Como el "ojo" y el cerebro del robot de barrido, el sistema de navegación le da a la máquina la capacidad de percibir y actuar. Desde la navegación inercial aleatoria hasta la planificación global de la navegación láser, la tecnología de navegación ha sufrido muchos cambios, y luego la navegación láser se ha convertido en la corriente principal del mercado, pero con el aumento significativo en la demanda de inteligencia de los usuarios, la navegación visual basada en la tecnología de visión por computadora es fuerte Aparece, el juego de "viejos jugadores" y "nuevos participantes" se vuelve a organizar. Láser y visión, ¿quién es el "futuro"?
Tecnología de navegación láser
La navegación láser nace de los primeros métodos de posicionamiento basados en la medición de distancia (como el ultrasonido y el infrarrojo). La medición de distancia con láser emite un haz en una dirección específica. Después de que la luz rebota, es capturada por el receptor, y la distancia entre él y el objeto se puede calcular por tiempo. La navegación láser obtiene información ambiental a través de sensores láser, y mide la distancia entre la máquina y los obstáculos. Después del procesamiento del algoritmo, se construye un mapa bidimensional para realizar el posicionamiento y la navegación.
El principio de funcionamiento específico de la navegación láser es presentar una serie de puntos de información dispersos y precisos de ángulo y distancia a través de la información ambiental recopilada por lidar, que se llama nube de puntos. La navegación láser calcula la distancia de movimiento relativa y el cambio de postura de la máquina haciendo coincidir y comparando dos nubes de puntos en diferentes momentos, completando así su propio posicionamiento. El principio relativamente simple y las características del sensor láser hacen que tenga las ventajas de alta eficiencia, alta precisión y resistencia a la interferencia.
Tecnología de navegación visual
La navegación visual, como su nombre lo indica, es recopilar información ambiental a través de sensores visuales y construir mapas basados en puntos de características o marcadores para realizar posicionamiento y navegación autónomos.
Los estudios han demostrado que el 75% de la información ambiental obtenida por los humanos proviene de la visión, mientras que la visión binocular imita la visión humana en la estructura, utilizando el paralaje binocular para lograr un rango de profundidad. En términos de principio de funcionamiento, la visión binocular puede obtener información de textura masiva y redundante del entorno, y tiene una fuerte capacidad de reconocimiento de escenas, lo que proporciona un requisito previo para que el robot realice una toma de decisiones inteligente. La información del entorno bidimensional recopilada por binoculares se puede utilizar para generar un mapa tridimensional con información de profundidad utilizando tecnología de visión estéreo, que puede calcular la distancia, el volumen y la información de atributos de los obstáculos en el área, para lograr posicionamiento, navegación, planificación de caminos, evitación de obstáculos y otras funciones.
Al mismo tiempo, combinado con el reconocimiento semántico, la visión binocular puede comprender mejor el diseño de la casa y la estructura espacial, y realizar una interacción inteligente, como el seguimiento del objetivo y la ejecución de instrucciones específicas.
Ambos tienen sus pros y sus contras
Desde el futuro previsible, los usuarios siempre han mantenido expectativas muy altas para la mejora de la demanda inteligente, lo que también señala la dirección para la próxima generación de robots de barrido. El robot debe simular el "mapa mental" del cerebro humano y aprender a pensar de forma independiente. La toma de decisiones inteligente es la clave.
Sin embargo, la navegación láser está limitada por las propiedades del sensor, las nubes de puntos no pueden distinguir la información de textura y no tienen la capacidad de reconocer escenas. Por lo tanto, no pueden proporcionar un apoyo efectivo en la toma de decisiones inteligente y la interacción inteligente, y su escalabilidad inteligente es insuficiente. Al mismo tiempo, debido a las restricciones de diseño, los obstáculos bajos son propensos a detectar puntos ciegos. En el rendimiento real, a menudo se producen problemas como fallas en la evitación de obstáculos, toques falsos y respuesta lenta.