为何历途机器人能够实现越障清洗？

历途机器人借助计算机视觉和人工智能技术来感知外界环境，并配合其它系统完成机器人的场景感知、行动规划和任务执行。

一、采用视觉slam技术

采用几何视觉slam和基于深度学习的slam相结合的技术进行机器人位置和周围环境距离信息的感知。

几何视觉slam技术对于不一样工做场景适应性强，其配合IMU使用后，能够提供较准确的定位信息;缺点是工做前须要进行初始化，稳定性会受不一样光照条件影响。

基于深度学习的slam技术，当模型训练好，开始工做时不须要初始化，在特定状况下工做稳定性好;缺点是稳定性过度依赖于训练数据集，数据集的不完备性影响场景感知性能。

两种技术进行结合能够提高工做稳定性，当几何视觉slam初始化失败或者工做不稳定时能够采用基于深度学习的slam技术进行环境感知。

二、多传感器融合技术

单纯依赖一种传感器进行感知不能彻底保证机器人工做的稳定性。为此采用多传感器融合的技术，经过采用单目相机、IMU等传感器进行数据耦合，相互补充提高感知的稳定性。

单目相机缺失尺度信息，而IMU能够测得绝对的速度和角速度，弥补了尺度缺失的问题;IMU数据采样频率高，但数据漂移大，而相机数据虽然采样频率低但漂移小，相机数据和IMU数据相互耦合能够克服单一传感器形成的感知性能差的缺点。

三、图像检测技术

视觉slam技术只是提供了周围环境距离信息的感知，缺少对环境信息的理解。

采用图像检测技术能够确保机器人更深层次的理解环境，检测出障碍物，使得机器人避开不利于自身行动的障碍;另外一方面，经过图像检测技术能够感知能够指引机器人进一步行动的参照信息，纠正行动误差，确保工做稳定。

外墙清扫机器人能够借助这些技术获取外墙的工做环境，感知外墙玻璃边框凸起的棱角。

凸起的棱角会阻碍机器人清扫工做，有了场景的感知就能够引导机器人进行越障;借助视觉感知外墙玻璃凹陷的边带，该凹陷的边带会影响机器人的吸附压，一样借助视觉引导机器人跨越该边带;在外界天气比较恶劣的情形下，风力会形成机器人清扫路径与实际指望有所误差，经过视觉信息的指引能够实时调整行进路线，保证清扫工做顺利完成。
THE END这些技术的采用，使得机器人不须要人的干预，能够智能的工做，本身感知距离、感知物体、理解场景，能够更好的服务于人类。