欢迎来到大禹的选购笔记-扫地机器人篇，想先来问问大家对扫地机器人的印象怎么样？

欢迎来到大宇的购买笔记——扫地机器人。想问问大家对扫地机器人的印象是怎样的？

我想应该是比较两极化的吧，不少人的眼里扫地机器人可不是什么智能，而是专门来添乱的小智障

，有些扫地机器人真的拉垮，但是疫情以来，大家宅家的频率变高了，对家里的清洁要求也变高了，所以从20年开始，需求牵动着这个市场来了一波快速的技术发展，扫地机器人从以前的难用变成可用，一直到今天，终于有几台能算得上是真正的好用。所以今天结合相关的参数给大家带来一篇机器人选购指南！

一个好用的扫地机器人应该有成熟的建图导航系统，强大的清扫能力，尽可能少的人工干预，所以我把选购点分为三个部分:SLAM导航系统，清扫能力，人工干预。

相信我的评判标准也符合大家的选购预期。

相信我的评价标准也符合大家的购买预期。

首先，值得购买的扫地机器人必须配备SLAM系统，智能规划路径，躲避障碍物。目前实现该系统的技术方案主要有两种，一种是采用激光测距传感器的LDS-SLAM，另一种是采用视觉传感器的LDS-SLAM。v满贯 quot。这就是手机导航和避障的区别。目前大部分产品采用LDS-SLAM方案，因为其技术最为成熟。(LDS是激光距离传感器的缩写)

激光测距传感器本质上是一个旋转激光测距雷达。通过测量旋转平面中所有障碍物的距离，可以精确地画出障碍物的边缘形状。随着机器人的移动，计算模块可以将捕捉到的边缘线按照一定的算法进行整合，最终可以绘制出整个房间的2D地图。有了地图信息，机器人在清扫时通过将当前障碍物的边缘特征与地图进行匹配，就可以知道自己在地图中的位置，实现定位功能。

激光雷达可以测距，所以当然可以探测到是否有障碍物，避开障碍物是没有问题的。LDS只能测距离，数据准确，但不够丰富。相比之下，V-SLAM在扫地机器人上安装摄像头，获取更丰富的信息，然后通过机器视觉的相关技术实现SLAM系统。V-SLAM的软件部分是一种全局优化算法，其硬件部分相当于一个视觉里程表，是根据摄像头拍摄的画面顺序来确定扫地机器人位置和姿态的模块。这里主要关注硬件的差异，也就是摄像头，分为两类。

第一类是传统的单目摄像机，只能获取彩色或灰度图像。通过提取和匹配相邻帧的特征点，计算两帧之间特征点的变化关系，可以推导出机器人本身的姿态变化。但这种变化是2D对2D的，就好像我们人类被一副眼镜蒙住了眼睛。虽然我们可以测量姿态变化，但无法获得更准确的深度信息，无法建立房间的3D地图，所以这种技术一般不会被产品使用。目前主要使用的是第二种产品，即深度相机，顾名思义，就是可以获取深度信息，构建房间3D地图的相机。

那总体来说呢，有两种技术方案，第一种是基于三角测量，有双目和结构光两种实现办法。双目相机利用双目测距原理，已知两个相机的基线焦距，再通过复杂的算法获得两个成像中比较容易识别跟匹配的特征点来计算出视差，这样就能推算出物体跟相机的距离。这个方案原理简单，但实现起来相当复杂。因为要从像素级别处理图像，寻找并匹配特征点，需要非常复杂的算法及大量的运算资源，对cpu跟gpu的要求都比较高。

总的来说，有两种技术方案。第一种是基于三角测量，有两种实现方式:双目和结构光。双目相机是利用双目测距的原理，知道两个相机的基线焦距，然后通过复杂的算法获得两幅图像中容易识别和匹配的特征点，计算视差，从而计算出物体与相机之间的距离。这个方案的原理很简单，但实现起来相当复杂。因为在像素级处理图像，寻找和匹配特征点，需要非常复杂的算法和大量的计算资源，所以对cpu和gpu的要求比较高。

为了解决双目摄像机的弱点，结构光技术应运而生。如果说双目相机是图片转文字相机，其效率和精度令人担忧，那么结构光就像识别二维码，可以快速准确地获取信息。光技术通过投射具有一定结构的图案，让相机快速识别匹配特征点，进而求解光源。摄像机和特征点形成的三角形可以快速计算出特征点的深度。以上两种都是建立在三角测量的基础上的。方案，它们的测量精度会随着测量距离的平方而降低，所以更适合近距离场景，对环境有要求。双目相机怕暗，结构光相机怕太亮。相机深度的第二种解决方案可以解决上述问题，利用光速来测量:主要是利用光的时间技术。

核心原理非常简单，光源发出测量光线，障碍物将光线漫反射回摄像机，有了这个时间差，再代入光速就可以测量出深度。说起来简单，但是由于光速太快了，工程师们各显神通，发展出了多个技术路线，比如D-TOF、I-TOF，这里就不细说了。TOF由于硬件成本高，像素往往较少，它的成像精度不如结构光技术，但是由于它受环境光的影响较弱，而且误差稳定，所以更适合中远距离的场景。

核心原理很简单。光源发射测量光，障碍物将光漫反射回摄像机。有了这个时间差，再代入光速就可以测出深度了。说起来容易，但是因为光速太快，工程师们已经开发了很多技术路线，比如D-TOF，I-TOF，这里就不细说了。由于硬件成本高，像素少，TOF的成像精度不如结构光技术，但受环境光影响小，误差稳定，更适合中长距离场景。

综上所述，我先把LDS-SLAM和V-SLAM的优缺点总结如下

LDS-SLAM和V-SLAM的优缺点

总之，硬件能直接获取的信息越丰富、越准确，软件的建模效果越好，SLAM系统的潜力就越大。从这个角度来说，带深度摄像头的V-SLAM比LDS-SLAM更好，我总结了深度摄像头三种技术路线的特点。

V-SLAM特点

大家再看产品参数的时候，结合以上内容就能判断出哪一台扫地机器人是真的聪明。

当你再看产品参数的时候，结合上面的内容，你就可以判断哪个扫地机器人是真正智能的了。

另外需要注意的是，多种传感器的组合是扫地机器人的发展趋势。如果多个传感器合理使用，优势互补，其效果肯定比只有一个传感器好。所以就目前SLAM系统而言，我推荐的购买顺序是:DTOF+3D结构光> > LDS+3D结构光> LDS+双目摄像头> LDS > DTOF >双目摄像头。

以上内容为前端硬件科普，后端全局优化。算法的效果和质量很难评价，但我知道优秀的人工智能算法的开发往往需要大量的资金支持和海量的用户数据，所以选择头部企业的产品总是对的(下一部分会介绍~)

那关于SLAM导航系统的内容就是以上啦，剩余配置、功能和品牌推荐的部分，会放到扫地机器人篇（下），敬请期待哦！

这就是SLAM导航系统。剩下的配置、功能、品牌推荐会放在扫地机器人章节(第二部分)，敬请期待！