激光与机器视觉哪种更适合导航定位在人物环境中INDEMIND分享选择建议
近年来，机器人不仅在工业领域得到了广泛应用，而且也逐渐融入了人们的日常生活。例如，在银行、酒店、医院和商场中，都可以见到服务机器人的身影。而且，像无人餐厅这样的创新应用更是吸引了众多人的关注。随着机器人的种类和数量不断增加，伴随而来的问题也越来越多，如撞人、错位以及运行不稳定等，这些问题往往源于机器人的导航定位不足。
为了解决这些问题，我们需要更加适应场景的导航方案。在讨论机器人导航定位时，不少人首先会想到激光雷达。虽然激光雷达作为目前最成熟的三维测量传感器具有精度高和响应快的优势，但它也有其不可忽视的问题，比如成本较高和系统可靠性较低。
无论是在低端扫地机器人的雷达还是高端工业用途中的雷达，其成本对于许多制造商来说都是重要支出。此外，由于激光雷达受到单一信息采集模式的限制，在遇到走廊等相似环境时容易出现“假回环”，导致位置丢失，并且在异常位置或开机重启时，激光雷达很难进行快速准确的重定位。这意味着在酒店或者室外环境中使用激光雷达导航的人工智能可能会出错。
因此，对于如何找到一个既成本更低又性能更可靠的机器人导航方案，这已经成为很多制造商共同关注的话题。在这方面，INDEMIND联合创始人姜文提出了视觉导航作为一种替代方案。
通过视觉摄像头捕捉环境信息并处理这些信息以建立空间地图，以及规划避碰路径，是一种成本更低且对场景更加友好的选择。与现有的激光雷达相比，它依赖立体视觉摄像头采集环境图像，因此成本要显著降低。但是，这种方法依赖强大的算法能力，对计算资源消耗巨大，同时由于只是接近物理探测原理，所以精度上仍有所不足。在实际应用中需要根据具体情况进行选择。
姜文认为，对于小型扫地机械手上的视觉导航，可以完全替代现有的激光方案，以实现建图、导航、避障甚至充电等功能，并且拥有更高级别的人工智能交互潜力。不过，在安全至关重要的大型服务机械手上，与现有激光、里程计等多传感器融合则能有效解决假回环、中断重启动及深度测量的问题，从而提高整个系统的鲁棒性满足严格要求。
此外，还有一个关键点，即通过视觉技术提升交互能力。姜文指出，由于最高纬度感知手段之一——視覺，不仅可以进行距离测量和方向识别，也能理解事物本质，为機械提供语义地图构建能力。
举个例子，如果一台扫描地面的小型机械臂进入家中的每个房间并遇到各种障碍物，而搭载了INDEMIND视觉技术，则能够识别房间用途同时辨认障碍物，将之结合进行有效避让策略执行指定清洁任务。此刻，可以想象未来的机械臂将不再只是一次效率提升或简单改善，而是一个真正具有基本交流能力的人类同伴形态存在者！
最后，对于当前市场上采用这种新技术可能带来的额外成本问题，姜文表示主要分布在两部分：算力投入已非常经济实惠；另一点就是整合设备由市面唯一完整解决方案供应商提供，可直接根据参考设计调试部署，或为大型平台提供不同版本SDK，只需与产品当前算法系统轻松匹配，就能发挥绝大部分作用。如果深度定制，则从底层开始融合优化，最终效果极佳。
总结来说，与 激动 力 比较起来，该新技术是一个维度更多、高效率，更适用于广泛场景下的人工智能移动体坐标确定方式，其未来发展前景看好，因为随着算力的持续增长与降价，本项工作预期将继续推动该领域主流化，使得基于语义理解基础上构建的地理知识模型能够进一步完善，使得未来人类社会中的自动车辆能够达到新的高度智慧水平，从而使自动驾驶汽车具备远超今日水平的情报收集分析速度，让它们变得更加自如灵活，更好适应复杂变幻道路情境，使人类社会步入全新的时代！
