扫地机器人的导航技术解析

目前市场上主流的导航技术主要是两种，一是基于激光测距传感器的SLAM，简单说就是激光导航，另一种是基于机器视觉的SLAM，我们也称之为视觉导航。

相对来说，激光导航算是扫地机器人导航中的前辈，市场占有率较高，技术比较成熟。视觉导航算是扫地机器人导航中的“后浪”，目前的主流趋势，前景较大。那么激光导航作为前辈，有着什么样的优势？视觉导航作为“后浪”，又怎样才能超越前辈呢？下面让我们一起来了解下。

激光导航

激光导航技术的基本原理相对简单，脱胎于早期的基于测距的定位方法。通过高速旋转发射激光，再通过激光发射后触及障碍物反射回来的时间判断自己和障碍物之间的距离。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常，激光SLAM系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。

由于原理简单，涉及计算量也不至于短时间内让处理单元难以负载，同时点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变得直观。所以使用激光导航技术的扫地机器人往往可以更精准地绘制二维地图或三维模型，是目前最稳定、最主流的定位导航方法。

当然，性能更加优异的激光导航技术所需的硬件成本也更高，以及激光雷达测距传感器损坏时维修成本也更高。并且，对于扫地机器人来说，还有一个很致命的弊端，就是地图缺乏语义信息，很大程度上影响了人与扫地机的智能交互功能。

视觉导航

传统意义上实现视觉导航的VSLAM主要通过两种视觉传感器来获取信息，一是深度摄像头，通过测距实现三维空间感知，也算作一种测距传感器，属于主动光源测距传感器，包括结构光和相位TOF两种。二是双目、多目、鱼眼传感器，属于非主动光源传感器，工作机制类似于人眼，根据三角测距的原理，通过分析两个传感器采集到的图像的差异，计算出距离信息。

视觉导航技术的优势在于成本较低，最基础的功能仅需要可以采集到清晰环境图像信息的摄像头，以及处理信息的计算单元，搭载训练完成的AI模型即可实现。较低的物料成本意味着较低的产品价格，更易被消费者接受，用户数量增加便可以不断训练AI模型，形成良性循环。以及双目导航传感器等非主动光源测传感器是通过接受环境光计算距离，理论上可以建图的区域更大。

视觉导航技术的弊端也同样突出，毕竟硬件条件过于薄弱，正是由于仅靠摄像头来采集信息，主动光源测距传感器由于功率较低，很容易受到环境光的干扰，而非主动光源测距传感器在光线条件不好的情况下几乎无法工作，对光线的要求很高；其次，非主动光源测距传感器和人眼一样，距离越大，误差越大，同时过多的光线数据也让处理单元难以负荷。加之VSLAM研究起步较晚，所以目前市场上很少有完全采用视觉导航系统的扫地机器人，更多的是激光导航+视觉传感器或其他传感器的融合方案。

从未来发展角度而言，目前无论行业发展还是产品用户体验，视觉导航的潜力是毋庸质疑的。除了科沃斯、iRobot等扫地机器人行业头雁外，国内还有很多优秀企业在视觉导航领域不断“攻克”难题。如国内立体视觉方案提供商INDEMIND便推出了面向扫地机器人的视觉导航定位解决方案。

据了解，INDEMIND视觉导航解决方案是采用双目立体视觉+IMU架构，且方案成熟度较高，并与业内诸多企业建立合作。该方案通过立体视觉技术与高精度Vi-SLAM算法，将本应涉及超长产业链的扫地机定位、交互问题集中到一套解决方案中，快速为客户相关产品提供高精度的导航定位、路径规划、智能避障、目标跟随、家居识别等核心功能。值得一提的是，该方案的导航精度已实现绝对定位精度《1%，姿态精度《1°的领先水平，足以媲美激光雷达。

总的来说，视觉导航是系统鲁棒性更强、成本更低、适用性更强、更加智能的扫地机器人导航方案，能够更好地引领扫地机器人向家庭清洁智能助手转变，随着技术的不断进步，可以预见视觉导航这名后浪强劲的发展趋势，视觉导航也必将成为扫地机器人导航领域的主流。