前言
目前工业界广泛落地使用的移动机器人，除了应用场景在餐厅、酒店、超市等小范围室内送餐机器人和消毒机器人外，另外一个“大赛道”应用场景就是在工厂、制造装配车间、电站或车站的物流搬运机器人和巡检机器人了。
而在最开始，一切都得从AGV（Automated Guided Vehicle）在物流搬运场景的默默发展和相关技术、工程人员的持续的探索和耕耘，导航技术作为一项核心技术，是赋予AGV感知和行动能力的关键。
AGV技术的发展，实际上就是导航导引方式的演进史：
（一）1913年美国福特汽车公司将自动搬运车用到汽车底盘装配上，此时的自动搬运车即是如近定义的RGV类型移动机器人。
（二）1953年真正意义上的第一辆AGV 问世，该产品在产品定义初期就是为在工业物流领域解决无人搬运运输问题的车辆（随后在丰田、大众等全球主要汽车厂中的制造和装配线上都能看到AGV的身影），当时采用的导航方式为在地板下埋线取代地面上的导引轨道，组成以电磁感应引导的AGV车群。
（三）1959年，AGV应用到仓储自动化上。
（四）1973年瑞典VOLVO公司在KALMAR轿车厂的装配线上采用了88台AGV，使用计算机控制轿车的整个装配作业。
（五）1990年，瑞典开发了AGV激光导航系统。
（六）1991年，荷兰开始使用磁体网络导航技术。
（七）2000年，比利时使用激光导引与惯性复合、激光测角与测距相结合的导引控制技术。
回到国内的发展历史，我们针对AGV研究起步较晚，从1976年北京起重机械研究所开始，研制了我国第一台AGV。再到1988年和1992年，原邮电部北京邮政科学技术研究所和天津理工学院分别研制了针对邮政枢纽场景使用的AGV和应用在核电站的光学导引式AGV。
来到千禧年后随着电商的兴起，物流业的发展和政策的扶持，我国AGV研发与制造取得了长足发展，海柔创新、新松、快仓、极智嘉等新兵老将争相入局，目前，据不完全统计，中国共出现了70+家仓储AGV企业。
纵观移动机器人的历史发展，AGV是作为了移动机器人研究、产品化的主力军，其导航方式主要以电磁导航、磁带导航为主。经过多年的发展，移动机器人的导航系统也逐渐从最初的有轨导航到无轨导航发展和进步，在传统AGV的基础上，伴随着技术的发展，AMR（自主移动机器人）的概念被提出并开始逐渐占据应用市场，其与传统AGV的自动导引相比，AMR更强调机器人的自主性和灵活性。至今，移动机器人在应用场景中对特定标志物的依赖逐渐较少，对环境适应性逐渐增强，导航的精度和可靠性不断得到提高。
1、导航系统作用
移动机器人导航是指移动机器人确定自己在地图参考系中的位置后，自动规划出通往地图参考系中某个目标位置路径并沿着该路径到达目标位置点的能力。在自主移动的过程中，导航作为核心技术是赋予移动机器人行动能力的关键，导航系统主要会赋予移动机器人解决以下三个问题的能力：
（1）移动机器人“我”现在何处的问题；
（2）移动机器人“我”要往何处走的问题；
（3）移动机器人“我”如何到达该处的问题；
其中第一个问题是移动机器人导航系统的定位及其跟踪问题，第二、三个是导航系统的路径规划和运动控制问题。
图1 工厂AGV自动作业解决方案概念图
2、导航系统组成
基于上述的描述，导航可以定义为四个基本能力的组合：定位，路径规划，运动控制和地图构建。
（1）定位：移动机器人的定位能力即为移动机器人确定自身在导航地图中位置和方向的能力。
（2）路径规划：基于移动机器人在地图参考系下的当前位置和目标位置，规划出一条无碰撞的连接两个位置点的路线供移动机器人行驶参考。该系统功能可进一步细分为全局路径规划(globle_planner)和局部路径规划(local_planner)，其中全局路径规划根据给定的目标位置点和地图实现全局的最优路径设计与生成；在实际导航过程中由于障碍物或者环境变化的影响，移动机器人可能无法按照给定的全局最优路线运行，因此需要局部路径规划在全局路径上生成短期局部的路径来实现临时无碰撞的规避。
（3）运动控制：基于全局和局部路径规划生成路径，结合移动机器人定位功能输出的实时位姿对移动机器人进行运动控制，以保证移动机器人能尽可能地沿着规划的路径移动。在控制移动机器人移动的过程中，移动运动控制模块需要考虑移动机器人实际位姿与目标位姿间的偏差量、移动机器人速度和加速度等的限制、移动机器人机械结构带来的运动约束和运动平滑性等多种因素，合理、高效地输出速度、加速度甚至力矩等控制量，上层控制量再经由伺服器、减速器和电机解算最终赋予移动机器人沿着路径顺滑移动的能力。
（4）地图构建：地图构建技术即为SLAM（实现地图构建和即时定位），在该功能赋予移动机器人在未知环境中的移动过程中增量式地构建地图的能力，由此构建出与外部环境一致的可用于移动机器人导航的地图。
图2 3D点云地图：点云细节展开与渲染地图
3、定位技术的重要性
移动机器人和无人机等是不能够像工业机器人利用关节处的力矩传感器和编码器的读数直接进行位姿的解算的，抛开工业机械设计制造及其装配时带来的误差，移动机器人和无人机等内置的传感器往往会因为轮子打滑、IMU噪声等问题引入难以忽略的误差。
由此机器人学中的状态估计与确认就成了一种概率性质的状态估计与更新方法论，所以不论是移动机器人还是无人机，如果需要想赋予其自主导航移动能力的话，那么定位技术或着是SLAM技术是能力赋予的基础。
图3 无人车定位、运动规划、自动泊车和感知概念图