扫地机器人导航技术解析：惯性、激光、视觉导

随着科技进步和人民生活水平的提高，如今很多家庭都用上了智能。不过，并不是所有都能把扫地这件事做好，其中影响清扫效果的一个重要技术能力就是导航。

导航能力，可以说是完成清扫工作的基础，它关系到如何识别周围的环境，如何规划清扫的路线，如何躲避障碍物，如何提升清扫的效率。而的导航技术，已经从早期落后的无规划、试探式的导航发展到主动规划式导航的水平，那么目前的导航技术主要有哪些类型呢？IT之家不妨为大家介绍一下。

1、惯性导航

惯性导航主要是指利用内置的陀螺仪、加速器等传感器器件测量设备的角加速度和线加速度信息，然后通过积分获得机器人的位置信息，其测量的精度由于会受到陀螺仪漂移、标定误差、敏感度等因素的影响，精度较低，而且误差会随着使用时间的增加而不断增加，比较适合在一些面积较孝环境简单的房间中使用，属于主动规划式导航中比较低级的一种。

2、激光导航

激光导航，顾名思义就是利用上的激光测距仪来测量设备和周围环境物体之间的距离，然后根据三角测距或 TOF 算法得出更精确的距离信息，生成周围环境的地图模型。据此，再进一步规划清扫路线。激光导航的测量精度显然要比惯性导航高很多，地图分辨率也很有优势，但也有一些不足，例如无法识别周围物体的种类信息而进行策略性地躲避障碍物，室内机器人的激光束有限，很多扫描不到的地方没法进行避障。

3、视觉导航

视觉导航也比较容易理解，就是通过在上配备摄像头，模拟人的视觉来实现对周围环境的识别和导航。

视觉导航主要通过两种视觉传感器来获取信息，一是深度摄像头，通过测距实现三维空间感知，也算作一种测距传感器，属于主动光源测距传感器，包括结构光和相位 TOF 两种。二是双目、多目、鱼眼导航传感器，属于非主动光源传感器，工作机制类似于人眼，根据三角测距的原理，通过分析两个传感器采集到的图像的差异，计算出距离信息。

视觉导航中，如果是单目、结构光和 TOF，都可以对周围环境的深度信息进行测量，但除了单目识别外，都无法对物体种类进行识别，并且单目识别的准确度也较低。

而如果是双目识别，则既可以获得视觉范围内障碍物体的准确深度信息，也可以通过 AI 训练识别周围物体的种类信息，从而进行策略性的避障和导航规划，综合导航性能较高，是当前阶段比较完美的导航解决方案。

不过，目前市面上采用双目识别的比较少，其中有一款比较知名的，就是石头 T7 Pro。

具体来说，石头 T7 Pro 采用了 AI 双目物体识别 + 激光规划算法结合的技术方案，激光 + 视觉都用上了。

AI 双目识别模块，则由 2 颗 500W 像素 120° 广角摄像头和红外补光灯、回充传感器等器件组成，配备高通 8 核处理器，通过双目立体视觉及 AI 物体识别技术实现智能避障功能。

而雷达激光模块，则支持 LDS 激光扫描技术，可进行 360 度扫描，即时获取环境信息，从而迅速、准确、全面地扫描家居地形。

，如果你家中的环境比较简单，不需要 AI 双目物体识别 + 激光规划如此精密的解决方案，则可以选择石头 T7.

石头 T7 采用的是 LDS 激光导航的解决方案，可以获得周围环境的精准深度信息，然后在 RR Mason 7.0 算法系统的加持下，建立准确的地图信息和运动规划方案，并且还有 CPU+GPU 双脑力加持下的定位和清扫算法，也可以进一步确保地图保持稳定，环境变化时，T7 会动态更新地图进行清扫，达到不乱扫不漏扫。

无论是石头 T7 还是 T7 Pro，都采用了目前行业里比较高级的导航技术方案，其中 T7 Pro 更是处于顶级行列，对于消费者来说，可以根据家中的实际地形复杂情况进行选择，以实现适合的清扫效果。