歷途機器人藉助計算機視覺和人工智慧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。

1、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資訊的感知。

幾何視覺slam技術對於不同工作場景適應性強，其配合IMU使用後，可以提供較準確的定位資訊;缺點是工作前需要進行初始化，穩定性會受不同光照條件影響。

基於深度學習的slam技術，當模型訓練好，開始工作時不需要初始化，在特定情況下工作穩定性好;缺點是穩定性過分依賴於訓練資料集，資料集的不完備性影響場景感知效能。

兩種技術進行結合可以提升工作穩定性，當幾何視覺slam初始化失敗或者工作不穩定時可以採用基於深度學習的slam技術進行環境感知。

2、多感測器融合技術

單純依賴一種感測器進行感知不能完全保證機器人工作的穩定性。為此採用多感測器融合的技術，通過採用單目相機、IMU等感測器進行資料耦合，相互補充提升感知的穩定性。

單目相機缺失尺度資訊，而IMU可以測得絕對的速度和角速度，彌補了尺度缺失的問題;IMU資料取樣頻率高，但資料漂移大，而相機資料雖然取樣頻率低但漂移小，相機資料和IMU資料相互耦合可以克服單一感測器造成的感知效能差的缺點。

3、影象檢測技術

視覺slam技術只是提供了周圍環境距離資訊的感知，缺乏對環境資訊的理解。

採用影象檢測技術可以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;另一方面，通過影象檢測技術可以感知可以指引機器人進一步行動的參照資訊，糾正行動偏差，確保工作穩定。

圖片描述

外牆清掃機器人可以藉助這些技術獲取外牆的工作環境，感知外牆玻璃邊框凸起的稜角。

凸起的稜角會阻礙機器人清掃工作，有了場景的感知就可以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，同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，風力會造成機器人清掃路徑與實際期望有所偏差，通過視覺資訊的指引可以實時調整行進路線，保證清掃工作順利完成。

圖片描述

THE END
這些技術的採用，使得機器人不需要人的干預，可以智慧的工作，自己感知距離、感知物體、理解場景，可以更好的服務於人類。