Com l'"ull" i el cervell del robot escombrador, el sistema de navegació dóna a la màquina la capacitat de percebre i actuar. Des de la navegació inercial aleatòria fins a la planificació global de la navegació làser, la tecnologia de navegació ha sofert molts canvis, i després la navegació làser s'ha convertit en el corrent principal del mercat, però amb l'augment significatiu de la demanda d'intel·ligència dels usuaris, la navegació visual basada en tecnologia de visió per computador és forta Appears, el joc de "jugadors vells" i "nous participants" es torna a escenificar. Làser i visió, qui és el "futur"?
Tecnologia de navegació làser
La navegació làser neix dels primers mètodes de posicionament basats en la mesura de distància (com ultrasons i infrarojos). La mesura de la distància làser emet un feix en una direcció específica. Després que la llum reboti, és capturada pel receptor, i la distància entre si i l'objecte es pot calcular amb el temps. La navegació per làser obté informació ambiental a través de sensors làser, i mesura la distància entre la màquina i els obstacles. Després del processament d'algoritmes, es construeix un mapa bidimensional per realitzar posicionament i navegació.
El principi de treball específic de la navegació làser és presentar una sèrie de punts d'informació dispersos i precisos d'angle i distància a través de la informació ambiental recollida pel lidar, que s'anomena núvol puntual. La navegació per làser calcula la distància relativa del moviment i el canvi de postura de la màquina mitjançant la coincidència i la comparació de dos núvols de punts en diferents moments, completant així el seu propi posicionament. El principi relativament simple i les característiques del sensor làser fan que tingui els avantatges d'alta eficiència, alta precisió i resistència a la interferència.
Tecnologia de navegació visual
La navegació visual, com el seu nom indica, és recollir informació ambiental a través de sensors visuals i construir mapes basats en punts de característiques o marcadors per realitzar posicionaments i navegació autònoms.
Els estudis han demostrat que el 75% de la informació ambiental obtinguda pels humans prové de la visió, mentre que la visió binocular imita la visió humana en l'estructura, utilitzant paral·laxi binocular per aconseguir un rang de profunditat. En termes de principi de treball, la visió binocular pot obtenir informació de textura massiva i redundant de l'entorn, i té una forta capacitat de reconeixement d'escenes, que proporciona un requisit previ perquè el robot realitzi una presa de decisions intel·ligent. La informació de l'entorn bidimensional recollida pels prismàtics es pot utilitzar per generar un mapa tridimensional amb informació de profunditat mitjançant tecnologia de visió estèreo, que pot calcular la distància, volum i atribuir informació d'obstacles a la zona, per tal d'aconseguir posicionament, navegació, planificació de camins, evitació d'obstacles i altres funcions.
Al mateix temps, combinada amb el reconeixement semàntic, la visió binocular pot comprendre millor la disposició de la casa i l'estructura espacial, i realitzar una interacció intel·ligent, com el seguiment d'objectius i l'execució d'instruccions específiques.
Tots dos tenen els seus pros i contres.
Des del futur previsible, els usuaris sempre han mantingut expectatives molt altes per a la millora de la demanda intel·ligent, que també assenyala la direcció per a la propera generació de robots escombrats. El robot ha de simular el "mapa mental" del cervell humà i aprendre a pensar de manera independent. La presa de decisions intel·ligents és la clau.
No obstant això, la navegació làser està limitada per les propietats dels sensors, els núvols puntuals no poden distingir la informació de textura, i no tenen la capacitat de reconèixer escenes. Per tant, no poden proporcionar suport efectiu en la presa de decisions intel·ligent i la interacció intel·ligent, i la seva escalabilitat intel·ligent és insuficient. Al mateix temps, a causa de les restriccions de disseny, els obstacles baixos són propensos a detectar punts cecs. En el rendiment real, sovint es produeixen problemes com la fallada d'evitació d'obstacles, els tocs falsos i la resposta lenta.