SLAM
410 浏览
【解读】激光雷达技术大幅提升后，智能导航为何仍姗姗来迟？丨“机器人大家说”第三期干货整理（三）
机械自动化类 我是谁 2016-09-11 09:56 发表了文章
这个现象的原因，其实是跟激光雷达、SLAM、路径规划这三者之间的区别有关系。
01
首先，激光雷达本身它只是一个传感器，或者说它就是机器人的“眼睛”。我们都知道，人的眼睛只负责看东西，但是人类对于所见的事物还需要进行理解，这个时候就需要人的大脑或者大脑皮层中枢来处理。对机器人来说，有了激光雷达的数据以后，它还需要开发额外的SLAM算法或者其他能完成地图构建和定位的算法。而有了SLAM的算法以后机器人还不能动，还需要为它编写路径规划的算法才能自主移动。
所以就有了这样一个问题，以前三大行业里会认为阻碍机器人发展的原因是成本问题，影响导航定位的原因也是激光雷达的成本问题。但是最后会发现，当激光雷达的产品面世之后，时间一长仍然会面临第二个第三个问题：有了激光雷达以后怎样才能进行路径规划和SLAM？而这两点和研发激光雷达一样具有很大的难度。这些难度并不是机器人行业里的研发机构非常擅长的，因为机器人行业具有很强的分工性。
我们知道，在机器人领域，有人擅长去做人机交互，有人擅长去做本体，有人擅长去做汽车，有人做机器人，也有像和我一样去做自主导航定位系统的和激光雷达。每个人分工不同市场给到的时间是有限的。而怎么在有限的时间去做出一款相对完整的产品呢？强调的是怎么样把各自对应的优势发挥出来。单单有一个激光雷达，但是没有配套的导航定位系统，让厂家从零去开发SLAM就会有很大的难度。我们的导航定位的产品也是在去年年初才真正推向市场，这也就是为什么导航定位相对来说来得晚一些的原因。
02
那为什么说导航定位这件事情有难度呢？因为这里涉及到很多的细节，在这里我就不把细节一一展开。先给大家讲一些比较形象直观的认识。
这个就是一个比较典型的导航定位系统，其中包含了SLAM、路径规划系统以及和激光雷达协作的系统构架图。上图画面上可能不是特别清楚，但我的主要目就是想和大家阐述一个观点：到目前为止SLAM系统还是比较复杂的。
它的复杂程度主要体现在几个方面：
1.算法的完备性。我们也知道目前也有很多开源的算法，比如说像iOS，但是这些算法它处理现实问题时还是力不从心。如果想做一款完善的产品，厂家还得把开源算法存在的一些不好的问题给处理清楚。下面，我给大家举一个例子：
以上展示了两张地图，你会发现右边这张地图，它算是固件失败，比如说它里边明明是一个可以拼接在一起的走廊，但却变成了一个非常扭曲的效果。这也是现在很多非商用的SLAM系统具备的特性，就是对于这种相对比较复杂的场景，它可能存在地图不闭合，或者缺乏回环检测的功能。这也是SLAM系统在进行实用化亟待解决的本质问题。如果说使用的是商用系统，采用这种SLAM的开源方案，就必须得有厂家自行研发和解决。
2.从传统上来说，SLAM系统需要有强大的处理器来进行工作。比如现在跑一个SLAM，它需要有上G赫兹或者多核几核甚至用笔记本来完成。所以这导致了一个问题：功耗、体积和成本变得很高。
3.SLAM算法在使用上还需要用到其他的传感器。这样一来，研究设计一个机器人在使用SLAM系统时就会存在多种耦合性。这些耦合性将导致研发和核心技术变得非常困难。所以说有了激光雷达再借助一个主板并不能解决事情。
这张图展现的就是一个例子：一个机器人，如果它要用SLAM算法，就会发现会为它配备很多不同的传感器，还有几个对应的处理系统，而把这些东西错综复杂联接在一起就会使得这个机器人在研发上具有很强的耦合性，同时也会造成研发的难度加大。所以在解决这件事情上，它有很多种方法。思岚科技的探索的就是把这三个系统变成一个标准模块，结果就是可以让用户在使用SLAM的时候变得比较容易，用户使用这一模块就可以和激光雷达进行连接，它的外部有一个接口，可以让机器人较快地使用到。
上图就是我们思岚科技的模块化的SLAM导航定位系统。它里面包含了对SLAM本身的处理以及前面提到的路径规划的能力。甚至说扫地机器人对应的一些功能，也都集合在当中。
这样做的好处是，在有了激光雷达以后，对应的机器人在SLAM和导航定位能力的便捷程度上提高了一个等级。当时我们在做这个模块化的SLAM系统时，曾经把激光雷达和导航定位系统和一个平衡车进行对接，大概用了几天的时间，这个平衡车就具有了无人驾驶的能力。
总结来说，首先激光雷达它本身并不是一个具有SLAM和导航定位能力的传感器，你必须得为它去研发或配备对应的模块或者算法，来使得它具有这样的功能。这也是为什么缺乏这样的解决方案，光有低成本的激光雷达，它并不能够使得导航定位的能力被机器人广泛使用，这是一个本质的原因。
后附精彩问答环节
Q1丨据我了解目前国内大部分都是基于激光雷达的slam，请问这个跟基于视觉的SLAM相比有什么优劣？
陈士凯：首先从理论上来说，基于视觉SLAM的方式，它代表的是一种未来的趋势。为什么这样说呢？因为人和生物都是基于视觉的SLAM，视觉SLAM从理论上来说，它应该可以提供更为丰富的信息，这的确也是一种研究方向。但是到目前为止，我们认为在两三年内激光SLAM的方案都是占优的，这是为什么呢？主要是因为一方面视觉的传感器它还达不到人和生物的眼睛的等级，另一方面其处理能力也远未达到人和生物的处理能力，深度学习需要有非常强大的处理才能完成。
对机器人来说，就目前处理器的能力而言，只能让视觉SLAM做非常简单的事情，甚至简单到它不可能通过过摄像头的画面去理解画面，比如说墙体、门等信息。通过它构建的地图是不可能直接用于导航定位的，所以它的局限还很多，甚至有时候还得依靠激光雷达进行辅助。
另一方面也会有硬伤，当环境光变暗时，视觉SLAM完全不能工作，因为它要像人一样通过环境光来工作。激光雷达的优点就在于激光的精度，还有它对环境的依赖性非常小。所以这一两年内，激光雷达的方案是一种非常可靠和高效的东西。并且激光雷达在上世纪的学术界也研究了二三十年，并且非常成熟。所以我们认为，两三年内激光SLAM方案还是非常占优。而其主要的优缺点就在于，激光对环境的依赖小、精度高，视觉SLAM对环境光有要求，并且还相对不是很成熟。
Q2丨现在的激光雷达是基于三角测量的方法么？如果是使用的摄像头和一般的摄像头有什么区别么？为什么可以做到4000帧每秒？
陈士凯：首先我们知道这个，普通的摄像头它的帧率肯定是达不到那么高的，所以在这里面的激光雷达一般会用一些比较特殊的传感器和摄像头传感器。当然，各家都有各自的行业机密在里面，所以不便细说。
Q3丨在哪可以买到思岚科技的slamware？
陈士凯：可以通过我们官网联系到思岚科技来进行购买，在这就不做过多的介绍。另外，SLAMWARE的确就是把SLAM和导航定位这两件事都封装在这个模块里面。导航就包含从a点到b点的移动、自主回家充电，甚至说像扫地机器人的完整的算法都包含在里面，那针对不同的客户我们会提供不同的版本。
Q4丨导航地位系统会需要3D的激光雷达吗？
陈士凯：的确，在一些特殊场合会需要用到3D的激光雷达。我们都知道比较有名的就是谷歌的无人驾驶汽车，它在里面就要用到3D的激光雷达。问题在于，主要是看机器人是在什么场景下进行移动？比如像室内机器人，它工作场合就在一个平面环境当中。这个时候它就不需要有三维的环境建模能力，因为会比较浪费。并且不同高度的障碍物，它可以通过超声波来进行测量。但是对于无人驾驶汽车来说，它的环境相对复杂。比如说前段时间特斯拉出了交通事故，就是因为缺少三维激光雷达，导致它撞到东西。
Q5丨小米带激光雷达的扫地机今天宣布入局，有人说买小米扫地机拆雷达来用，因此思岚会大幅度降价吗？
陈士凯：思岚科技推出低成本的激光雷达也有一定时间了。这几年行业里也积累了比较多的跟随者。其实我们在定价策略一直不是说是最便宜，但是区别就在于，我们对外的价格一直是研发样品的价格。相对我们的追随者来说，我们一直保持着资深的定价体系。所以这种情况下，我们也不会对价格有大的改动。当然我觉得像这样一个事情，对于目前市面上其他研发厂商都会产生一定的冲击。
Q6丨请问特斯拉的自动驾驶系统结合了激光和视觉，它们分别实现了什么样的分工?
