导航避障是核心 扫地机器人身上到底有多少双“眼睛”

  【雷竞技须安全稳定 家电频道】伴随着技术的不断革新以及功能的不断完善，扫地机器人与我们生活之间的联系变得紧密，越来越多的人依靠它们“解放双手”，从繁琐的家务劳动中抽离出来，以获得更多的娱乐与休闲时间。在一次次参与评测的过程中，不管是实际体验还是具体数据，我们也都能实打实地感受到扫地机器人的进步以及他们所带来的便利。今天我们来聊聊扫地机器人身上的“眼睛”，即它们的建图导航和避障识别能力。

  建图导航与避障识别的能力是扫地机器人实现高效工作的重要基础，现阶段扫地机器人使用的导航技术主要有两种，一是基于LDS激光雷达的SLAM导航技术，二是基于光学传感器的vSLAM导航技术。其中，基于LDS激光雷达的SLAM导航技术是利用激光雷达对室内环境进行扫描，再由相应的导航算法规划出合理的清洁路径。而基于光学传感器的vSLAM导航技术，则包括了基于RGBD的深度摄像机和基于单目、双目或者鱼眼摄像头两种方案，采用深度摄像机的vSLAM和激光SLAM类似，通过收集到的点云数据，能直接计算障碍物距离，采用单双目、鱼眼相机的vSLAM方案，则是利用多帧图像来估计自身的位姿变化，再通过累计位姿变化来计算距离物体的距离，并进行定位与地图构建。

  客观来说，基于光学传感器的vSLAM导航会比基于LDS激光雷达的SLAM导航更为先进，因为LDS激光雷达只能带来二维探测，对低矮障碍物就可能存在探测盲区，不带来完整的导航结果。但是也不能认为vSLAM导航没有弊端，vSLAM导航对机器人搭载的处理器算力要求更高，当感知数据量大时，大量的环境信息会加剧数据处理单元的运行压力，倘若算法和硬件无法给予足够支持，测距误差就会出现，从而导致精准度下降。

  因此，现在更多的扫地机器人会将两种导航技术相结合以获取相对平衡且更准确的导航方案。以石头科技近日发布的新产品石头自清洁扫拖机器人G10 Plus为例，它就综合使用了三角测距以及dToF。其中三角测距是采用激光器发射激光，在照射到物体之后，反射光会由线性CCD接收，根据光学路径，不同距离的物体将会在CCD上成像在不同的位置，然后按照三角公式进行计算，就可以推导出被测物体的距离。然而三角测距的目标物体距离越远，在CCD上的位置差别就越小，以致于在超过某个距离后，CCD几乎无法分辨，因此三角测距一般只能在短距离范围内使用。

  而dToF则是通过计算光发射再反射回来的飞行时间，判断自己和物体之间的距离，它在对识别远距离物件能够做到更快更准确，然而识别近距离物体时精度会下降。综合来说，三角测距以及dToF分别在近距离与远距离为石头G10 Plus提供精准的物体识别方案，带来更快速、更全面的建图和路线规划。

  而避障功能可以理解为扫地机器人在工作时对周边环境和自身位置的理解感知。早些时候的扫地机器人大多采用的都是相对基础的避障技术，实现避障主要通过红外传感器探测、超声波仿生探测、视觉识别、半包裹防撞缓冲板来实现，实际的避障能力相对有限，特别是在面对电源线、袜子、拖鞋等较为低矮的物体时，较难地准确识别避障。扫地机器人被电源线缠绕、将鞋子、袜子推进床底的问题屡见不鲜。

  面对不断提升的避障需求，一种使用结构光进行主动测距避障的技术被应用到扫地机器人身上，该技术能够达到毫米级3D结构光测距，大大提升了扫地机器人的避障能力。同时搭配运用了AI技术的识别算法，能够智能感知家庭环境中的布局和各种障碍物，乃至乃至实时感知人类活动，作出避让等反应。

  扫地机器人的清洁效果一直是我们衡量其是否好用的判断标准，但是想要达到良好的清洁效果少不了优异的导航和避障能力作为前提。扫地机器人身上不同的“眼睛”，如何确保机器人在自主移动的过程中保证覆盖率、减少不必要的碰撞，是未来需要完善与提升的方向。