跟着VSLAM在人工智能范畴取得重猛进展，VSLAM 和 激光SLAM再一次被推上了“擂台”，一较高下。
就拿商用机械人怎么解决在生疏情况下绘制地图信息，位置信息来说，激光SLAM和VSLAM采用的就是两种分歧的方式。
激光SLAM的方案对照直接，把地图绘制出来今后，机械人就会认识平面图，这个地图跟我们人类懂得是一般的。
激光SLAM
VSLAM方案则是行使摄像头进行情况认识，构建出一个三维情况信息地图。
VSLAM地图构建
然则对于一家公司来说，考虑的不光仅是在激光SLAM或VSLAM中选择哪一种，更多考虑的是工程化、落地化的问题，这里面有一个很主要的原则，那就是“80/20原则”：20%是研究焦点理论，80%则是怎么去把手艺方案落地，好比成本和靠得住性问题，思岚是做80%。
所以对于思岚来说，走激光SLAM照样VSLAM路线并不主要，因为激光SLAM和VSLAM在成长过程中，毕竟是一个融合、互相感化的过程。主要的是在合适的时间，以合适的成本供应合适的产物，而且解决市场上的一些实际应用问题。
下面，我们从思岚解决的一些实际应用问题说起。对情况正确的地图构建
地图的高精度构建，是自立定位导航的第一步，也直接影响机械人“义务”执行的效率。对情况的正确构建，今朝思岚的方案包含两方面：激光雷达和SLAM算法。
· 激光雷达传感器的构建精度
· SLAM算法应对大地图的构图能力
影响机械人建图精度的第一步就是传感器的精度。思岚在这一方面也在络续精进，对激光雷达传感器做了好多功夫。如：提拔雷达测量距离、提拔测距精度、提拔解析度……
除了雷达升级之外，思岚还同步升级了SLAM算法，采用最新的图优化体式，直接实现知足用户预期，不需要二次的批改就能使用地图，同时能够实现百万平方米的建图，知足高精度要求下的实时定位需求。因为这个不单是后期的处理，在导航内部，在实际建图的时候就实施了精美化构建，这是我们解决的问题。
上面的这个地图没有做任何的PS结果，是直接从机械人中拿出来，能够看到墙壁的边缘非常规整，没有任何的噪点。如许的地图简洁进行润饰，就能够放在手机APP长进行使用。靠得住的障碍物规避
对于机械人投入实际应用中碰到的障碍物来说，有些障碍物是固定不变的，有些是随机移动的，有些是倏忽显现的，甚至有的则是像玻璃、镜子一般的高透材质。对于复杂多变的障碍物，机械人能靠得住规避吗？
当机械人在移动过程中，思岚的自立定位导航解决方案在行使激光SLAM导航的同时，还融合深度摄像头、超声波、碰撞、防跌落等多传感器数据，辅助机械人进行障碍物的有效识别和规避。
多传感器融合导航
所以说，多传感器融合是一个必然趋势，激光SLAM和VSLAM也无谁优谁劣一说，在将来也必然会取长补短，配合发力，助力智能化。情况转变后的靠得住重定位
除了靠得住的障碍物规避之外，机械人还要拥有情况转变后的靠得住重定位。重定位有两个问题，第一个是人启动的时候重定位，还有一种重定位是情况转变非常多的时候靠得住定位。对机械人而言，面临的直接挑战有三点：
· 若周边情况的反复性较少，且无闭环性检测时，地图则误差对照大
· 定位结果会变差
· 较量复杂水平会变大
所以，显而易见，当机械人发生情况转变时，我们要解决的是若何降低较量机的难度，提拔算法的正确性。
思岚科技行使多重数据和算法模型，加之自立研发的全局重定位功能，使机械人在面临复杂的情况时包管靠得住定位且不迷失。
除了情况转变之外，温度转变也是常见的情况转变之一。思岚的传感器在出厂前都经由严厉的测试，应对工作温度区间内的各类复杂情况。懂得情况中的逻辑概念
最后，对于机械人来说，逻辑等于操控指令，壮大的逻辑懂得能力能匡助机械人更好的完成义务。机械人在移动过程中，严谨的脑筋逻辑能力还不完美。那若何在划定的运动局限和运动路线上行驶，是移念头器人需要解决的问题，也是思岚需要解决的问题。
这一问题可行使RoboStudio里的虚拟墙、虚拟轨道进行处理。除此以外，还有一些实际的场景，好比说多涂层和POI。
POI就是乐趣点，好比商场的平面图，地图上标识的是每家商号的名称，它一定不是平面图。所以在软件上我们会做好多的点窜，好比在地图上我们许可加一些乐趣点，POI的信息，此外我们也支撑多涂层叠加，更好的运用到商场办事中去。
以上，都是思岚今朝在做的80%的器材，基于市场，先于市场。将来，语义信息的提取、深度进修、多传感器融合也是思岚会一向对峙做的。这些工作，都将会更近一步提高机械人的自立性和情况适应性，也会鞭策机械人朝着智能化方面更进一步。
