机器人|扫地机器人“离家出走”的真实原因找到了：差个自动驾驶算法中薪|高薪|扫地机|自动驾驶|算

这家公司，竟然将自动驾驶算法用在了他们的扫地机器人上。
大材小用？
还真没有，虽然道路交通很复杂，但家里也一样。
不仅要在靠近柜脚床脚时减速，还要在 " 看见 " 障碍物（掉在地上的袜子、缠绕的数据线）时来个急刹车。

文章插图
还得肩负起逗猫遛狗的责任，给上班的你直播宠物的 " 作案现场 "。

文章插图
问题来了，机器人想要避开物体（如数据线、猫狗），用目标检测算法不就行了？
但目标检测算法只能识别已知物体，无法识别、测量未知物体的距离。
想让机器避障，除了检测特殊目标，还需要自动驾驶技术中的一项核心算法三维感知，即判断障碍物距离和三维尺寸（体积大小）的能力。
人眼会下意识地判断物体与自己的距离。
机器要想 " 学会 " 这种能力，同样需要先拥有 " 眼睛 "。

文章插图
自动驾驶避障核心：双目视觉算法
深度感知用到的测距方法有很多，包括红外、超声波、激光、3D 结构光、3D ToF、单目视觉、双目视觉等。
那么，为什么要选择双目视觉算法？
简单来说，就是让机器像人一样，用两只眼睛看世界，产生 " 深度 " 感。不然，机器人看着你和身后的花瓶，会认为是你正顶着一个花瓶，而不会产生 " 深度 " 感。

文章插图
△错位图
如果只有单目（只用一只眼睛，利用时间和判定框大小变化去测量距离）的话，机器也有办法判断距离，但就与人一样，没办法判断得那么精确。
例如，左右手各举一支笔，在闭上一只眼睛后，试着将笔尖对笔尖——是不是容易对不上？因为距离感变差了，所以笔尖总是容易互相错过。

文章插图
那么，激光雷达呢？
这的确是一个好东西，如果多个雷达全方位感知，机器就拥有了 " 神之视角 "，每个角落都能看得清清楚楚。
然而，它造价太昂贵。如果在机器人身上装上可以无死角扫视房间的雷达数量，它就变成了 " 行走的小金库 "，价格让人无法直视。
此外，如红外、超声波等算法，避障精度不如双目准确；至于 3D ToF、结构光等算法，不仅成本高，需要额外配摄像头做目标检测，而且没有区分物体的能力，只能通过大小判断障碍物。（例如，薄薄的袜子可能就被误吸了）
这也是为什么，双目视觉算法在无人车与无人机领域 " 备受欢迎 "。
而现在，双目视觉算法也被用在了扫地机器人上。
3cm 以上：结合 LDS，障碍物全识别
机器的 " 眼睛 "，通俗点来说就是各种大大小小的传感器。（激光雷达、相机后面的传感器）
传感器通常的工作原理，是机器（在角 α 顶点处）发射红外线、超声波、激光，通过 " 眼睛 "（下图角 β 的顶点）接收到后，再根据反射回来的角度、相位或时间，来判断距离（d）。

文章插图
△考验高中数学知识的时候到了
而双目视觉的根本原理，就像是将这个三角形变成了 3D 版：

文章插图
它的原理就两步：①确定视差，即将两个相机拍下来的照片进行对比，找出两张照片中相同的点间像素差，②基于视差，通过已知的双目空间几何关系，计算立体空间中各点的距离。
但相比人脑的高精度计算，想要实现计算机的双目识别，并不只有解三角形这么简单。
一个重要的原因，就是在步骤②这一块，计算机本身并不知道摄像机拍的两张照片哪里是一样的。

文章插图
△在计算机眼里，这些小黄鸭就是一堆数据
这就导致双目视觉算法的开发变得非常困难，但带来的收益也很高。
不过，双目视觉算法仍然有缺点，它受光线影响依旧很大。
所以在光线不足时，就用算法去主动 " 补上光线 "。
以石头 T7 Pro 扫地机器人的算法为例，双目视觉模块分为视觉控制和深度估计两部分，一个智能补光，一个估计深度。（甚至专门做个红外拍出的相片，搞成数据集，训练补光识别效果）
但自动驾驶算法，也绝不仅仅只靠 " 两只眼睛 "。
与人类不同，无论是自动驾驶汽车、无人机、还是扫地机器人，都可以说是 " 全身遍布 " 着眼睛。