实现机器人自主移动，激光导航与视觉导航究竟有何不同？

时至今日，机器人已经成我们日常生活的重要参与者，从商场到超市，从酒店到家中，机器人产品已随处可见。

面对各式各样的机器人产品，不知你是否也会有和我一样的疑问——机器人是如何做到精准导航定位的？激光导航与视觉导航又有何却别？今天，我们就深入了解一番。

首先大家要明确一个概念——同时定位与地图构建（简称SLAM），通常是指在机器人上，通过对各种传感器数据进行采集和计算，生成其自身位置姿态的定位和场景地图信息的系统。SLAM对于机器人或其他智能体的行动和交互能力至为关键，因为它代表了自主移动的基础：知道自己在哪里，知道周围环境如何，进而知道下一步该如何自主行动。

一般来讲，机器人导航定位系统是为以SLAM为核心，融合路径规划和运动控制的一整套方案。按照核心功能模块来区分，目前常见的机器人导航方案一般具有两种形式：激光导航和视觉导航。

丨激光导航

激光导航脱胎于早期的基于测距的定位方法(如超声和红外单点测距)。激光雷达(Light Detection And Ranging)的出现和普及使得测量更快更准，信息更丰富。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常，激光导航系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。

激光雷达距离测量比较准确，误差模型简单，点云的处理也比较容易。同时，点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变得直观。激光导航理论研究也相对成熟，落地产品更丰富。但这种技术也有其无法忽略的问题——成本高、系统可靠一般。

无论是应用于扫地机器人的低端雷达抑或应用于商业服务机器人的高端雷达，激光雷达的成本已经是机器人厂商成本的重要支出。此外，由于激光雷达受限于单一的信息采集模式，遇到走廊等相似场景容易出现“假回环”，易发生位置丢失，并且在异常位置、开机重启等情况下，激光雷达也很难进行快速准确的重定位。因此，在酒店、室外等场景中，采用激光雷达导航的机器人时常发生导航定位错误。

丨视觉导航

眼睛是人类获取外界信息的主要来源，视觉导航也具有类似特点，它可以从环境中获取海量的、富于冗余的纹理信息，拥有超强的场景辨识能力，且相对于成本较高的激光雷达，视觉传感器在成本控制上有着天然优势。

由于工作原理的不同，虽然视觉SLAM成本较低，但其本身需要较强的计算资源，对算法要求也较高，同时视觉SLAM的原理也只是尽可能接近物理探测，因此在精度上略有不足。所以在具体应用中，需要因地制宜，结合实际场景实用。

例如，在以扫地机为代表的小型机器人底盘上，视觉导航方案是一种替代性的方案，可以取代现有的激光雷达方案，以更低的成本实现建图、导航、避障甚至回充等功能，并且智能化程度更高，具有很强的交互潜力。但在以安全为前提的服务机器人上，视觉导航更合理的使用方式是与现有激光、里程计等多传感器融合，解决假回环、重定位、深度测量等问题，进一步提高机器人的鲁棒性，满足更为严苛的使用需求。

当然，市场中也有个别视觉导航系统精度十分优秀，如我们耳熟能详的iRobot。这家公司的扫地机器人产品多数搭载的自研视觉SLAM导航定位系统，其定位精度、导航稳定性十分被市场认可。无独有偶，国内立体视觉方案提供商INDEMIND，所推出的机器人视觉导航定位解决方案也十分值得称道，该方案的可实现绝对定位精度<1%，姿态精度<1°的导航定位效果，同时还支持路径规划、智能避障、障碍物识别等功能。

总的来说，与激光雷达方案相比，视觉导航是一个维度更高、成本更低、适用性更强的机器人导航定位方案，未来，随着算力的提升，算力成本的降低，视觉导航方案的成本可以进一步下探；伴随研究的深入，视觉导航所带来的环境语义功能日趋完善，具有更高维度交互潜力的智能视觉机器人无疑在面临下一轮竞争时更具优势，因此，可以预见视觉导航方案广阔的发展前景，视觉导航也必将成为机器人导航领域的主流。