扫地机器人如何实现避障不 “智障”

越来越多的家庭入手扫地机器人来代替日常打扫，目前扫地机器人的清洁功能已经能够满足大部分家庭的日常需求，清洁效率成为制约用户体验的重要因素，网络上也有扫地机器人 “智障低效”的吐槽，如何突破扫地机器人的清扫效率呢？目前行业的目光都聚焦在扫地机的重要功能——避障，它也是制约扫地机器人效率的重要因素。

为什么说避障是影响扫地机器人效率的重要一环呢？用过扫地机器人的网友可能都有这种体会，在使用扫地机器人时，经常会被地面上的障碍物卡住，或者因为路线不准确而出现磕磕碰碰，影响扫地效率。就像开车一样，避障能力强的扫地机器人如同老司机，行车路线更直接精准，自然效率更高。

这就不得不提到机器人学术界的热门话题——机器人避障技术，目前行业内前沿的避障技术主要是激光雷达避障、3D 结构光避障、3D TOF 避障、单目视觉避障、双目视觉避障。

说到 3D TOF 大家应该都不陌生，iPad Pro 通过搭载 TOF 模组，实现了超强 AR 的体验。它的原理是采用红外光源发射高频光脉冲到物体上，然后接收从物体反射回去的光脉冲，通过探测光脉冲的飞行（往返）时间来计算被测物体离相机的距离。

它也是目前手机主流的面部识别方式，通过光脉冲反射信息来获得人脸信息进行识别。但对于扫地机器人的避障应用场景来说，3D ToF 劣势在于分辨率较低，无法提供图像信息来辅助识别避障。无法识别障碍物的情况下，避障效果自然要打折扣，因此 3D TOF 并不是扫地机器人最成熟的避障方式。

对于扫地机器人来说，要想实现最好的避障效果，要借助图像识别障碍物后再判断运动轨迹。因此目前最先进的扫地机器人技术都引入了计算机识别技术，前文提到的单目视觉避障和双目视觉避障是两种主流的视觉避障方式，都可以达到 2K 分辨率。

不同的是单目避障先通过深度学习识别物体，然后检测物体的 Bounding Box 来做测距预估和 3D 估计，因此对于未识别的物体，单目避障无法估计距离。就像在闭着一只眼睛的情况下，人对于不认识的物体是无法估计大小和距离的。

双目避障在这一点上通过加了一个摄像头来弥补了单目摄像头的劣势，双目视觉的基本原理是利用两个平行的摄像头进行拍摄，然后根据两幅图像之间的差异（视差），利用一系列复杂的算法计算出特定点的距离，当数据足够时还能生成深度图。

可以说双目摄像头能够完成所有单目摄像头能完成的功能，同时能够获得后者永远无法企及的深度信息，单目做不到双目的 3D 立体视觉，同时它的成本适中，是解决扫地机器人避障难题的合适方案，石头科技最近推出的石头扫地机器人 T7 Pro 就采用了这一方案。与单目相比，它的优势在于能够避障未识别过的物体，可以还原物体的三维信息，精确避让，不会被地面上图案欺骗，减少无中生有，避免漏扫。

IT之家了解到，双目避障技术在无人机和无人驾驶上也早就得到应用，目前大疆无人机、特斯拉及百度 L4 级量产自动驾驶技术，均采用了双目视觉系统。但是视觉方案的劣势在于对光线条件要求高，这也是双目避障也难以绕过的大坑。石头科技采用的解决方案是用红外 LED 补光灯，这样在夜间使用时不会打扰用户，同时定制了 RGB+IR 双通的滤波片，白天强光下，红外补光灯不打开，摄像头内部的 Sensor 主要接收可见光；夜晚暗光下，红外补光灯自动打开，Sensor 主要接收红外光。通过这种特殊光学器件的使用，扫地机器人就可以实现白天夜晚全天候工作。

在实际使用中，双目避障系统在扫地机器人应用场景下的表现如何？IT之家也曾对石头扫地机器人 T7Pro 的避障能力进行过测试，在测试中我们发现除了简单的避开日常障碍物，AI 双目避障也让石头扫地机器人 T7 Pro 的路线更加精准。如下图 GIF 所示，借助 AI 双目避障系统对周围桌腿的识别，石头扫地机器人 T7 Pro 在狭窄的桌腿间轻松实现 “倒车入库”，提高清扫效率。

目前市面上不同价位的扫地机器人品种繁多，千元以下的大多为随即碰撞避障方式，价位较高的旗舰产品则多数采用视觉方案，在选购时可以根据自己的目标价位和实际需求选购最适合自己的产品。