陈士凯：首先这个领域我并没有直接去做，但是和这个领域的人有过交流。一般来说，激光会做这么几件事：
1.环境的建模；
2.障碍物的规避。
而视觉在所有的无人驾驶里面都是非常必要的。为什么说它是必要的？举个例子，比如说走到路口，红绿灯怎样来识别？而且各种交通标志也是不可能通过激光雷达来进行识别的。所以在这个过程里，视觉就一直承担着环境中各种图像信息处理识别的角色。当然对于特斯拉来说，它在这里面的图像还会起到壁障作用。不过特斯拉会使用毫米波雷达来代替一部分激光雷达做的事情，以完成环境的壁障。
以上。
关于机器人大家说第三期分享会的干货终于在今日整理完毕，后续我们还会为大家带来持续的干货分享。
文章来源于 机器人创新生态圈 查看全部
01
首先，激光雷达本身它只是一个传感器，或者说它就是机器人的“眼睛”。我们都知道，人的眼睛只负责看东西，但是人类对于所见的事物还需要进行理解，这个时候就需要人的大脑或者大脑皮层中枢来处理。对机器人来说，有了激光雷达的数据以后，它还需要开发额外的SLAM算法或者其他能完成地图构建和定位的算法。而有了SLAM的算法以后机器人还不能动，还需要为它编写路径规划的算法才能自主移动。
所以就有了这样一个问题，以前三大行业里会认为阻碍机器人发展的原因是成本问题，影响导航定位的原因也是激光雷达的成本问题。但是最后会发现，当激光雷达的产品面世之后，时间一长仍然会面临第二个第三个问题：有了激光雷达以后怎样才能进行路径规划和SLAM？而这两点和研发激光雷达一样具有很大的难度。这些难度并不是机器人行业里的研发机构非常擅长的，因为机器人行业具有很强的分工性。
我们知道，在机器人领域，有人擅长去做人机交互，有人擅长去做本体，有人擅长去做汽车，有人做机器人，也有像和我一样去做自主导航定位系统的和激光雷达。每个人分工不同市场给到的时间是有限的。而怎么在有限的时间去做出一款相对完整的产品呢？强调的是怎么样把各自对应的优势发挥出来。单单有一个激光雷达，但是没有配套的导航定位系统，让厂家从零去开发SLAM就会有很大的难度。我们的导航定位的产品也是在去年年初才真正推向市场，这也就是为什么导航定位相对来说来得晚一些的原因。
02
那为什么说导航定位这件事情有难度呢？因为这里涉及到很多的细节，在这里我就不把细节一一展开。先给大家讲一些比较形象直观的认识。
这个就是一个比较典型的导航定位系统，其中包含了SLAM、路径规划系统以及和激光雷达协作的系统构架图。上图画面上可能不是特别清楚，但我的主要目就是想和大家阐述一个观点：到目前为止SLAM系统还是比较复杂的。
它的复杂程度主要体现在几个方面：
1.算法的完备性。我们也知道目前也有很多开源的算法，比如说像iOS，但是这些算法它处理现实问题时还是力不从心。如果想做一款完善的产品，厂家还得把开源算法存在的一些不好的问题给处理清楚。下面，我给大家举一个例子：
以上展示了两张地图，你会发现右边这张地图，它算是固件失败，比如说它里边明明是一个可以拼接在一起的走廊，但却变成了一个非常扭曲的效果。这也是现在很多非商用的SLAM系统具备的特性，就是对于这种相对比较复杂的场景，它可能存在地图不闭合，或者缺乏回环检测的功能。这也是SLAM系统在进行实用化亟待解决的本质问题。如果说使用的是商用系统，采用这种SLAM的开源方案，就必须得有厂家自行研发和解决。
2.从传统上来说，SLAM系统需要有强大的处理器来进行工作。比如现在跑一个SLAM，它需要有上G赫兹或者多核几核甚至用笔记本来完成。所以这导致了一个问题：功耗、体积和成本变得很高。
3.SLAM算法在使用上还需要用到其他的传感器。这样一来，研究设计一个机器人在使用SLAM系统时就会存在多种耦合性。这些耦合性将导致研发和核心技术变得非常困难。所以说有了激光雷达再借助一个主板并不能解决事情。
这张图展现的就是一个例子：一个机器人，如果它要用SLAM算法，就会发现会为它配备很多不同的传感器，还有几个对应的处理系统，而把这些东西错综复杂联接在一起就会使得这个机器人在研发上具有很强的耦合性，同时也会造成研发的难度加大。所以在解决这件事情上，它有很多种方法。思岚科技的探索的就是把这三个系统变成一个标准模块，结果就是可以让用户在使用SLAM的时候变得比较容易，用户使用这一模块就可以和激光雷达进行连接，它的外部有一个接口，可以让机器人较快地使用到。
上图就是我们思岚科技的模块化的SLAM导航定位系统。它里面包含了对SLAM本身的处理以及前面提到的路径规划的能力。甚至说扫地机器人对应的一些功能，也都集合在当中。
这样做的好处是，在有了激光雷达以后，对应的机器人在SLAM和导航定位能力的便捷程度上提高了一个等级。当时我们在做这个模块化的SLAM系统时，曾经把激光雷达和导航定位系统和一个平衡车进行对接，大概用了几天的时间，这个平衡车就具有了无人驾驶的能力。
总结来说，首先激光雷达它本身并不是一个具有SLAM和导航定位能力的传感器，你必须得为它去研发或配备对应的模块或者算法，来使得它具有这样的功能。这也是为什么缺乏这样的解决方案，光有低成本的激光雷达，它并不能够使得导航定位的能力被机器人广泛使用，这是一个本质的原因。
后附精彩问答环节
Q1丨据我了解目前国内大部分都是基于激光雷达的slam，请问这个跟基于视觉的SLAM相比有什么优劣？
陈士凯：首先从理论上来说，基于视觉SLAM的方式，它代表的是一种未来的趋势。为什么这样说呢？因为人和生物都是基于视觉的SLAM，视觉SLAM从理论上来说，它应该可以提供更为丰富的信息，这的确也是一种研究方向。但是到目前为止，我们认为在两三年内激光SLAM的方案都是占优的，这是为什么呢？主要是因为一方面视觉的传感器它还达不到人和生物的眼睛的等级，另一方面其处理能力也远未达到人和生物的处理能力，深度学习需要有非常强大的处理才能完成。
