爲何歷途機器人能夠實現越障清洗？

歷途機器人藉助計算機視覺和人工智能技術來感知外界環境，並配合其它系統完成機器人的場景感知、行動規劃和任務執行。

一、採用視覺slam技術

採用幾何視覺slam和基於深度學習的slam相結合的技術進行機器人位置和周圍環境距離信息的感知。

幾何視覺slam技術對於不一樣工做場景適應性強，其配合IMU使用後，能夠提供較準確的定位信息;缺點是工做前須要進行初始化，穩定性會受不一樣光照條件影響。

基於深度學習的slam技術，當模型訓練好，開始工做時不須要初始化，在特定狀況下工做穩定性好;缺點是穩定性過度依賴於訓練數據集，數據集的不完備性影響場景感知性能。

兩種技術進行結合能夠提高工做穩定性，當幾何視覺slam初始化失敗或者工做不穩定時能夠採用基於深度學習的slam技術進行環境感知。

二、多傳感器融合技術

單純依賴一種傳感器進行感知不能徹底保證機器人工做的穩定性。爲此採用多傳感器融合的技術，經過採用單目相機、IMU等傳感器進行數據耦合，相互補充提高感知的穩定性。

單目相機缺失尺度信息，而IMU能夠測得絕對的速度和角速度，彌補了尺度缺失的問題;IMU數據採樣頻率高，但數據漂移大，而相機數據雖然採樣頻率低但漂移小，相機數據和IMU數據相互耦合能夠克服單一傳感器形成的感知性能差的缺點。

三、圖像檢測技術

視覺slam技術只是提供了周圍環境距離信息的感知，缺少對環境信息的理解。

採用圖像檢測技術能夠確保機器人更深層次的理解環境，檢測出障礙物，使得機器人避開不利於自身行動的障礙;另外一方面，經過圖像檢測技術能夠感知能夠指引機器人進一步行動的參照信息，糾正行動誤差，確保工做穩定。

外牆清掃機器人能夠藉助這些技術獲取外牆的工做環境，感知外牆玻璃邊框凸起的棱角。

凸起的棱角會阻礙機器人清掃工做，有了場景的感知就能夠引導機器人進行越障;藉助視覺感知外牆玻璃凹陷的邊帶，該凹陷的邊帶會影響機器人的吸附壓，一樣藉助視覺引導機器人跨越該邊帶;在外界天氣比較惡劣的情形下，風力會形成機器人清掃路徑與實際指望有所誤差，經過視覺信息的指引能夠實時調整行進路線，保證清掃工做順利完成。
THE END這些技術的採用，使得機器人不須要人的干預，能夠智能的工做，本身感知距離、感知物體、理解場景，能夠更好的服務於人類。