智能应用 影音
DTResearch
event

DIGITIMES Research专栏:深度传感器为移动机器人导航效能关键 视觉SLAM挑战LiDAR SLAM路途仍遥

导航(navigation)是移动机器人(mobile robot)最重要的能力之一,透过采用飞时测距(Time of Flight;ToF)或双眼视觉(stereoscopic vision)技术的2D或3D深度传感器(depth sensor),移动机器人可实时取得空间信息并进行SLAM(Simultaneous Localization And Mapping)运算以建构地图及定位。不同测距技术在精度、可测范围、运算资源耗用及成本上皆各有优劣,并无单一最佳方案。

移动机器人领域常用的深度传感器包括2D或3D激光雷达、双眼相机(stereoscopic camera)、ToF相机、雷达(Radio Detection And Ranging;RADAR)及超声波雷达(ultrasonic radar)等,除双眼相机采双眼视觉技术进行测距,其它传感器皆采ToF技术。

ToF中的dToF(direct ToF)因直接采用单一脉冲计算时间差,在可量测范围及精度表现优于iToF(indirect ToF)及双眼视觉,因此被广泛用于2D与3D机械激光雷达(mechanical LiDAR)中。iToF分辨率及功耗表现优于dToF,但受制于采用连续波(continuous wave)的安全与技术限制,可测距离不如dToF,但精度表现较佳。

双眼相机近年因成本显著低于ToF传感器,加上借力采用深度学习(deep learning)的计算机视觉(Computer Vision;CV),及视觉SLAM算法快速发展,受巿场重视程度不断提升,然其最大痛点在于所测深度误差随距离呈指数扩大,导致其可测距离不如ToF传感器。

传感器接收空间信息后,机器人导航系统(robot navigation system)需进行地图建构(map-building/mapping)、自我定位(self-localization)及路径规划(path planning)作业,而SLAM因可同时完成地图建构与自我定位,为机器人导航中最关键技术。目前2D LiDAR SLAM因技术较为成熟,采用者较多,但视觉SLAM在双眼相机易于取得、算法进展及英特尔(Intel)积极推广下,正受到巿场越来越多重视。(更完整分析请见DIGITIMES Research 物联网,智能制造服务「深度传感器为移动机器人导航效能关键 视觉SLAM挑战LiDAR SLAM路途仍遥」研究报告)

  •     按赞加入DIGITIMES智能应用粉丝团