对机器人来说，就目前处理器的能力而言，只能让视觉SLAM做非常简单的事情，甚至简单到它不可能通过过摄像头的画面去理解画面，比如说墙体、门等信息。通过它构建的地图是不可能直接用于导航定位的，所以它的局限还很多，甚至有时候还得依靠激光雷达进行辅助。
另一方面也会有硬伤，当环境光变暗时，视觉SLAM完全不能工作，因为它要像人一样通过环境光来工作。激光雷达的优点就在于激光的精度，还有它对环境的依赖性非常小。所以这一两年内，激光雷达的方案是一种非常可靠和高效的东西。并且激光雷达在上世纪的学术界也研究了二三十年，并且非常成熟。所以我们认为，两三年内激光SLAM方案还是非常占优。而其主要的优缺点就在于，激光对环境的依赖小、精度高，视觉SLAM对环境光有要求，并且还相对不是很成熟。
Q2丨现在的激光雷达是基于三角测量的方法么？如果是使用的摄像头和一般的摄像头有什么区别么？为什么可以做到4000帧每秒？
陈士凯：首先我们知道这个，普通的摄像头它的帧率肯定是达不到那么高的，所以在这里面的激光雷达一般会用一些比较特殊的传感器和摄像头传感器。当然，各家都有各自的行业机密在里面，所以不便细说。
Q3丨在哪可以买到思岚科技的slamware？
陈士凯：可以通过我们官网联系到思岚科技来进行购买，在这就不做过多的介绍。另外，SLAMWARE的确就是把SLAM和导航定位这两件事都封装在这个模块里面。导航就包含从a点到b点的移动、自主回家充电，甚至说像扫地机器人的完整的算法都包含在里面，那针对不同的客户我们会提供不同的版本。
Q4丨导航地位系统会需要3D的激光雷达吗？
陈士凯：的确，在一些特殊场合会需要用到3D的激光雷达。我们都知道比较有名的就是谷歌的无人驾驶汽车，它在里面就要用到3D的激光雷达。问题在于，主要是看机器人是在什么场景下进行移动？比如像室内机器人，它工作场合就在一个平面环境当中。这个时候它就不需要有三维的环境建模能力，因为会比较浪费。并且不同高度的障碍物，它可以通过超声波来进行测量。但是对于无人驾驶汽车来说，它的环境相对复杂。比如说前段时间特斯拉出了交通事故，就是因为缺少三维激光雷达，导致它撞到东西。
Q5丨小米带激光雷达的扫地机今天宣布入局，有人说买小米扫地机拆雷达来用，因此思岚会大幅度降价吗？
陈士凯：思岚科技推出低成本的激光雷达也有一定时间了。这几年行业里也积累了比较多的跟随者。其实我们在定价策略一直不是说是最便宜，但是区别就在于，我们对外的价格一直是研发样品的价格。相对我们的追随者来说，我们一直保持着资深的定价体系。所以这种情况下，我们也不会对价格有大的改动。当然我觉得像这样一个事情，对于目前市面上其他研发厂商都会产生一定的冲击。
Q6丨请问特斯拉的自动驾驶系统结合了激光和视觉，它们分别实现了什么样的分工?
陈士凯：首先这个领域我并没有直接去做，但是和这个领域的人有过交流。一般来说，激光会做这么几件事：
1.环境的建模；
2.障碍物的规避。
而视觉在所有的无人驾驶里面都是非常必要的。为什么说它是必要的？举个例子，比如说走到路口，红绿灯怎样来识别？而且各种交通标志也是不可能通过激光雷达来进行识别的。所以在这个过程里，视觉就一直承担着环境中各种图像信息处理识别的角色。当然对于特斯拉来说，它在这里面的图像还会起到壁障作用。不过特斯拉会使用毫米波雷达来代替一部分激光雷达做的事情，以完成环境的壁障。
以上。
关于机器人大家说第三期分享会的干货终于在今日整理完毕，后续我们还会为大家带来持续的干货分享。
文章来源于 机器人创新生态圈 查看全部
这个现象的原因，其实是跟激光雷达、SLAM、路径规划这三者之间的区别有关系。
01
首先，激光雷达本身它只是一个传感器，或者说它就是机器人的“眼睛”。我们都知道，人的眼睛只负责看东西，但是人类对于所见的事物还需要进行理解，这个时候就需要人的大脑或者大脑皮层中枢来处理。对机器人来说，有了激光雷达的数据以后，它还需要开发额外的SLAM算法或者其他能完成地图构建和定位的算法。而有了SLAM的算法以后机器人还不能动，还需要为它编写路径规划的算法才能自主移动。
所以就有了这样一个问题，以前三大行业里会认为阻碍机器人发展的原因是成本问题，影响导航定位的原因也是激光雷达的成本问题。但是最后会发现，当激光雷达的产品面世之后，时间一长仍然会面临第二个第三个问题：有了激光雷达以后怎样才能进行路径规划和SLAM？而这两点和研发激光雷达一样具有很大的难度。这些难度并不是机器人行业里的研发机构非常擅长的，因为机器人行业具有很强的分工性。
我们知道，在机器人领域，有人擅长去做人机交互，有人擅长去做本体，有人擅长去做汽车，有人做机器人，也有像和我一样去做自主导航定位系统的和激光雷达。每个人分工不同市场给到的时间是有限的。而怎么在有限的时间去做出一款相对完整的产品呢？强调的是怎么样把各自对应的优势发挥出来。单单有一个激光雷达，但是没有配套的导航定位系统，让厂家从零去开发SLAM就会有很大的难度。我们的导航定位的产品也是在去年年初才真正推向市场，这也就是为什么导航定位相对来说来得晚一些的原因。
02
那为什么说导航定位这件事情有难度呢？因为这里涉及到很多的细节，在这里我就不把细节一一展开。先给大家讲一些比较形象直观的认识。
这个就是一个比较典型的导航定位系统，其中包含了SLAM、路径规划系统以及和激光雷达协作的系统构架图。上图画面上可能不是特别清楚，但我的主要目就是想和大家阐述一个观点：到目前为止SLAM系统还是比较复杂的。
它的复杂程度主要体现在几个方面：
1.算法的完备性。我们也知道目前也有很多开源的算法，比如说像iOS，但是这些算法它处理现实问题时还是力不从心。如果想做一款完善的产品，厂家还得把开源算法存在的一些不好的问题给处理清楚。下面，我给大家举一个例子：
