假如掃地機器人有眼耳五官，又如果我們要爲掃地機器人的五官各自著書立傳，“眼睛”的進化史絕對是其中最精彩的一部。

十年前，掃地機器人開始逐漸進入中國家庭，第一批進入家庭中的掃地機器人像一個剛出生的孩子，靠隨機碰撞學習如何“走路”；五年前，激光雷達、路徑規劃算法的引入，全局規劃取代隨機碰撞，讓掃地機器人市場開始爆發。

近年來，隨着主流導航技術從LDS激光雷達發展到vSLAM視覺導航，掃地機器人已經從“聽聲辨位”進化到“目之所及”，正當大家還在想未來掃地機器人會有一雙怎樣的“眼睛”時，2020年，各大廠商新一輪掃地機器人的產品發佈，3D傳感器、dToF技術的應用，讓這雙“眼睛”繼續進化。

這讓人類更加好奇，掃地機器人眼中看到的會是怎樣一個世界？

蘋果Face ID“同款”方案，掃地機器人拿來打掃邊邊角角

近年來，機器視覺技術在國內俘獲了一大批粉絲，由於機器視覺技術能夠快速適應環境變化，國內不少掃地機器人廠商也開始在產品中引入機器視覺技術。2019年，小米發佈的米家掃地機器人1S中加入了一顆攝像頭，配備了vSLAM視覺導航算法；同年，科沃斯也轉向機器視覺，有所不同的是，科沃斯並沒有用現在市面上較爲成熟的vSLAM視覺導航算法，而是自研了AIVI視覺識別技術。

作爲視覺導航技術的長期擁躉者，iRobot早在2015年發佈的Roomba 9系掃地機器人中已經開始應用vSLAM方案，在今年3月8日國內市場發售的新品Roomba s9+中，又別開生面地再次加入了一個3D傳感器。

雷鋒網向iRobot官方瞭解到，與用於實現定位、導航功能的vSLAM方案中配備的攝像頭不同，這個3D傳感器是爲了配合PerfectEdge技術進行更細緻的邊角清潔。

PerfectEdge技術是iRobot針對邊角清潔今年提出的一項新技術，爲了改進邊角清潔能力，iRobot的PerfectEdge技術針對掃地機器人做了三項改進：

第一，在掃地機器人外形設計上做了較大的調整——摒棄此前圓形、方形外形，採用了全新的“D”形圓角設計；與此同時，掃地機器人底部的寬幅膠刷（也是這款機器人的主刷）也被加長了30%，五爪邊刷也有所調整；

第二，針對內外牆角，通過算法設置了特殊的工作模式（自動切換），據官方資料顯示，“s9+在清潔內角時機器人會先停留一秒，使得邊刷充分清掃到角落再轉彎；在清潔外角時，機器人會在轉彎後先後退再向前行進，以免遺漏”；

第三，就是這個3D傳感器的加入。

據iRobot Roomba s9+產品負責人向雷鋒網透露，這個3D傳感器其實是一種紅外結構光傳感器。

據雷鋒網瞭解，3D結構光傳感器基本工作原理爲：

通過近紅外激光器，將具有一定結構特徵的光線（一般有離散光斑、條形光，編碼結構光三類）投射到被拍攝物體上，再由專門的紅外攝像頭進行採集。這種具備一定結構的光線，會因被攝物體的不同深度區域，而採集不同的圖像相位信息，然後通過運算單元將這種結構的變化換算成深度信息，以此來獲得三維結構。

其實3D結構光近兩年在智能手機上應用已經很普遍，蘋果早在2017年9月發佈iPhone X時就已經開始在前置攝像頭中用3D結構光方案做3D人臉識別，也就是蘋果的Face ID。這一方案被蘋果隨後的歷代產品沿用至今，與此同時，國內華米OV也先後將3D結構光方案應用到了自家智能手機攝像頭方案中。

