机器人导航本身就是一个高度专业化的领域，多年来在研究和开发方面投入了大量资金来改进现有技术。
最近MarketResearchReports.biz出版的一本名为“机器人测绘和测距”的出版物进一步证实了机器人导航的重要性 - 该机构评论说，全球多个行业越来越多地使用自动机器人正在创造快速增长和对市场的需求。
有许多不同类型的解决方案，改善了机器人导航的不同方面。以下是一些值得一读的几种不同技术的综述。
结合反应视觉同时定位和映射（SLAM）的跟踪和深度感知
英特尔正在使用可视化方法和RealSense系列硬件，该系列硬件具有多个深度，光线和跟踪摄像头。特别是，该系列鼓励相机阵列的混合和匹配，以实现更好的机器人导航。例如，一个组合是带有D435深度相机的T265跟踪相机。
顾名思义，跟踪相机通过IMU的视觉数据和传感器数据确定其姿势，帮助跟踪机器人的位置。深度相机提供机器人“看到”的物体的3D点云。总的来说，这些信息可以在探测到整个空间被映射时构建机器人周围环境的精确地图。
在充分了解其环境的情况下，机器人可以对突然出现的新障碍做出反应，而无需完全重新映射或重新扫描其环境以确定前进路径; 它有足够的信息知道它可以移动它并且可以快速完成。
作为RealSense系列的一部分，英特尔还包括他们所谓的V-SLAM技术。这基本上是SLAM导航的更直观的形式。为了帮助为V-SLAM供电，两个宽视场鱼眼镜头（163 +/- 5度）用于视觉跟踪和低功率，永远在线的专用VPU（视觉处理单元）。
使用简化的SDK降低进入门槛
许多机器人导航解决方案的进入门槛非常高，特别是在尝试组合高级硬件和软件时。
CEVA尝试通过将CEVA SLAM-SDK与其现有的专用处理器系列相结合，使机器人导航更易于访问。特别是CEVA-XM6，一种专用的计算机视觉处理器，以及NeuPro处理器，它们是专门的深度学习AI处理器。
CEVA SLAM-SDK提供的接口允许将处理从CPU卸载到专用处理器。还包括图像处理构建块，用于诸如特征检测，加速线性代数和对计算机视觉重要的其他快速数值处理等功能。它还具有用于OpenCV功能的CEVA-CV库和RTOS调度，所有这些都是开箱即用的。
项目和产品可能会受到漫长而复杂的软件开发时间的限制，因此当花哨的新硬件发布以保证更好的性能时，总会有一个问题，即它的使用有多复杂。如果它太复杂，它将永远不会被采用。CEVA正在想象他们的SLAM-SDK被用于涉及计算机视觉的各种应用，包括机器人导航，AR / VR和无人机。
用于自治的专用片上系统加速器
高级硬件变得更加节能和节省空间的方法之一是将应用程序所需的所有内容组合在一个高度专业化的芯片中。SoC加速器不是一个新概念，但每年都会提供更有趣，更小，更强大的加速器。
英特尔在2019年ISSCC上使用一个这样的实验加速器提出了一个项目。该团队演示了一系列小型多机器人执行协调任务，没有任何集中处理服务器或人工参与。这种机器人协作的支柱是定制的22nm CMOS SoC，尺寸为16mm，功耗为37mW。SoC处理传感器数据的所有融合，映射，定位，对象检测，碰撞检测，运动控制和路径规划。
将所有这些从一个芯片管理显着降低了进入障碍，特别是当涉及需要多个机器人串联工作的系统时，所有这些都具有能量和空间限制。英特尔建议的示例应用程序是搜索和救援或精准农业。
基于云的处理和导航
当然，另一方面，有些情况下，机器人本身可能无法进行SLAM处理。在这些情况下，云解决方案是可行的。
基于云的处理和导航通常涉及从机器人接收传感器数据并在发回该信息之前远程处理所有处理。云服务器受功率和空间可用性的限制较少，并且可以使用更复杂的计算重量级硬件和算法。
此外，在多代理系统中，来自多个机器人的信息都可以与云共享，然后在整个机群上共享。这有助于更快地绘制区域，提供更频繁的更新，并提供更广泛的空间感知。
无论是基于硬件还是软件，都有很多方法可以实现越来越精确的机器人导航。当然，不同的方法各有利弊，但在许多情况下，解决方案正变得越来越好。