以上展示了两张地图，你会发现右边这张地图，它算是固件失败，比如说它里边明明是一个可以拼接在一起的走廊，但却变成了一个非常扭曲的效果。这也是现在很多非商用的SLAM系统具备的特性，就是对于这种相对比较复杂的场景，它可能存在地图不闭合，或者缺乏回环检测的功能。这也是SLAM系统在进行实用化亟待解决的本质问题。如果说使用的是商用系统，采用这种SLAM的开源方案，就必须得有厂家自行研发和解决。
2.从传统上来说，SLAM系统需要有强大的处理器来进行工作。比如现在跑一个SLAM，它需要有上G赫兹或者多核几核甚至用笔记本来完成。所以这导致了一个问题：功耗、体积和成本变得很高。
3.SLAM算法在使用上还需要用到其他的传感器。这样一来，研究设计一个机器人在使用SLAM系统时就会存在多种耦合性。这些耦合性将导致研发和核心技术变得非常困难。所以说有了激光雷达再借助一个主板并不能解决事情。
这张图展现的就是一个例子：一个机器人，如果它要用SLAM算法，就会发现会为它配备很多不同的传感器，还有几个对应的处理系统，而把这些东西错综复杂联接在一起就会使得这个机器人在研发上具有很强的耦合性，同时也会造成研发的难度加大。所以在解决这件事情上，它有很多种方法。思岚科技的探索的就是把这三个系统变成一个标准模块，结果就是可以让用户在使用SLAM的时候变得比较容易，用户使用这一模块就可以和激光雷达进行连接，它的外部有一个接口，可以让机器人较快地使用到。
上图就是我们思岚科技的模块化的SLAM导航定位系统。它里面包含了对SLAM本身的处理以及前面提到的路径规划的能力。甚至说扫地机器人对应的一些功能，也都集合在当中。
这样做的好处是，在有了激光雷达以后，对应的机器人在SLAM和导航定位能力的便捷程度上提高了一个等级。当时我们在做这个模块化的SLAM系统时，曾经把激光雷达和导航定位系统和一个平衡车进行对接，大概用了几天的时间，这个平衡车就具有了无人驾驶的能力。
总结来说，首先激光雷达它本身并不是一个具有SLAM和导航定位能力的传感器，你必须得为它去研发或配备对应的模块或者算法，来使得它具有这样的功能。这也是为什么缺乏这样的解决方案，光有低成本的激光雷达，它并不能够使得导航定位的能力被机器人广泛使用，这是一个本质的原因。
后附精彩问答环节
Q1丨据我了解目前国内大部分都是基于激光雷达的slam，请问这个跟基于视觉的SLAM相比有什么优劣？
陈士凯：首先从理论上来说，基于视觉SLAM的方式，它代表的是一种未来的趋势。为什么这样说呢？因为人和生物都是基于视觉的SLAM，视觉SLAM从理论上来说，它应该可以提供更为丰富的信息，这的确也是一种研究方向。但是到目前为止，我们认为在两三年内激光SLAM的方案都是占优的，这是为什么呢？主要是因为一方面视觉的传感器它还达不到人和生物的眼睛的等级，另一方面其处理能力也远未达到人和生物的处理能力，深度学习需要有非常强大的处理才能完成。
对机器人来说，就目前处理器的能力而言，只能让视觉SLAM做非常简单的事情，甚至简单到它不可能通过过摄像头的画面去理解画面，比如说墙体、门等信息。通过它构建的地图是不可能直接用于导航定位的，所以它的局限还很多，甚至有时候还得依靠激光雷达进行辅助。
另一方面也会有硬伤，当环境光变暗时，视觉SLAM完全不能工作，因为它要像人一样通过环境光来工作。激光雷达的优点就在于激光的精度，还有它对环境的依赖性非常小。所以这一两年内，激光雷达的方案是一种非常可靠和高效的东西。并且激光雷达在上世纪的学术界也研究了二三十年，并且非常成熟。所以我们认为，两三年内激光SLAM方案还是非常占优。而其主要的优缺点就在于，激光对环境的依赖小、精度高，视觉SLAM对环境光有要求，并且还相对不是很成熟。
Q2丨现在的激光雷达是基于三角测量的方法么？如果是使用的摄像头和一般的摄像头有什么区别么？为什么可以做到4000帧每秒？
陈士凯：首先我们知道这个，普通的摄像头它的帧率肯定是达不到那么高的，所以在这里面的激光雷达一般会用一些比较特殊的传感器和摄像头传感器。当然，各家都有各自的行业机密在里面，所以不便细说。
Q3丨在哪可以买到思岚科技的slamware？
陈士凯：可以通过我们官网联系到思岚科技来进行购买，在这就不做过多的介绍。另外，SLAMWARE的确就是把SLAM和导航定位这两件事都封装在这个模块里面。导航就包含从a点到b点的移动、自主回家充电，甚至说像扫地机器人的完整的算法都包含在里面，那针对不同的客户我们会提供不同的版本。
Q4丨导航地位系统会需要3D的激光雷达吗？
陈士凯：的确，在一些特殊场合会需要用到3D的激光雷达。我们都知道比较有名的就是谷歌的无人驾驶汽车，它在里面就要用到3D的激光雷达。问题在于，主要是看机器人是在什么场景下进行移动？比如像室内机器人，它工作场合就在一个平面环境当中。这个时候它就不需要有三维的环境建模能力，因为会比较浪费。并且不同高度的障碍物，它可以通过超声波来进行测量。但是对于无人驾驶汽车来说，它的环境相对复杂。比如说前段时间特斯拉出了交通事故，就是因为缺少三维激光雷达，导致它撞到东西。
Q5丨小米带激光雷达的扫地机今天宣布入局，有人说买小米扫地机拆雷达来用，因此思岚会大幅度降价吗？
陈士凯：思岚科技推出低成本的激光雷达也有一定时间了。这几年行业里也积累了比较多的跟随者。其实我们在定价策略一直不是说是最便宜，但是区别就在于，我们对外的价格一直是研发样品的价格。相对我们的追随者来说，我们一直保持着资深的定价体系。所以这种情况下，我们也不会对价格有大的改动。当然我觉得像这样一个事情，对于目前市面上其他研发厂商都会产生一定的冲击。
Q6丨请问特斯拉的自动驾驶系统结合了激光和视觉，它们分别实现了什么样的分工?