那麼，3D結構光傳感器在掃地機器人上又是如何應用和工作的呢？

iRobot創始人Colin Angle在接受包括雷鋒網在內的幾家媒體採訪時解釋稱：

3D傳感器位於整臺機器人正前方的中心位置，它會對周圍的環境投射紅外線圖像，並通過視覺傳感器（紅外攝像頭）觀察這個紅外線圖像的成像結果，從而就前方環境構建一個非常細緻的3D空間圖像，更好地理解前方牆壁的幾何結構。讓人工智能能夠更好地決策採取怎樣的運動策略讓機器人緊貼牆壁進行清掃。

掃地機器人的核心功能從來都是清潔能力，如何提升掃地機器人的清潔能力，讓掃地機器人能夠適應家庭各種場景、清潔各類地板和污漬讓各家廠商煞費苦心，iRobot此次爲了加強掃地機器人邊角清潔能力，特意做了外形的調整，也特意爲掃地機器人加入了一雙看不見的眼鏡——這個在智能手機領域應用相對較爲成熟的3D結構光傳感器，並研發了配套的AI算法。

3D結構光傳感器方案經過這兩年在智能手機上的應用和迭代，已經相對成熟，2019年前後其實已經推廣應用到其他領域，例如智能門鎖，大華樂橙、優點科技等均在2019年有推出3D結構光人臉識別門鎖。而應用到掃地機器人上時，其實還需要考慮的是如何解決3D結構光方案容易受到強光環境影響。

雷鋒網向業內人士瞭解到，3D結構光傳感器雖然可以幫助掃地機器人做輔助定位和導航避障，但由於這類傳感器目前成本較高，僅有少數掃地機器人在使用，傳感器在設計和算法方面也有待針對掃地機器人的工作場景優化，因而目前尚未在掃地機器人產品中得到廣泛應用。

顯然，iRobot此次發佈的Roomba s9+成了應用3D結構光傳感器的典型機型，至於在實際應用中清潔能力是否有明顯提升，雷鋒網尚且沒有進行實際體驗，這裏暫不發表意見。不過官方在做產品推廣中，此次加入的3D結構光傳感器，確實也成了iRobot新機型的核心賣點。

在今年發佈的掃地機器人中，將移動終端應用到的視覺方案引入到掃地機器人中的不只iRobot一家，科沃斯同樣也用到了類似方案，不過科沃斯用到的是剛剛隨着蘋果iPad Pro走火的dToF。

被iPad Pro帶火的dToF，在掃地機器人上怎麼用？

3月18日，蘋果iPad Pro產品線時隔兩年再次更新，這次更新帶火了一個視覺技術方案——dToF。

dToF，中文名字是直接飛行時間（測距法），傳感器硬件結構主要包括髮射端和接收端。工作原理可以簡單理解爲：dToF傳感器將調製信號發給光源驅動芯片，控制激光器發出高頻調製的近紅外光， 在遇到物體漫反射後，接收端通過發射光與接收光的時間差來計算深度信息。

之所以這一技術能夠被蘋果選中是因爲dToF方案原理簡單、系統穩定且容易集成，但是要實現精準測距的話，技術難度會很高，需要在芯片設計、系統設計、製造工藝等方面做得都很好。

作爲視覺空間定位技術專家，同時又是主要提供單目視覺空間定位技術初創公司歡創科技的創始人，周琨和他的團隊對當下備受關注的dToF方案也進行了深入研究，周琨告訴雷鋒網：

目前dToF在iPad Pro上的應用只能說是一個初級階段。首先是分辨率不高，從目前瞭解的情況來看，只有20多*20多像素，這樣的分辨率，比起之前在iPhone X裏前置攝像頭中引入的結構光深度相機（投射的有30000多點陣）來講，分辨率差了很多，可以做簡單的平面檢測、平面物體的測距，但要做複雜模型的三維重建，是肯定不夠的。

蘋果將它集成到iPad Pro中，目的也是爲了進行更好的測距、輔助構建AR應用場景，至於具體是如何實現的，官方並沒有給出比較詳盡的介紹。

對此，周琨認爲：

iPad Pro這一代產品引入dToF方案，可能主要是爲蘋果的AR應用服務，也就是說，只要能檢測出平面（比如地面或者桌面）來，然後就可以在平面上疊加虛擬物體了。至於更復雜的3D掃描和建模，這一代產品中的dToF方案應該是做不了的。

