随着VSLAM在人工智能领域取得重大进展，VSLAM 和 激光SLAM再一次被推上了“擂台”，一较高下。

就拿商用机器人怎么解决在陌生环境下绘制地图信息，位置信息来说，激光SLAM和VSLAM采用的就是两种不同的方法。

激光SLAM的方案比较直接，把地图绘制出来以后，机器人就会了解平面图，这个地图跟我们人类理解是一样的。

激光SLAM

VSLAM方案则是利用摄像头进行环境了解，构建出一个三维环境信息地图。

VSLAM地图构建

但是对于一家公司来说，考虑的不仅仅是在激光SLAM或VSLAM中选择哪一种，更多考虑的是工程化、落地化的问题，这里面有一个很重要的原则，那就是“80/20原则”：20%是研究核心理论，80%则是怎么去把技术方案落地，比如成本和可靠性问题，思岚是做80%。

所以对于思岚来说，走激光SLAM还是VSLAM路线并不重要，因为激光SLAM和VSLAM在发展过程中，终究是一个融合、相互作用的过程。重要的是在合适的时间，以合适的成本提供合适的产品，并且解决市场上的一些实际应用问题。

下面，我们从思岚解决的一些实际应用问题说起。对环境准确的地图构建

地图的高精度构建，是自主定位导航的第一步，也直接影响机器人“任务”执行的效率。对环境的准确构建，目前思岚的方案包含两方面：激光雷达和SLAM算法。

· 激光雷达传感器的构建精度

· SLAM算法应对大地图的构图能力

影响机器人建图精度的第一步就是传感器的精度。思岚在这一方面也在不断精进，对激光雷达传感器做了很多功夫。如：提升雷达测量距离、提升测距精度、提升解析度……

除了雷达升级之外，思岚还同步升级了SLAM算法，采用最新的图优化方式，直接实现满足用户预期，不需要二次的修正就能使用地图，同时可以实现百万平方米的建图，满足高精度要求下的实时定位需求。因为这个不单是后期的处理，在导航内部，在实际建图的时候就实施了精细化构建，这是我们解决的问题。

上面的这个地图没有做任何的PS效果，是直接从机器人中拿出来，可以看到墙壁的边缘非常规整，没有任何的噪点。这样的地图简单进行修饰，就可以放在手机APP上进行使用。可靠的障碍物规避

对于机器人投入实际应用中遇到的障碍物来说，有些障碍物是固定不变的，有些是随机移动的，有些是突然出现的，甚至有的则是像玻璃、镜子一样的高透材质。对于复杂多变的障碍物，机器人能可靠规避吗？

当机器人在移动过程中，思岚的自主定位导航解决方案在利用激光SLAM导航的同时，还融合深度摄像头、超声波、碰撞、防跌落等多传感器数据，辅助机器人进行障碍物的有效识别和规避。

多传感器融合导航

所以说，多传感器融合是一个必然趋势，激光SLAM和VSLAM也无谁优谁劣一说，在未来也一定会取长补短，共同发力，助力智能化。环境变化后的可靠重定位

除了可靠的障碍物规避之外，机器人还要拥有环境变化后的可靠重定位。重定位有两个问题，第一个是人启动的时候重定位，还有一种重定位是环境变化非常多的时候可靠定位。对机器人而言，面临的直接挑战有三点：

· 若周边环境的重复性较少，且无闭环性检测时，地图则偏差比较大

· 定位效果会变差

· 计算复杂程度会变大

所以，显而易见，当机器人发生环境变化时，我们要解决的是如何降低计算机的难度，提升算法的精确性。

思岚科技利用多重数据和算法模型，加之自主研发的全局重定位功能，使机器人在面临复杂的环境时保证可靠定位且不迷失。

除了环境变化之外，温度变化也是常见的环境变化之一。思岚的传感器在出厂前都经过严格的测试，应对工作温度区间内的各类复杂环境。理解环境中的逻辑概念

最后，对于机器人来说，逻辑等于操控指令，强大的逻辑理解能力能帮助机器人更好的完成任务。机器人在移动过程中，严谨的思维逻辑能力还不完善。那如何在规定的活动范围和活动路线上行驶，是移动机器人需要解决的问题，也是思岚需要解决的问题。

这一问题可利用RoboStudio里的虚拟墙、虚拟轨道进行处理。除此以外，还有一些实际的场景，比如说多涂层和POI。

POI就是兴趣点，比如商场的平面图，地图上标识的是每家店铺的名称，它肯定不是平面图。所以在软件上我们会做很多的修改，比如在地图上我们允许加一些兴趣点，POI的信息，另外我们也支持多涂层叠加，更好的运用到商场服务中去。

以上，都是思岚目前在做的80%的东西，基于市场，先于市场。未来，语义信息的提取、深度学习、多传感器融合也是思岚会一直坚持做的。这些工作，都将会更近一步提高机器人的自主性和环境适应性，也会推动机器人朝着智能化方面更进一步。

相关文章