陈士凯：首先这个领域我并没有直接去做，但是和这个领域的人有过交流。一般来说，激光会做这么几件事：
1.环境的建模；
2.障碍物的规避。
而视觉在所有的无人驾驶里面都是非常必要的。为什么说它是必要的？举个例子，比如说走到路口，红绿灯怎样来识别？而且各种交通标志也是不可能通过激光雷达来进行识别的。所以在这个过程里，视觉就一直承担着环境中各种图像信息处理识别的角色。当然对于特斯拉来说，它在这里面的图像还会起到壁障作用。不过特斯拉会使用毫米波雷达来代替一部分激光雷达做的事情，以完成环境的壁障。
以上。
关于机器人大家说第三期分享会的干货终于在今日整理完毕，后续我们还会为大家带来持续的干货分享。
文章来源于 机器人创新生态圈
410 浏览
【解读】激光雷达技术大幅提升后，智能导航为何仍姗姗来迟？丨“机器人大家说”第三期干货整理（三）
机械自动化类 我是谁 2016-09-11 09:56 发表了文章
这个现象的原因，其实是跟激光雷达、SLAM、路径规划这三者之间的区别有关系。
01
首先，激光雷达本身它只是一个传感器，或者说它就是机器人的“眼睛”。我们都知道，人的眼睛只负责看东西，但是人类对于所见的事物还需要进行理解，这个时候就需要人的大脑或者大脑皮层中枢来处理。对机器人来说，有了激光雷达的数据以后，它还需要开发额外的SLAM算法或者其他能完成地图构建和定位的算法。而有了SLAM的算法以后机器人还不能动，还需要为它编写路径规划的算法才能自主移动。
所以就有了这样一个问题，以前三大行业里会认为阻碍机器人发展的原因是成本问题，影响导航定位的原因也是激光雷达的成本问题。但是最后会发现，当激光雷达的产品面世之后，时间一长仍然会面临第二个第三个问题：有了激光雷达以后怎样才能进行路径规划和SLAM？而这两点和研发激光雷达一样具有很大的难度。这些难度并不是机器人行业里的研发机构非常擅长的，因为机器人行业具有很强的分工性。
我们知道，在机器人领域，有人擅长去做人机交互，有人擅长去做本体，有人擅长去做汽车，有人做机器人，也有像和我一样去做自主导航定位系统的和激光雷达。每个人分工不同市场给到的时间是有限的。而怎么在有限的时间去做出一款相对完整的产品呢？强调的是怎么样把各自对应的优势发挥出来。单单有一个激光雷达，但是没有配套的导航定位系统，让厂家从零去开发SLAM就会有很大的难度。我们的导航定位的产品也是在去年年初才真正推向市场，这也就是为什么导航定位相对来说来得晚一些的原因。
02
那为什么说导航定位这件事情有难度呢？因为这里涉及到很多的细节，在这里我就不把细节一一展开。先给大家讲一些比较形象直观的认识。
这个就是一个比较典型的导航定位系统，其中包含了SLAM、路径规划系统以及和激光雷达协作的系统构架图。上图画面上可能不是特别清楚，但我的主要目就是想和大家阐述一个观点：到目前为止SLAM系统还是比较复杂的。
它的复杂程度主要体现在几个方面：
1.算法的完备性。我们也知道目前也有很多开源的算法，比如说像iOS，但是这些算法它处理现实问题时还是力不从心。如果想做一款完善的产品，厂家还得把开源算法存在的一些不好的问题给处理清楚。下面，我给大家举一个例子：
以上展示了两张地图，你会发现右边这张地图，它算是固件失败，比如说它里边明明是一个可以拼接在一起的走廊，但却变成了一个非常扭曲的效果。这也是现在很多非商用的SLAM系统具备的特性，就是对于这种相对比较复杂的场景，它可能存在地图不闭合，或者缺乏回环检测的功能。这也是SLAM系统在进行实用化亟待解决的本质问题。如果说使用的是商用系统，采用这种SLAM的开源方案，就必须得有厂家自行研发和解决。
2.从传统上来说，SLAM系统需要有强大的处理器来进行工作。比如现在跑一个SLAM，它需要有上G赫兹或者多核几核甚至用笔记本来完成。所以这导致了一个问题：功耗、体积和成本变得很高。
3.SLAM算法在使用上还需要用到其他的传感器。这样一来，研究设计一个机器人在使用SLAM系统时就会存在多种耦合性。这些耦合性将导致研发和核心技术变得非常困难。所以说有了激光雷达再借助一个主板并不能解决事情。
这张图展现的就是一个例子：一个机器人，如果它要用SLAM算法，就会发现会为它配备很多不同的传感器，还有几个对应的处理系统，而把这些东西错综复杂联接在一起就会使得这个机器人在研发上具有很强的耦合性，同时也会造成研发的难度加大。所以在解决这件事情上，它有很多种方法。思岚科技的探索的就是把这三个系统变成一个标准模块，结果就是可以让用户在使用SLAM的时候变得比较容易，用户使用这一模块就可以和激光雷达进行连接，它的外部有一个接口，可以让机器人较快地使用到。
上图就是我们思岚科技的模块化的SLAM导航定位系统。它里面包含了对SLAM本身的处理以及前面提到的路径规划的能力。甚至说扫地机器人对应的一些功能，也都集合在当中。
这样做的好处是，在有了激光雷达以后，对应的机器人在SLAM和导航定位能力的便捷程度上提高了一个等级。当时我们在做这个模块化的SLAM系统时，曾经把激光雷达和导航定位系统和一个平衡车进行对接，大概用了几天的时间，这个平衡车就具有了无人驾驶的能力。
总结来说，首先激光雷达它本身并不是一个具有SLAM和导航定位能力的传感器，你必须得为它去研发或配备对应的模块或者算法，来使得它具有这样的功能。这也是为什么缺乏这样的解决方案，光有低成本的激光雷达，它并不能够使得导航定位的能力被机器人广泛使用，这是一个本质的原因。
后附精彩问答环节
Q1丨据我了解目前国内大部分都是基于激光雷达的slam，请问这个跟基于视觉的SLAM相比有什么优劣？
陈士凯：首先从理论上来说，基于视觉SLAM的方式，它代表的是一种未来的趋势。为什么这样说呢？因为人和生物都是基于视觉的SLAM，视觉SLAM从理论上来说，它应该可以提供更为丰富的信息，这的确也是一种研究方向。但是到目前为止，我们认为在两三年内激光SLAM的方案都是占优的，这是为什么呢？主要是因为一方面视觉的传感器它还达不到人和生物的眼睛的等级，另一方面其处理能力也远未达到人和生物的处理能力，深度学习需要有非常强大的处理才能完成。
对机器人来说，就目前处理器的能力而言，只能让视觉SLAM做非常简单的事情，甚至简单到它不可能通过过摄像头的画面去理解画面，比如说墙体、门等信息。通过它构建的地图是不可能直接用于导航定位的，所以它的局限还很多，甚至有时候还得依靠激光雷达进行辅助。
另一方面也会有硬伤，当环境光变暗时，视觉SLAM完全不能工作，因为它要像人一样通过环境光来工作。激光雷达的优点就在于激光的精度，还有它对环境的依赖性非常小。所以这一两年内，激光雷达的方案是一种非常可靠和高效的东西。并且激光雷达在上世纪的学术界也研究了二三十年，并且非常成熟。所以我们认为，两三年内激光SLAM方案还是非常占优。而其主要的优缺点就在于，激光对环境的依赖小、精度高，视觉SLAM对环境光有要求，并且还相对不是很成熟。
Q2丨现在的激光雷达是基于三角测量的方法么？如果是使用的摄像头和一般的摄像头有什么区别么？为什么可以做到4000帧每秒？
陈士凯：首先我们知道这个，普通的摄像头它的帧率肯定是达不到那么高的，所以在这里面的激光雷达一般会用一些比较特殊的传感器和摄像头传感器。当然，各家都有各自的行业机密在里面，所以不便细说。
Q3丨在哪可以买到思岚科技的slamware？
陈士凯：可以通过我们官网联系到思岚科技来进行购买，在这就不做过多的介绍。另外，SLAMWARE的确就是把SLAM和导航定位这两件事都封装在这个模块里面。导航就包含从a点到b点的移动、自主回家充电，甚至说像扫地机器人的完整的算法都包含在里面，那针对不同的客户我们会提供不同的版本。
Q4丨导航地位系统会需要3D的激光雷达吗？
陈士凯：的确，在一些特殊场合会需要用到3D的激光雷达。我们都知道比较有名的就是谷歌的无人驾驶汽车，它在里面就要用到3D的激光雷达。问题在于，主要是看机器人是在什么场景下进行移动？比如像室内机器人，它工作场合就在一个平面环境当中。这个时候它就不需要有三维的环境建模能力，因为会比较浪费。并且不同高度的障碍物，它可以通过超声波来进行测量。但是对于无人驾驶汽车来说，它的环境相对复杂。比如说前段时间特斯拉出了交通事故，就是因为缺少三维激光雷达，导致它撞到东西。
Q5丨小米带激光雷达的扫地机今天宣布入局，有人说买小米扫地机拆雷达来用，因此思岚会大幅度降价吗？
陈士凯：思岚科技推出低成本的激光雷达也有一定时间了。这几年行业里也积累了比较多的跟随者。其实我们在定价策略一直不是说是最便宜，但是区别就在于，我们对外的价格一直是研发样品的价格。相对我们的追随者来说，我们一直保持着资深的定价体系。所以这种情况下，我们也不会对价格有大的改动。当然我觉得像这样一个事情，对于目前市面上其他研发厂商都会产生一定的冲击。
Q6丨请问特斯拉的自动驾驶系统结合了激光和视觉，它们分别实现了什么样的分工?
