首页- 公司动态- 新闻中心

2024-01-11 来源:INDEMIND

视觉导航,只是便宜还远远不够

作为低端扫地机器人的标配,便宜成了视觉导航的最大卖点。

便宜≠弥补缺陷

得益于视觉传感器的低成本特性,视觉导航方案的整体成本一直低于激光导航方案,加之在智能化开发方面的巨大潜力,让它迅速成为了目前最主流的导航方案之一,甚至业内普遍认为视觉导航或许将会取代激光导航。不过现实很骨感,想要实现这一愿望,仅靠便宜还远远不够。

到目前为止,视觉导航只是作为低端机的标配,排除厂家产品策略的影响,视觉导航不好用是根本原因。在实际表现中暴露出的不稳定、精度低、易受环境光线影响等缺陷,给人留下了一个不靠谱的印象。

从技术发展来看,由于视觉导航技术起步相对较晚,在理论、技术和产品落地方面都落后于激光导航技术,加之视觉开发的高门槛特性,造就了视觉方案的稀缺性和发展滞后性。不过随着近几年,越来越多的企业投入到视觉行列,视觉技术的发展正在突飞猛进,不乏有不弱于激光导航表现的视觉方案出现,如INDEMIND推出的「家用机器人AI Kit」视觉导航方案。

提升视觉表现,需要系统性方案

「家用机器人AI Kit」是以INDEMIND自研的INDEMIND OS Lite家用机器人AGI系统为核心,搭配面向家用小型机器人专门研发的一体化立体视觉模组,可实现家用机器人导航定位、智能避障、路径规划、决策交互等核心功能,是包含软硬件的ALL IN ONE解决方案。

2021年推出至今,INDEMIND基于视觉技术路线,不断开发完善,「家用机器人AI Kit」在经过近百次迭代后,在定位精度、鲁棒性等方面取得了跨代式进步。

从视觉导航缺陷的底层原因出发,精度问题、稳定性问题等,本质是一个系统性问题,单纯的针对一个问题,只是治标不治本,想要根本解决,需要从全局架构出发。影响视觉导航精度和稳定性的因素无外乎是算力、光线、算法成熟度,因此INDEMIND设计了一个开拓性的轻量化平台,在不增加软硬件成本的情况下,保障性能的同时,完成了从算法到硬件的集体瘦身

平台包括轻量化VSLAM(基于深度学习特征的SLAM架构)、轻量化Depth(基于深度学习特征匹配的Depth)、轻量化深度学习模型(底层算子自研、剪枝、量化)等,同时还在硬件上,对于视觉处理采用NEON加速、GPU加速、DSP加速等方式,提升计算性能,显著降低了算力要求,在测试中,已能够在几美金的计算平台上稳定运行整套VSLAM算法。

目前,「家用机器人AI Kit」搭载4A53/A55级别芯片即可满足需求,能够适配如RK3566(全解决方案情况下,双目视觉多传感器融合SLAM、双目Depth、物体识别及整机完整SDK)。需要提到的是,现有的大部分视觉导航方案在算力上大多需要TX2及以上,甚至PC级算力需求,且对CPUGPUNPU、内存均有较高要求。为了应对光线适应问题,INDEMIND开发了一套系统化环境补光策略,包含主动式环境补光配置和光照变化条件下的建图策略。

在实际表现中,面对强光直射、无光源、昏暗等特殊光照环境均能无差异工作,且机器人导航精度已能实现绝对定位精度<1%,姿态精度<1°,足以媲美激光雷达,此外与激光导航或激光融合导航不同的是,INDEMIND还首创了真全屋三维建图,接近1:1还原的真实感。

事实上,想要替代激光导航及激光融合方案,做到这些仍然不够,真正的“赢点”,而是智能化,是智能识别、智能地图、智能避障、智能交互等多种关键功能的实现。为此,INDEMIND用多年时间,专门开发了一套智能决策引擎。


基于高精度三维建图能使机器人在语义层次上理解环境信息,模仿人类大脑对环境理解的方式,并进行策略处理。配合INDEMINDAI识别技术,机器人可以识别物体、人、动物及空间语义,因此,在避障上,机器人可做出类人规避动作的精细化操作,能够让机器人有策略的实现智能避障(如根据障碍物不同做出不同规避距离)。在交互上,可通过语音、手势、动作等自然语言指令,命令机器人进行安全、搜寻、跟随、自主寻路、定向清扫等多种智能逻辑。以定向清扫为例,发布语音命令:“清扫一下厨房可被识别为针对地图上识别到的厨房区域进行一次规划清扫。

上一篇:FSD渐入佳境,视觉方案还在机器人中“打酱油”? 返回列表 下一篇:喜报丨INDEMIND荣获2023年北京市朝阳区创新型中小型企业认定

相关新闻