导航系统作为扫地机器人的“眼”和大脑，赋予了机器感知和行动能力。从随机式的惯性导航到全局规划式的激光导航，导航技术经历了多次变革，而后激光导航便成为市场主流，但随着用户对智能化需求的显著提升，基于计算机视觉技术的视觉导航强势出现，“老玩家”与“新进者”的游戏再次上演，激光、视觉，谁才是“未来”？

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），激光测距向特定方向发射光束，光线反弹后被接收器捕获，可以通过时间计算自己和物体的距离。激光导航通过激光传感器获取环境信息，并测量机器与障碍物的距离，经过算法处理，构建二维地图，实现定位导航。

激光导航具体的工作原理是通过激光雷达采集的环境信息呈现出一系列分散、角度准确、距离信息的点，称为点云。激光导航通过匹配和比较不同时刻的两片点云，计算出机器相对运动的距离和姿势的改变，从而完成自身定位。相对简单的原理以及激光传感器的特性使它具备高效率、高精度，同时不易受干扰的优势。

视觉导航，顾名思义，即通过视觉传感器采集环境信息，根据特征点或标志物进行建图，实现自主定位导航。

研究表明，人类获取的环境信息量75％来自视觉，而双目视觉在结构上模仿人类视觉，利用双目视差，实现深度测距。在工作原理上，双目视觉可以从环境中获取海量的、富于冗余的纹理信息，拥有强大的场景辨识能力，这为机器人实现智能决策提供了先决条件。通过双目采集的二维环境信息利用立体视觉技术可生成具有深度信息的三维地图，能够解算出区域内障碍物的距离、体积以及属性信息，从而实现定位、导航、路径规划、避障等功能。

同时，结合语义识别，双目视觉可以更好地理解房屋布局、空间结构，实现智能交互，如目标跟踪、执行特定指令等。

两者各有优劣

从可预见的未来看，用户对于智能化需求的提升一直保持着十分高的期望，这也为下一代扫地机器人指明了方向。而机器人要模拟人类大脑的“思维导图“，学会独立思考，智能决策则是关键。

而激光导航受限于传感器属性，点云无法区别纹理信息，不具备场景辨识能力，因此在智能决策和智能交互方面无法提供有效支持，智能拓展性不足。同时，由于布局限制对低矮障碍物容易产生探测盲区，在实际表现中，时常出现避障失效、误触、反应迟钝等问题。

视觉导航的缺点是数据处理量巨大，在算法和硬件无法给予足够支持时，会产生测距误差，精准度下降等问题，因此市面上的大部分视觉方案精度和稳定性都较差。此外，由于技术实现难度较高，研发成本和周期都要远远超过其它方案。

由于两者都有一定的局限性，行业头部厂商另辟蹊径，推出了采用融合策略的方式的扫地机器人产品，如采用“激光导航＋双目摄像头”的石头T7Pro，和采用“激光导航＋ToF”方案的科沃斯T8，融合视觉传感器弥补了避障功能上的缺失，实际表现明显提升，不过这类方案缺点也很明显，模组传感器复杂繁多，集成难度大，同时成本非常高。

作为一家一直专注于计算机视觉研发的AI技术公司，INDEMIND在视觉导航上积累了大量的专利技术、应用经验及海量的数据，在2020年，便专门面向扫地机器人推出了双目视觉导航方案，并和多家头部厂商达成合作。

来源：INDEMIND

INDEMIND双目视觉导航方案以双目立体视觉为核心，将导航定位、智能避障、家居识别、智能交互等算法高度集成，能够大大降低成本和开发难度。在应用表现上，该方案提供0．05－1．5m范围内误差小于1％的深度计算，能够构建三维空间地图，立体识别十几种大类家居用品，物体识别精度＜2cm，并能根据不同障碍物信息，如鞋、袜子、电线、宠物粪便，实现策略性避障。需要提到的是，该方案的导航精度实现绝对定位精度＜1％，姿态精度＜1°，已达到激光方案同等水平。

此外，得益于视觉技术的天然优势，扫地机器人可配合目标指令，实现目标跟踪、指定区域清扫等多种交互需求，同时方案兼具智能拓展，通过配置业务逻辑，能够实现更多定制化需求，如智能看护、安防等。