隨着VSLAM在人工智能領域取得重大進展，VSLAM 和 激光SLAM再一次被推上了“擂臺”，一較高下。

就拿商用機器人怎麼解決在陌生環境下繪製地圖信息，位置信息來說，激光SLAM和VSLAM採用的就是兩種不同的方法。

激光SLAM的方案比較直接，把地圖繪製出來以後，機器人就會了解平面圖，這個地圖跟我們人類理解是一樣的。

激光SLAM

VSLAM方案則是利用攝像頭進行環境瞭解，構建出一個三維環境信息地圖。

VSLAM地圖構建

但是對於一家公司來說，考慮的不僅僅是在激光SLAM或VSLAM中選擇哪一種，更多考慮的是工程化、落地化的問題，這裏面有一個很重要的原則，那就是“80/20原則”：20%是研究核心理論，80%則是怎麼去把技術方案落地，比如成本和可靠性問題，思嵐是做80%。

所以對於思嵐來說，走激光SLAM還是VSLAM路線並不重要，因爲激光SLAM和VSLAM在發展過程中，終究是一個融合、相互作用的過程。重要的是在合適的時間，以合適的成本提供合適的產品，並且解決市場上的一些實際應用問題。

下面，我們從思嵐解決的一些實際應用問題說起。對環境準確的地圖構建

地圖的高精度構建，是自主定位導航的第一步，也直接影響機器人“任務”執行的效率。對環境的準確構建，目前思嵐的方案包含兩方面：激光雷達和SLAM算法。

· 激光雷達傳感器的構建精度

· SLAM算法應對大地圖的構圖能力

影響機器人建圖精度的第一步就是傳感器的精度。思嵐在這一方面也在不斷精進，對激光雷達傳感器做了很多功夫。如：提升雷達測量距離、提升測距精度、提升解析度……

除了雷達升級之外，思嵐還同步升級了SLAM算法，採用最新的圖優化方式，直接實現滿足用戶預期，不需要二次的修正就能使用地圖，同時可以實現百萬平方米的建圖，滿足高精度要求下的實時定位需求。因爲這個不單是後期的處理，在導航內部，在實際建圖的時候就實施了精細化構建，這是我們解決的問題。

上面的這個地圖沒有做任何的PS效果，是直接從機器人中拿出來，可以看到牆壁的邊緣非常規整，沒有任何的噪點。這樣的地圖簡單進行修飾，就可以放在手機APP上進行使用。可靠的障礙物規避

對於機器人投入實際應用中遇到的障礙物來說，有些障礙物是固定不變的，有些是隨機移動的，有些是突然出現的，甚至有的則是像玻璃、鏡子一樣的高透材質。對於複雜多變的障礙物，機器人能可靠規避嗎？

當機器人在移動過程中，思嵐的自主定位導航解決方案在利用激光SLAM導航的同時，還融合深度攝像頭、超聲波、碰撞、防跌落等多傳感器數據，輔助機器人進行障礙物的有效識別和規避。

多傳感器融合導航

所以說，多傳感器融合是一個必然趨勢，激光SLAM和VSLAM也無誰優誰劣一說，在未來也一定會取長補短，共同發力，助力智能化。環境變化後的可靠重定位

除了可靠的障礙物規避之外，機器人還要擁有環境變化後的可靠重定位。重定位有兩個問題，第一個是人啓動的時候重定位，還有一種重定位是環境變化非常多的時候可靠定位。對機器人而言，面臨的直接挑戰有三點：

· 若周邊環境的重複性較少，且無閉環性檢測時，地圖則偏差比較大

· 定位效果會變差

· 計算複雜程度會變大

所以，顯而易見，當機器人發生環境變化時，我們要解決的是如何降低計算機的難度，提升算法的精確性。

思嵐科技利用多重數據和算法模型，加之自主研發的全局重定位功能，使機器人在面臨複雜的環境時保證可靠定位且不迷失。

除了環境變化之外，溫度變化也是常見的環境變化之一。思嵐的傳感器在出廠前都經過嚴格的測試，應對工作溫度區間內的各類複雜環境。理解環境中的邏輯概念

最後，對於機器人來說，邏輯等於操控指令，強大的邏輯理解能力能幫助機器人更好的完成任務。機器人在移動過程中，嚴謹的思維邏輯能力還不完善。那如何在規定的活動範圍和活動路線上行駛，是移動機器人需要解決的問題，也是思嵐需要解決的問題。

這一問題可利用RoboStudio裏的虛擬牆、虛擬軌道進行處理。除此以外，還有一些實際的場景，比如說多塗層和POI。

POI就是興趣點，比如商場的平面圖，地圖上標識的是每家店鋪的名稱，它肯定不是平面圖。所以在軟件上我們會做很多的修改，比如在地圖上我們允許加一些興趣點，POI的信息，另外我們也支持多塗層疊加，更好的運用到商場服務中去。

以上，都是思嵐目前在做的80%的東西，基於市場，先於市場。未來，語義信息的提取、深度學習、多傳感器融合也是思嵐會一直堅持做的。這些工作，都將會更近一步提高機器人的自主性和環境適應性，也會推動機器人朝着智能化方面更進一步。

相關文章