全球定位系统
如今，在智能机器人的导航定位技术应用中，一般采用伪距差分动态定位法，用基准接收机和动态接收机共同观测4颗GPS卫星，按照一定的算法即可求出某时某刻机器人的三维位置坐标。差分动态定位消除了星钟误差，对于在距离基准站1000km的用户，可以消除星钟误差和对流层引起的误差，因而可以显着提高动态定位精度。

但是因为在移动导航中，移动GPS接收机定位精度受到卫星信号状况和道路环境的影响，同时还受到时钟误差、传播误差、接收机噪声等诸多因素的影响，因此，单纯利用GPS导航存在定位精度比较低、可靠性不高的问题，所以在机器人的导航应用中通常还辅以磁罗盘、光码盘和GPS的数据进行导航。另外，GPS导航系统也不适应用在室内或者水下机器人的导航中以及对于位置精度要求较高的机器人系统。
移动机器人光反射导航定位技术
典型的光反射导航定位方法主要是利用激光或红外传感器来测距。激光和红外都是利用光反射技术来进行导航定位的。
激光全局定位系统一般由激光器旋转机构、反射镜、光电接收装置和数据采集与传输装置等部分组成。
工作时，激光经过旋转镜面机构向外发射，当扫描到由后向反射器构成的合作路标时，反射光经光电接收器件处理作为检测信号，启动数据采集程序读取旋转机构的码盘数据（目标的测量角度值），然后通过通讯传递到上位机进行数据处理，根据已知路标的位置和检测到的信息，就可以计算出传感器当前在路标坐标系下的位置和方向，从而达到进一步导航定位的目的。

激光测距具有光束窄、平行性好、散射小、测距方向分辨率高等优点，但同时它也受环境因素干扰比较大，因此采用激光测距时怎样对采集的信号进行去噪等也是一个比较大的难题，另外激光测距也存在盲区，所以光靠激光进行导航定位实现起来比较困难，在工业应用中，一般还是在特定范围内的工业现场检测，如检测管道裂缝等场合应用较多。
红外传感技术经常被用在多关节机器人避障系统中，用来构成大面积机器人“敏感皮肤”，覆盖在机器人手臂表面，可以检测机器人手臂运行过程中遇到的各种物体。
典型的红外传感器包括一个可以发射红外光的固态发光二极管和一个用作接收器的固态光敏二极管。由红外发光管发射经过调制的信号，红外光敏管接收目标物反射的红外调制信号，环境红外光干扰的消除由信号调制和专用红外滤光片保证。设输出信号Vo代表反射光强度的电压输出，则Vo是探头至工件间距离的函数：Vo＝f（x，p）式中，p—工件反射系数。p与目标物表面颜色、粗糙度有关。x—探头至工件间距离。
当工件为p值一致的同类目标物时，x和Vo一一对应。x可通过对各种目标物的接近测量实验数据进行插值得到。这样通过红外传感器就可以测出机器人距离目标物体的位置，进而通过其他的信息处理方法也就可以对移动机器人进行导航定位。
虽然红外传感定位同样具有灵敏度高、结构简单、成本低等优点，但因为它们角度分辨率高，而距离分辨率低，因此在移动机器人中，常用作接近觉传感器，探测临近或突发运动障碍，便于机器人紧急停障。
目前主流的机器人定位技术是SLAM技术
（Simultaneous Localization and Mapping即时定位与地图构建）
行业领先的服务机器人企业，大多都采用了SLAM技术。到底什么是SLAM技术呢？简单来说，SLAM技术是指机器人在未知环境中，完成定位、建图、路径规划的整套流程。
SLAM（Simultaneous Localization and Mapping，即时定位与地图构建），自1988年被提出以来，主要用于研究机器人移动的智能化。对于完全未知的室内环境，配备激光雷达等核心传感器后，SLAM技术可以帮助机器人构建室内环境地图，助力机器人的自主行走。

SLAM问题可以描述为：机器人在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计和传感器数据进行自身定位，同时建造增量式地图。
SLAM技术的实现途径主要包括VSLAM、Wifi－SLAM与Lidar SLAM。
1、VSLAM（视觉SLAM）
指在室内环境下，用摄像机、Kinect等深度相机来做导航和探索。其工作原理就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。
但是，室内的VSLAM仍处于研究阶段，远未到实际应用的程度。一方面，计算量太大，对机器人系统的性能要求较高；另一方面，VSLAM生成的地图（多数是点云）还不能用来做机器人的路径规划，需要进一步探索和研究。
2、Wifi－SLAM指利用智能手机中的多种传感设备进行定位，包括Wifi、GPS、陀螺仪、加 速计和磁力计，并通过机器学习和模式识别等算法将获得的数据绘制出准确的室内地图。该技术的提供商已于2013年被苹果公司收购，苹果公司是否已经把 Wifi－SLAM 的科技用到iPhone上，使所有 iPhone 用户相当于携带了一个绘图小机器人，这一切暂未可知。毋庸置疑的是，更精准的定位不仅有利于地图，它会让所有依赖地理位置的应用（LBS） 更加精准。
3、Lidar SLAM指利用激光雷达作为传感器，获取地图数据，使机器人实现同步定位与地图构建。就技术本身而言，经过多年验证，已相当成熟，但Lidar成本昂贵这一瓶颈问题亟待解决。
Google无人驾驶汽车正是采用该项技术，车顶安装的激光雷达来自美国 Velodyne公司，售价高达7万美元以上。这款激光雷达可以在高速旋转时向周围发射64束激光，激光碰到周围物体并返回，便可计算出车体与周边物体的距离。计算机系统再根据这些数据描绘出精细的3D地形图，然后与高分辨率地图相结合，生成不同的数据模型供车载计算机系统使用。激光雷达占去了整车成本的一半，这可能也是 Google 无人车迟迟无法量产的原因之一。
激光雷达具有指向性强的特点，使得导航的精度得到有效保障，能很好地适应室内环境。但是，Lidar SLAM却并未在机器人室内导航领域有出色表现，原因就在于激光雷达的价格过于昂贵。

参考链接
https://mp.weixin.qq.com/s/brmPTFKPbyIW1tvYd6lp1Q
https://mp.weixin.qq.com/s/L6ccbSIpx4t0AVoU8TQjjQ
https://mp.weixin.qq.com/s/45-30I7NVrnch-t5X85TEg
https://mp.weixin.qq.com/s/sRCNj1EXZY3zGdxqKkscSg