算法一：深度信息提取

其原理是使用兩個平行的相機，對空間中的每個點三角定位。通過匹配左右兩個相機中成像點的位置，來計算對應(yīng)三維點在空間中的距離。

機器人想要通過若干幅圖像來獲取目標的三維坐標，雙目視覺技術(shù)中更為重要的工作是對圖像執(zhí)行匹配，首先明確物體在左右圖像的相互匹配的點，然后獲得每一點視差以及深度信息。

雙目立體視覺有設(shè)備簡單且價格低廉，精度高且速度快，無需接觸物體即可計算距離和深度信息等優(yōu)點，其在無人機電力線巡檢以及工業(yè)建筑機器人中都有重要的應(yīng)用。

算法二：定位導(dǎo)航

機器人導(dǎo)航是一個比較復(fù)雜的系統(tǒng)，涉及技術(shù)如下：

• 視覺里程計VO；
• 建圖，利用VO和深度圖；
• 重定位，從已知地圖中識別當前的位置；
• 閉環(huán)檢測，消除VO的閉環(huán)誤差；
• 全局導(dǎo)航；
• 視覺避障；

Scene tagging，識別房間中物體加上tag。

簡單說來就是對機器人周邊的環(huán)境進行光學處理，先用攝像頭進行圖像信息采集，將采集的信息進行壓縮，然后將它反饋到一個由神經(jīng)網(wǎng)絡(luò)和統(tǒng)計學方法構(gòu)成的學習子系統(tǒng)，再由學習子系統(tǒng)將采集到的圖像信息和機器人的實際位置聯(lián)系起來，完成機器人的自主導(dǎo)航定位功能。

這種被稱為SLAM （Simultaneous Localization And Mapping）的方法，是移動機器人智能水平的最好體現(xiàn)，是否具備同步建圖與定位的能力被普遍認為是機器人能否實現(xiàn)自主的關(guān)鍵前提條件。

目前常用的SLAM技術(shù)主要分為兩類，一類是基于視覺傳感器的VSLAM，另一類是基于激光傳感器的激光SLAM。

視覺SLAM專指利用攝像機、Kinect等深度像機來做室內(nèi)導(dǎo)航和探索；到目前為止，室內(nèi)的視覺SLAM仍處于研究階段，遠未到實際應(yīng)用的程度；而激光SLAM技術(shù)已較為成熟，也是目前最穩(wěn)定、可靠的高性能SLAM方式。

算法三：避障

導(dǎo)航解決的問題是引導(dǎo)機器人接近目標。當機器人沒有地圖的時候，接近目標的方法稱為視覺避障技術(shù)。避障算法解決的問題是根據(jù)視覺傳感器的數(shù)據(jù)，對靜態(tài)障礙物、動態(tài)障礙物實現(xiàn)躲避，但仍維持向目標方向運動，實時自主導(dǎo)航。

避障算法有很多，傳統(tǒng)的導(dǎo)航避障方法如可視圖法、柵格法、自由空間法等算法對障礙物信息己知時的避障問題處理尚可，但當障礙信息未知或者障礙是可移動的時候，傳統(tǒng)的導(dǎo)航方法一般不能很好的解決避障問題或者根本不能避障。

而實際生活中，絕大多數(shù)的情況下，機器人所處的環(huán)境都是動態(tài)的、可變的、未知的，為了解決上述問題，人們引入了計算機和人工智能等領(lǐng)域的一些算法。

同時得益于處理器計算能力的提高及傳感器技術(shù)的發(fā)展，在移動機器人的平臺上進行一些復(fù)雜算法的運算也變得輕松，由此產(chǎn)生了一系列智能避障方法，比較熱門的有：遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、模糊算法等。
編輯：hfy