机器人导航方法解读

在餐厅、酒店、商场等服务场所，我们已能看到一些自主行走的服务机器人，他们能做到自主路径规划、自动避开障碍物等功能，这主要得益于机器人定位导航技术的进步。

在实现机器人导航方法中，目前主要有激光SLAM和视觉SLAM之分，其中激光SLAM适用范围更广，在理论、技术和产品落地上都更为成熟，而视觉SLAM目前仍处于研发和应用拓展及产品逐渐落地阶段。

激光SLAM

在激光SLAM中目前主要采用2D或3D激光雷达，但应用于机器人上主要以2D激光雷达为主，2D激光雷达也叫单线激光雷达，它相当于机器人的“眼睛”，可实时采集周围物体的环境信息，对采集到的物体信息呈现出一系列分散的、具有准确角度和距离的点云数据，通过激光SLAM系统对不同时刻的两片点云数据进行匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人本身的定位。

激光雷达的出现使得测量更精准，误差模型更简单，在室内环境中运行稳定，当然，除了室内，针对室外（即使是强光直射）环境也同样有运行稳定的激光雷达。另外，由于点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变的更为直观。

视觉SLAM

视觉SLAM方案目前主要有两种实现路径，一种是基于RGBD的深度摄像机，比如Kinect，还有一种就是基于单目、双目或者鱼眼摄像头。

基于深度摄像机的视觉SLAM，跟激光SLAM类似，也是通过收集到的点云数据，来计算障碍物的距离。

而基于单目、鱼眼相机的视觉SLAM方案，主要是利用多帧图像来估计自身的位姿变化，再通过累计位姿变化来计算距离物体的距离，并进行定位与地图构建。