陈士凯：首先这个领域我并没有直接去做，但是和这个领域的人有过交流。一般来说，激光会做这么几件事：
1.环境的建模；
2.障碍物的规避。
而视觉在所有的无人驾驶里面都是非常必要的。为什么说它是必要的？举个例子，比如说走到路口，红绿灯怎样来识别？而且各种交通标志也是不可能通过激光雷达来进行识别的。所以在这个过程里，视觉就一直承担着环境中各种图像信息处理识别的角色。当然对于特斯拉来说，它在这里面的图像还会起到壁障作用。不过特斯拉会使用毫米波雷达来代替一部分激光雷达做的事情，以完成环境的壁障。
以上。
关于机器人大家说第三期分享会的干货终于在今日整理完毕，后续我们还会为大家带来持续的干货分享。
文章来源于 机器人创新生态圈 查看全部
01
首先，激光雷达本身它只是一个传感器，或者说它就是机器人的“眼睛”。我们都知道，人的眼睛只负责看东西，但是人类对于所见的事物还需要进行理解，这个时候就需要人的大脑或者大脑皮层中枢来处理。对机器人来说，有了激光雷达的数据以后，它还需要开发额外的SLAM算法或者其他能完成地图构建和定位的算法。而有了SLAM的算法以后机器人还不能动，还需要为它编写路径规划的算法才能自主移动。
所以就有了这样一个问题，以前三大行业里会认为阻碍机器人发展的原因是成本问题，影响导航定位的原因也是激光雷达的成本问题。但是最后会发现，当激光雷达的产品面世之后，时间一长仍然会面临第二个第三个问题：有了激光雷达以后怎样才能进行路径规划和SLAM？而这两点和研发激光雷达一样具有很大的难度。这些难度并不是机器人行业里的研发机构非常擅长的，因为机器人行业具有很强的分工性。
我们知道，在机器人领域，有人擅长去做人机交互，有人擅长去做本体，有人擅长去做汽车，有人做机器人，也有像和我一样去做自主导航定位系统的和激光雷达。每个人分工不同市场给到的时间是有限的。而怎么在有限的时间去做出一款相对完整的产品呢？强调的是怎么样把各自对应的优势发挥出来。单单有一个激光雷达，但是没有配套的导航定位系统，让厂家从零去开发SLAM就会有很大的难度。我们的导航定位的产品也是在去年年初才真正推向市场，这也就是为什么导航定位相对来说来得晚一些的原因。
02
那为什么说导航定位这件事情有难度呢？因为这里涉及到很多的细节，在这里我就不把细节一一展开。先给大家讲一些比较形象直观的认识。
这个就是一个比较典型的导航定位系统，其中包含了SLAM、路径规划系统以及和激光雷达协作的系统构架图。上图画面上可能不是特别清楚，但我的主要目就是想和大家阐述一个观点：到目前为止SLAM系统还是比较复杂的。
它的复杂程度主要体现在几个方面：
1.算法的完备性。我们也知道目前也有很多开源的算法，比如说像iOS，但是这些算法它处理现实问题时还是力不从心。如果想做一款完善的产品，厂家还得把开源算法存在的一些不好的问题给处理清楚。下面，我给大家举一个例子：
以上展示了两张地图，你会发现右边这张地图，它算是固件失败，比如说它里边明明是一个可以拼接在一起的走廊，但却变成了一个非常扭曲的效果。这也是现在很多非商用的SLAM系统具备的特性，就是对于这种相对比较复杂的场景，它可能存在地图不闭合，或者缺乏回环检测的功能。这也是SLAM系统在进行实用化亟待解决的本质问题。如果说使用的是商用系统，采用这种SLAM的开源方案，就必须得有厂家自行研发和解决。
2.从传统上来说，SLAM系统需要有强大的处理器来进行工作。比如现在跑一个SLAM，它需要有上G赫兹或者多核几核甚至用笔记本来完成。所以这导致了一个问题：功耗、体积和成本变得很高。
3.SLAM算法在使用上还需要用到其他的传感器。这样一来，研究设计一个机器人在使用SLAM系统时就会存在多种耦合性。这些耦合性将导致研发和核心技术变得非常困难。所以说有了激光雷达再借助一个主板并不能解决事情。
这张图展现的就是一个例子：一个机器人，如果它要用SLAM算法，就会发现会为它配备很多不同的传感器，还有几个对应的处理系统，而把这些东西错综复杂联接在一起就会使得这个机器人在研发上具有很强的耦合性，同时也会造成研发的难度加大。所以在解决这件事情上，它有很多种方法。思岚科技的探索的就是把这三个系统变成一个标准模块，结果就是可以让用户在使用SLAM的时候变得比较容易，用户使用这一模块就可以和激光雷达进行连接，它的外部有一个接口，可以让机器人较快地使用到。
上图就是我们思岚科技的模块化的SLAM导航定位系统。它里面包含了对SLAM本身的处理以及前面提到的路径规划的能力。甚至说扫地机器人对应的一些功能，也都集合在当中。
这样做的好处是，在有了激光雷达以后，对应的机器人在SLAM和导航定位能力的便捷程度上提高了一个等级。当时我们在做这个模块化的SLAM系统时，曾经把激光雷达和导航定位系统和一个平衡车进行对接，大概用了几天的时间，这个平衡车就具有了无人驾驶的能力。
总结来说，首先激光雷达它本身并不是一个具有SLAM和导航定位能力的传感器，你必须得为它去研发或配备对应的模块或者算法，来使得它具有这样的功能。这也是为什么缺乏这样的解决方案，光有低成本的激光雷达，它并不能够使得导航定位的能力被机器人广泛使用，这是一个本质的原因。
后附精彩问答环节
Q1丨据我了解目前国内大部分都是基于激光雷达的slam，请问这个跟基于视觉的SLAM相比有什么优劣？
陈士凯：首先从理论上来说，基于视觉SLAM的方式，它代表的是一种未来的趋势。为什么这样说呢？因为人和生物都是基于视觉的SLAM，视觉SLAM从理论上来说，它应该可以提供更为丰富的信息，这的确也是一种研究方向。但是到目前为止，我们认为在两三年内激光SLAM的方案都是占优的，这是为什么呢？主要是因为一方面视觉的传感器它还达不到人和生物的眼睛的等级，另一方面其处理能力也远未达到人和生物的处理能力，深度学习需要有非常强大的处理才能完成。
对机器人来说，就目前处理器的能力而言，只能让视觉SLAM做非常简单的事情，甚至简单到它不可能通过过摄像头的画面去理解画面，比如说墙体、门等信息。通过它构建的地图是不可能直接用于导航定位的，所以它的局限还很多，甚至有时候还得依靠激光雷达进行辅助。
