激光導航技術

　　激光導航脫胎于早期的基于測距的定位方法(如超聲和紅外)，激光測距向特定方向發射光束，光線反彈后被接收器捕獲，可以通過時間計算自己和物體的距離。激光導航通過激光傳感器獲取環境信息，并測量機器與障礙物的距離，經過算法處理，構建二維地圖，實現定位導航。

　　激光導航具體的工作原理是通過激光雷達采集的環境信息呈現出一系列分散、角度準確、距離信息的點，稱為點云。激光導航通過匹配和比較不同時刻的兩片點云，計算出機器相對運動的距離和姿勢的改變，從而完成自身定位。相對簡單的原理以及激光傳感器的特性使它具備高效率、高精度，同時不易受干擾的優勢。

　　視覺導航技術

　　視覺導航，顧名思義，即通過視覺傳感器采集環境信息，根據特征點或標志物進行建圖，實現自主定位導航。

　　研究表明，人類獲取的環境信息量75%來自視覺，而雙目視覺在結構上模仿人類視覺，利用雙目視差，實現深度測距。在工作原理上，雙目視覺可以從環境中獲取海量的、富于冗余的紋理信息，擁有強大的場景辨識能力，這為機器人實現智能決策提供了先決條件。通過雙目采集的二維環境信息利用立體視覺技術可生成具有深度信息的三維地圖，能夠解算出區域內障礙物的距離、體積以及屬性信息，從而實現定位、導航、路徑規劃、避障等功能。

　　同時，結合語義識別，雙目視覺可以更好地理解房屋布局、空間結構，實現智能交互，如目標跟蹤、執行特定指令等。

　　兩者各有優劣

　　從可預見的未來看，用戶對于智能化需求的提升一直保持著十分高的期望，這也為下一代掃地機器人指明了方向。而機器人要模擬人類大腦的“思維導圖“，學會獨立思考，智能決策則是關鍵。

　　而激光導航受限于傳感器屬性，點云無法區別紋理信息，不具備場景辨識能力，因此在智能決策和智能交互方面無法提供有效支持，智能拓展性不足。同時，由于布局限制對低矮障礙物容易產生探測盲區，在實際表現中，時常出現避障失效、誤觸、反應遲鈍等問題。

　　視覺導航的缺點是數據處理量巨大，在算法和硬件無法給予足夠支持時，會產生測距誤差，精準度下降等問題，因此市面上的大部分視覺方案精度和穩定性都較差。此外，由于技術實現難度較高，研發成本和周期都要遠遠超過其它方案。

　　由于兩者都有一定的局限性，行業頭部廠商另辟蹊徑，推出了采用融合策略的方式的掃地機器人產品，如采用“激光導航+雙目攝像頭”的石頭T7Pro，和采用“激光導航+ToF”方案的科沃斯T8，融合視覺傳感器彌補了避障功能上的缺失，實際表現明顯提升，不過這類方案缺點也很明顯，模組傳感器復雜繁多，集成難度大，同時成本非常高。

　　視覺技術迅速發展，視覺導航正走向成熟

　　作為一家一直專注于計算機視覺研發的AI技術公司，INDEMIND在視覺導航上積累了大量的專利技術、應用經驗及海量的數據，在2020年，便專門面向掃地機器人推出了雙目視覺導航方案，并和多家頭部廠商達成合作。

　　INDEMIND雙目視覺導航方案以雙目立體視覺為核心，將導航定位、智能避障、家居識別、智能交互等算法高度集成，能夠大大降低成本和開發難度。在應用表現上，該方案提供0.05-1.5m范圍內誤差小于1%的深度計算，能夠構建三維空間地圖，立體識別十幾種大類家居用品，物體識別精度<2cm，并能根據不同障礙物信息，如鞋、襪子、電線、寵物糞便，實現策略性避障。需要提到的是，該方案的導航精度實現絕對定位精度<1%，姿態精度<1°，已達到激光方案同等水平。

　　此外，得益于視覺技術的天然優勢，掃地機器人可配合目標指令，實現目標跟蹤、指定區域清掃等多種交互需求，同時方案兼具智能拓展，通過配置業務邏輯，能夠實現更多定制化需求，如智能看護、安防等。