相對於蘋果應用dToF技術輔助構建AR場景讓市場對AR發展前景各種猜測，科沃斯將dToF技術引入到掃地機器人，用於提升掃地機器人的定位導航能力就顯得更加實在、更接地氣。

在蘋果iPad Pro發佈會僅10天后，同樣將dToF技術帶到消費領域的還有科沃斯，科沃斯在其新發布的T8 AIVI掃地機器人上搭載的激光雷達應用的正是dToF技術，以此來提升死角清潔和越障能力。

與iRobot類似的是，此次針對邊角清潔能力提升加入的不僅僅是一個dToF方案，而是一個被官方稱爲TrueMapping的定位導航技術。據官方最新產品資料顯示，TrueMapping機器人導航技術搭載了科沃斯獨立開發的高精度激光雷達，配合dToF技術，地寶的建圖效率、建圖精度、掃描範圍和使用壽命都有所提升。其中，掃描精度提升了4倍（毫米級別），掃描距離也提升了2倍（10米掃描半徑），有效減少導航盲區，提升清潔覆蓋率，通過算法優化提升死角清潔能力和越障能力。

dToF技術目前在掃地機器人的定位導航方案中具體是如何應用的？

周琨向雷鋒網介紹稱：

dToF在家用清潔機器人上的應用，目前來看是作爲一個單點測距功能，通過掃描房間地圖，爲SLAM算法提供數據輸入的，功能上相當於一個單線激光雷達。

目前在家用清潔機器人領域用的激光雷達，主要還是基於幾何關係測距的方案，例如傳統的三角法或者結構光技術測距，相比前兩者而言，dToF技術的優勢在於測距頻率可以做到更高（比如做到7000Hz以上），遠距離精度（比如6m-10m）也會更高。但由於其對電氣性能的要求頗高，所以其成本也要高不少。

從另外一方面來講，家用清潔機器人的應用場景對於數據要求不會特別高，比如，它的SLAM算法對於近距離精度（4m，特別是2m以內的數據）更加敏感，測距頻率要求也沒那麼高（目前主流是2000Hz，也有結構光或者三角法方案開始做到3000-4000Hz）。

不過，周琨也特別指出，“掃地機器人是對於成本和性價比較爲敏感的消費類電子產品，dToF方案目前更適用於對遠距離精度和幀率要求比較高，對成本容忍度也比較高的場景。”

就此次科沃斯發佈的新品T8定位導航方案而言，除去加入了dToF方案外，也升級了自家的AIVI技術，據科沃斯官方表示，通過升級後的AIVI技術，T8已經可以識別鞋子、襪子、抹布、充電座、數據線、小地墊、U型椅七類常見障礙物。

可見，除去LDS雷達+SLAM算法外，在定位導航方案中，科沃斯的掃地機器人現在也有了兩隻更精準的眼睛——dToF（激光雷達）+AIVI（機器視覺）。

其實，不只是3D結構光、dToF這些新技術的引入在讓掃地機器人進化，傳統定位導航方案仍有很大的提升空間。

傳統SLAM導航方案的升級再造，還能帶來多大的提升空間？

同樣是在3月，另一款掃地機器人新品正是針對傳統定位導航方案做的升級優化——石頭掃地機器人T7。

石頭科技在T7上做的升級優化，其實更像是爲掃地機器人上的各類數據及感知、建圖、導航算法配了個大管家，這個管家用一個形象又時髦的詞也可以理解爲是掃地機器人的“中臺”，這個“中臺”也有自己的名字，叫Mason系統。

官方介紹稱，Mason系統的“實時數據管理算法”負責管理分發傳感器採集的環境數據，交由“感知與建圖算法”進行數據融合與分析，然後“導航與運動算法”根據分析結果進行動態導航及規劃。

