机器人自主定位导航中那些不得不跨的坑

机器人自主定位导航听起来简单，地图数据+算法的结合，实则挑战巨大。在落地实践的过程中，需要解决各种各样的问题，越过各式各样的坑，才能最终完美应用。

 

首先从地图的呈现方式开始说起。

 

挑战一：用户心理预期地图的问题

 

激光雷达充当着机器人的“眼睛”，能为机器人提供高精度的地图及轮廓位置信息，但其实，所扫描出来的平面地图跟用户心理预期地图存在较大差距。

 

 

很显然，上面是两种完全不同的地图呈现。思岚在面对用户这一心理落差的时候，利用精细化建图技术，缩小实际建图与用户心理落差之间的距离。

 

先展示一下利用SharpEdge精细化建图技术的建图效果。

 

 

这是一个实际案例中300㎡的家庭地图，没有做任何PS处理，直接从机器人中生成。边缘非常规整，没有任何噪点，可以直接用于展示，不需要二次的修正。

 

同样是SLAM的建图，思岚绘制的地图缩小了与用户心理的差距，也提高了定位导航的效率。同时，思岚还支持超大场景下的地图构建，形成完美闭环。

 

<