另一方面也会有硬伤，当环境光变暗时，视觉SLAM完全不能工作，因为它要像人一样通过环境光来工作。激光雷达的优点就在于激光的精度，还有它对环境的依赖性非常小。所以这一两年内，激光雷达的方案是一种非常可靠和高效的东西。并且激光雷达在上世纪的学术界也研究了二三十年，并且非常成熟。所以我们认为，两三年内激光SLAM方案还是非常占优。而其主要的优缺点就在于，激光对环境的依赖小、精度高，视觉SLAM对环境光有要求，并且还相对不是很成熟。
Q2丨现在的激光雷达是基于三角测量的方法么？如果是使用的摄像头和一般的摄像头有什么区别么？为什么可以做到4000帧每秒？
陈士凯：首先我们知道这个，普通的摄像头它的帧率肯定是达不到那么高的，所以在这里面的激光雷达一般会用一些比较特殊的传感器和摄像头传感器。当然，各家都有各自的行业机密在里面，所以不便细说。
Q3丨在哪可以买到思岚科技的slamware？
陈士凯：可以通过我们官网联系到思岚科技来进行购买，在这就不做过多的介绍。另外，SLAMWARE的确就是把SLAM和导航定位这两件事都封装在这个模块里面。导航就包含从a点到b点的移动、自主回家充电，甚至说像扫地机器人的完整的算法都包含在里面，那针对不同的客户我们会提供不同的版本。
Q4丨导航地位系统会需要3D的激光雷达吗？
陈士凯：的确，在一些特殊场合会需要用到3D的激光雷达。我们都知道比较有名的就是谷歌的无人驾驶汽车，它在里面就要用到3D的激光雷达。问题在于，主要是看机器人是在什么场景下进行移动？比如像室内机器人，它工作场合就在一个平面环境当中。这个时候它就不需要有三维的环境建模能力，因为会比较浪费。并且不同高度的障碍物，它可以通过超声波来进行测量。但是对于无人驾驶汽车来说，它的环境相对复杂。比如说前段时间特斯拉出了交通事故，就是因为缺少三维激光雷达，导致它撞到东西。
Q5丨小米带激光雷达的扫地机今天宣布入局，有人说买小米扫地机拆雷达来用，因此思岚会大幅度降价吗？
陈士凯：思岚科技推出低成本的激光雷达也有一定时间了。这几年行业里也积累了比较多的跟随者。其实我们在定价策略一直不是说是最便宜，但是区别就在于，我们对外的价格一直是研发样品的价格。相对我们的追随者来说，我们一直保持着资深的定价体系。所以这种情况下，我们也不会对价格有大的改动。当然我觉得像这样一个事情，对于目前市面上其他研发厂商都会产生一定的冲击。
Q6丨请问特斯拉的自动驾驶系统结合了激光和视觉，它们分别实现了什么样的分工?
陈士凯：首先这个领域我并没有直接去做，但是和这个领域的人有过交流。一般来说，激光会做这么几件事：
1.环境的建模；
2.障碍物的规避。
而视觉在所有的无人驾驶里面都是非常必要的。为什么说它是必要的？举个例子，比如说走到路口，红绿灯怎样来识别？而且各种交通标志也是不可能通过激光雷达来进行识别的。所以在这个过程里，视觉就一直承担着环境中各种图像信息处理识别的角色。当然对于特斯拉来说，它在这里面的图像还会起到壁障作用。不过特斯拉会使用毫米波雷达来代替一部分激光雷达做的事情，以完成环境的壁障。
以上。
关于机器人大家说第三期分享会的干货终于在今日整理完毕，后续我们还会为大家带来持续的干货分享。
文章来源于 机器人创新生态圈 查看全部
这个现象的原因，其实是跟激光雷达、SLAM、路径规划这三者之间的区别有关系。
01
首先，激光雷达本身它只是一个传感器，或者说它就是机器人的“眼睛”。我们都知道，人的眼睛只负责看东西，但是人类对于所见的事物还需要进行理解，这个时候就需要人的大脑或者大脑皮层中枢来处理。对机器人来说，有了激光雷达的数据以后，它还需要开发额外的SLAM算法或者其他能完成地图构建和定位的算法。而有了SLAM的算法以后机器人还不能动，还需要为它编写路径规划的算法才能自主移动。
所以就有了这样一个问题，以前三大行业里会认为阻碍机器人发展的原因是成本问题，影响导航定位的原因也是激光雷达的成本问题。但是最后会发现，当激光雷达的产品面世之后，时间一长仍然会面临第二个第三个问题：有了激光雷达以后怎样才能进行路径规划和SLAM？而这两点和研发激光雷达一样具有很大的难度。这些难度并不是机器人行业里的研发机构非常擅长的，因为机器人行业具有很强的分工性。
我们知道，在机器人领域，有人擅长去做人机交互，有人擅长去做本体，有人擅长去做汽车，有人做机器人，也有像和我一样去做自主导航定位系统的和激光雷达。每个人分工不同市场给到的时间是有限的。而怎么在有限的时间去做出一款相对完整的产品呢？强调的是怎么样把各自对应的优势发挥出来。单单有一个激光雷达，但是没有配套的导航定位系统，让厂家从零去开发SLAM就会有很大的难度。我们的导航定位的产品也是在去年年初才真正推向市场，这也就是为什么导航定位相对来说来得晚一些的原因。
02
那为什么说导航定位这件事情有难度呢？因为这里涉及到很多的细节，在这里我就不把细节一一展开。先给大家讲一些比较形象直观的认识。
这个就是一个比较典型的导航定位系统，其中包含了SLAM、路径规划系统以及和激光雷达协作的系统构架图。上图画面上可能不是特别清楚，但我的主要目就是想和大家阐述一个观点：到目前为止SLAM系统还是比较复杂的。
它的复杂程度主要体现在几个方面：
1.算法的完备性。我们也知道目前也有很多开源的算法，比如说像iOS，但是这些算法它处理现实问题时还是力不从心。如果想做一款完善的产品，厂家还得把开源算法存在的一些不好的问题给处理清楚。下面，我给大家举一个例子：
以上展示了两张地图，你会发现右边这张地图，它算是固件失败，比如说它里边明明是一个可以拼接在一起的走廊，但却变成了一个非常扭曲的效果。这也是现在很多非商用的SLAM系统具备的特性，就是对于这种相对比较复杂的场景，它可能存在地图不闭合，或者缺乏回环检测的功能。这也是SLAM系统在进行实用化亟待解决的本质问题。如果说使用的是商用系统，采用这种SLAM的开源方案，就必须得有厂家自行研发和解决。