雷鋒網向石頭科技官方瞭解到，石頭科技早在2014年7月成立之初就已經開始着手搭建這一系統，整個系統分爲硬件抽象層、感知層、控制層、決策層和用戶交互層5層架構，歷時26個月完成Mason 1.0系統，是米家掃地機器人的軟件算法和系統核心。此後，在Mason1.0基礎上，該系統經過89次迭代，纔有了現在應用於T7系列產品中的Mason 7.0。

隨着Mason 7.0算法系統的加入，據悉，石頭科技在定位導航技術上也增加了一些新的能力：

引入多樓層模式。掃地機器人最多可以保存4張地圖，在更換樓層後，掃地機器人可以自動識別並切換地圖。

引入動態匹配算法。掃地機器人如果在靜態匹配時發現無法區分自己到底在哪個樓層，還會移動起來並實時進行多地圖重定位，提高重定位準確性。這也是石頭科技首次在SLAM定位算法中引入動態匹配算法。

增加地圖防抖技術。在掃地機器人運行過程中可以實現自動實時糾錯，即掃地機器人一旦發現當前位置所收集的數據和地圖上所定位的位置不一致時，會進行定位糾錯，將機器人重新定位回地圖上正確的位置，從而保證繪圖信息的準確性。

此外，石頭科技向雷鋒網表示，“在Mason 7.0中，我們重構了整個SLAM算法，新算法魯棒性更好，地圖穩定性更高，重定位成功率更高。”

LDS激光雷達+SLAM方案算是掃地機器人現在最爲成熟的定位導航方案了，雖然該成本高於視覺方案，但由於測距精準、且不易受到光照條件影響，一直是掃地機器人定位導航方案中的主流方案。

近年來，對於掃地機器人關鍵的定位導航技術研發，各大廠商基本上都是兩手準備。一方面，針對LDS激光雷達+SLAM方案不斷進行迭代優化；另一方面，隨着諸如3D結構光、dToF在內的更多定位導航技術的加入，掃地機機器人的定位導航方案越來越複雜，現在的主流掃地機器人已遠不只有一隻眼睛。

掃地機器人“眼睛”的進化，看不見的浴霸

距第一臺掃地機器人發佈已十年有餘，現在的掃地機器人也早已不再是最初走入家中那個碰碰撞撞的孩子。

近年來，爲了構建強大的攝影功能，智能手機加入的攝像頭方案越來越多，諸如ToF、3D結構光等3D視覺方案在智能手機上已經相對普及，與此同時，智能手機上的攝像頭也越來越多，從雙攝、三攝、到現在的四攝、五攝，智能手機的攝像頭模組也被網友親切稱爲“浴霸”。

掃地機器人定位導航方案其實與智能手機攝像頭方案的發展歷路相似。

從最初的激光雷達SLAM方案，到vSLAM方案，再到今年的3D結構光、dToF方案的引入，掃地機器人在定位導航方案中已經融入了越來越多的傳感器技術。

以科沃斯最新發布的T8爲例，已經融入了LDS雷達定位、SLAM導航算法、AIVI視覺方案、dToF方案几類技術方案，外加諸多傳感器的融合應用，已經爲掃地機器人的定位導航系統搭建了一個看不見的“浴霸”。

掃地機器人廠商顯然已經足夠努力，但是這樣的努力或許還不夠。

從2019年國內掃地機器人市場發展來看，增速明顯放緩，據奧維雲網統計數據顯示，2019年1-11月，線上零售量同比增長0.6%，相對於2018年1-11月的31.7%的增速嚴重放緩。

對此，奧維雲網認爲有兩方面原因：一方面，2018年激光導航產品全面爆發，帶動同期銷量野蠻式增長；另一方面，前期低配產品的負面口碑引發潛在顧客的購買顧慮。

據雷鋒網此前觀察，其實根本原因還是在於用戶對當下掃地機器人期望太高（諸如對細節角落清掃、對大顆粒物體清掃、靜音運行的要求），掃地機器人實際上還遠未達到“一機掃所有”的能力，尤其在清潔能力上，還有待進一步提升。

年初各大廠商推出的新品針對定位導航技術的一波升級，或將成爲今年受到疫情衝擊的掃地機器人市場重啓的關鍵。