性价比陷阱？视觉导航如何破解“降本即降效”难题-电子发烧友网

不可否认，即便视觉方案在智驾领域里风头正劲，但在机器人领域仍不受待见。

视觉导航的“宿命”

可以想象，一款售价不菲的智能移动机器人，却只能做到婴孩般的“步履蹒跚”，那所谓的智能移动本身也就成了笑话。

在深刻认识到视觉导航这一“深坑”之后，行业内的玩家们迅速调转了方向。而事实也证明，坚持激光导航技术路线无疑是他们最为正确的决定之一。

在2020年前后，扫地机器人迎来了自己的黄金发展期：市场规模年年激增、网络热度节节攀升，扫地机器人一跃成为了过去几年最亮眼的智能家居产品。而这一亮眼成绩的背后，除了疫情催化与智能化浪潮的推动，扫地机器人的导航技术进步是更为关键的因素。

从2010年第一台搭载激光导航技术（LDS SLAM）的扫地机器人Neato问世以来，十几年间，硬件、算法不断迭代，激光导航技术早已是行业最成熟和应用最广泛的技术方案。它精度高、反应快、稳定性高的技术优势，让它成为了中高端产品的标配。

而与之相比，视觉导航虽然成本更低，却只用于低端产品，以至于人们只通过导航方案的类型来判断产品的优劣。如果深究这一“刻板”印象的产生，就会发现，这似乎本就是它的“宿命”。

潜力虽大，却难以兑现

从技术发展历程来看，视觉导航技术在扫地机器人上的应用并不比激光导航晚多久。扫地机器人较早应用视觉导航技术可追溯到2012年，当时美国出现了以 VSLAM 视觉导航技术的扫地机产品，其后iRobot、戴森以及国内厂商科沃斯等厂商陆续发布了相关产品。

然而从市场反馈来看，这类产品基本表现平平，甚至是“翻车”。这类产品平庸的功能表现，视觉导航成为了直接原因。环境光线依赖性强、算力要求高，硬件负担重、精度与鲁棒性不足，难以解决的三大缺陷，让视觉导航技术始终难当大任。因此，市场一直缺乏相对成功的案例，不断加深人们的刻板印象。

既然视觉方案能在智驾领域“风生水起”，那么，在机器人领域就没有潜力吗？

由于激光雷达受限于自身属性，点云无法区别纹理信息，不具备场景辨识能力，在智能决策和智能交互方面存在天然缺陷。而与激光雷达相比，视觉传感器可以获取丰富的纹理信息，拥有强大的场景辨识能力，能够真正像人一样感知环境、认知环境。而这对于机器人的意义显然无需多言。

只是技术潜力虽大，却难以兑现。

视觉方案的优势也造就了难以解决的缺陷。视觉技术可以获取更多丰富的信息，但数据处理量也巨大，因此，对算力要求很高。其次由于视觉算法的开发难度极高，投入很大短时间却很难看到回报。同时，摄像头虽然能够模仿人眼，但显然达不到人眼对光线的适应能力，当环境光线出现变化，便会对系统产生影响。多种因素之下，导致现有的视觉导航方案基本有着精度低、稳定性不足的缺点。

只有解决这些难题，视觉方案才能真正释放潜力。

技术研发没有捷径，需要回归底层创新

技术研发从来没有捷径，每一次技术的重大升级，往往都需要底层技术创新。

用时多年，INDEMIND从0到1走出了一条自己的路。

作为视觉技术起家的机器人技术公司，从早期的视觉模组产品，到如今的机器人视觉解决方案，INDEMIND一直坚信着视觉技术的潜力。经过多年的努力，INDEMIND在机器人的导航、避障、决策、AI交互等关键技术和产品开发方面均有了丰富的积累，并推出市面上首款真正意义上的纯视觉导航方案「家用机器人AI Kit」。

「家用机器人AI Kit」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。

想要摆脱低端标签，就需要降本不降效，让视觉方案真正适配扫地机器人平台，为此，INDEMIND针对性研发了多种轻量化技术和智能化技术。

现有的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，对CPU、GPU或NPU、内存均有较高要求。而基于INDEMIND多种轻量化技术，轻量化VSLAM、轻量化Depth、轻量化深度学习模型，同时还在硬件上，还采用NEON加速等方式，显著降低了算力要求。目前，INDEMIND视觉导航技术搭载4核A53/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）。

在实际表现上，INDEMIND视觉方案不仅能够媲美激光雷达的精度，也有着极高的稳定性。

对于光线影响问题，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，满足全天候作业要求。