2.从传统上来说，SLAM系统需要有强大的处理器来进行工作。比如现在跑一个SLAM，它需要有上G赫兹或者多核几核甚至用笔记本来完成。所以这导致了一个问题：功耗、体积和成本变得很高。
3.SLAM算法在使用上还需要用到其他的传感器。这样一来，研究设计一个机器人在使用SLAM系统时就会存在多种耦合性。这些耦合性将导致研发和核心技术变得非常困难。所以说有了激光雷达再借助一个主板并不能解决事情。
这张图展现的就是一个例子：一个机器人，如果它要用SLAM算法，就会发现会为它配备很多不同的传感器，还有几个对应的处理系统，而把这些东西错综复杂联接在一起就会使得这个机器人在研发上具有很强的耦合性，同时也会造成研发的难度加大。所以在解决这件事情上，它有很多种方法。思岚科技的探索的就是把这三个系统变成一个标准模块，结果就是可以让用户在使用SLAM的时候变得比较容易，用户使用这一模块就可以和激光雷达进行连接，它的外部有一个接口，可以让机器人较快地使用到。
上图就是我们思岚科技的模块化的SLAM导航定位系统。它里面包含了对SLAM本身的处理以及前面提到的路径规划的能力。甚至说扫地机器人对应的一些功能，也都集合在当中。
这样做的好处是，在有了激光雷达以后，对应的机器人在SLAM和导航定位能力的便捷程度上提高了一个等级。当时我们在做这个模块化的SLAM系统时，曾经把激光雷达和导航定位系统和一个平衡车进行对接，大概用了几天的时间，这个平衡车就具有了无人驾驶的能力。
总结来说，首先激光雷达它本身并不是一个具有SLAM和导航定位能力的传感器，你必须得为它去研发或配备对应的模块或者算法，来使得它具有这样的功能。这也是为什么缺乏这样的解决方案，光有低成本的激光雷达，它并不能够使得导航定位的能力被机器人广泛使用，这是一个本质的原因。
后附精彩问答环节
Q1丨据我了解目前国内大部分都是基于激光雷达的slam，请问这个跟基于视觉的SLAM相比有什么优劣？
陈士凯：首先从理论上来说，基于视觉SLAM的方式，它代表的是一种未来的趋势。为什么这样说呢？因为人和生物都是基于视觉的SLAM，视觉SLAM从理论上来说，它应该可以提供更为丰富的信息，这的确也是一种研究方向。但是到目前为止，我们认为在两三年内激光SLAM的方案都是占优的，这是为什么呢？主要是因为一方面视觉的传感器它还达不到人和生物的眼睛的等级，另一方面其处理能力也远未达到人和生物的处理能力，深度学习需要有非常强大的处理才能完成。
对机器人来说，就目前处理器的能力而言，只能让视觉SLAM做非常简单的事情，甚至简单到它不可能通过过摄像头的画面去理解画面，比如说墙体、门等信息。通过它构建的地图是不可能直接用于导航定位的，所以它的局限还很多，甚至有时候还得依靠激光雷达进行辅助。
另一方面也会有硬伤，当环境光变暗时，视觉SLAM完全不能工作，因为它要像人一样通过环境光来工作。激光雷达的优点就在于激光的精度，还有它对环境的依赖性非常小。所以这一两年内，激光雷达的方案是一种非常可靠和高效的东西。并且激光雷达在上世纪的学术界也研究了二三十年，并且非常成熟。所以我们认为，两三年内激光SLAM方案还是非常占优。而其主要的优缺点就在于，激光对环境的依赖小、精度高，视觉SLAM对环境光有要求，并且还相对不是很成熟。
Q2丨现在的激光雷达是基于三角测量的方法么？如果是使用的摄像头和一般的摄像头有什么区别么？为什么可以做到4000帧每秒？
陈士凯：首先我们知道这个，普通的摄像头它的帧率肯定是达不到那么高的，所以在这里面的激光雷达一般会用一些比较特殊的传感器和摄像头传感器。当然，各家都有各自的行业机密在里面，所以不便细说。
Q3丨在哪可以买到思岚科技的slamware？
陈士凯：可以通过我们官网联系到思岚科技来进行购买，在这就不做过多的介绍。另外，SLAMWARE的确就是把SLAM和导航定位这两件事都封装在这个模块里面。导航就包含从a点到b点的移动、自主回家充电，甚至说像扫地机器人的完整的算法都包含在里面，那针对不同的客户我们会提供不同的版本。
Q4丨导航地位系统会需要3D的激光雷达吗？
陈士凯：的确，在一些特殊场合会需要用到3D的激光雷达。我们都知道比较有名的就是谷歌的无人驾驶汽车，它在里面就要用到3D的激光雷达。问题在于，主要是看机器人是在什么场景下进行移动？比如像室内机器人，它工作场合就在一个平面环境当中。这个时候它就不需要有三维的环境建模能力，因为会比较浪费。并且不同高度的障碍物，它可以通过超声波来进行测量。但是对于无人驾驶汽车来说，它的环境相对复杂。比如说前段时间特斯拉出了交通事故，就是因为缺少三维激光雷达，导致它撞到东西。
Q5丨小米带激光雷达的扫地机今天宣布入局，有人说买小米扫地机拆雷达来用，因此思岚会大幅度降价吗？
陈士凯：思岚科技推出低成本的激光雷达也有一定时间了。这几年行业里也积累了比较多的跟随者。其实我们在定价策略一直不是说是最便宜，但是区别就在于，我们对外的价格一直是研发样品的价格。相对我们的追随者来说，我们一直保持着资深的定价体系。所以这种情况下，我们也不会对价格有大的改动。当然我觉得像这样一个事情，对于目前市面上其他研发厂商都会产生一定的冲击。
Q6丨请问特斯拉的自动驾驶系统结合了激光和视觉，它们分别实现了什么样的分工?
陈士凯：首先这个领域我并没有直接去做，但是和这个领域的人有过交流。一般来说，激光会做这么几件事：
1.环境的建模；
2.障碍物的规避。
而视觉在所有的无人驾驶里面都是非常必要的。为什么说它是必要的？举个例子，比如说走到路口，红绿灯怎样来识别？而且各种交通标志也是不可能通过激光雷达来进行识别的。所以在这个过程里，视觉就一直承担着环境中各种图像信息处理识别的角色。当然对于特斯拉来说，它在这里面的图像还会起到壁障作用。不过特斯拉会使用毫米波雷达来代替一部分激光雷达做的事情，以完成环境的壁障。
以上。
关于机器人大家说第三期分享会的干货终于在今日整理完毕，后续我们还会为大家带来持续的干货分享。
文章来源于 机器人创新生态圈