算法|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( 二 )
图片
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 。 
图片
△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 。 
图片
其中就包括LDS（激光雷达） 。
当双目视觉算法遇上激光雷达（能搞定所在高度的平面避障） ， 在二者的结合之下 ， 机器人不仅能完美避开3cm以上的障碍物 ， 还能通过它们“找准自身定位” 。
此外 ， 激光雷达也会用在SLAM的建图和定位上 。
3cm以下：目标检测算法的最强“辅助”
不过 ， 在实际应用中 ， 单靠双目视觉算法和激光雷达 ， 还远远不够 。
小于3×5厘米的物体 ， 会比较麻烦 ， 既要区分出要清扫的部分（纸屑、地毯）、又要避开一些容易缠住的障碍（数据线） 。
【算法|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】这种情况下 ， 双目视觉算法就成了最好的“辅助”：协助目标识别算法 ， 将需要避开的物体检测出来 ， 准确地区分垃圾与障碍物 。
目标检测模型上 ， T7 Pro自研的神经网络借鉴了SSD ， YOLO ， 及CenterNet等多种新型模型 ， 目前还在不断地迭代 。
算法上 ， 石头采用了“一分为二”的待遇：高于3厘米的物体 ， 绕障碍物边沿避障和清扫；
小于3厘米的物体 ， 按种类进行清扫（纸屑、地毯）或避障（宠物便便、数据线） 。
数据集上 ， 石头也“别有用心”：选出了一些特殊的物体 ， 进行“有差别对待” 。
例如 ， 大家都有所担心的动物便便 ， 石头T7 Pro的算法中直接加入了便便的识别（同情做数据集的一秒钟） ， 在接触之前 ， 远远地就避开它 。
哪怕不在家 ， 扫地机器人也不会把宠物便便拖得满地都是 。 
图片
虽然算法目前已经迭代到了能够识别9种物体的“体量”（还在增加ing） ， 但不是所有的物体都像宠物便便这样 ， 会受到“远远避开”的待遇 。
9类常见障碍物：底座类（吧台椅、风扇、手持底座、平底座、灯底座）、体重秤、线团、插线板、鞋子、粑粑、织物（如袜子）、易卡家具（ 如U型椅）、簸箕
例如鞋子、风扇这种相对较为安全的物体 ， 离得近一点再避障也没什么问题（推开一点不重要 ， 扫干净就行） 。
以及 ， 这部分算法还有个小彩蛋 。
在你上班的时候 ， 这个扫地机器人就能化身小管家 ， “监督”宠物：是不是又把食盆打翻了？
不过 ， 视频只有直播 ， 没有云存储 ， 也就是说 ， 其他人甚至没办法窃取你家的数据 ， 所以 ， 不用担心扫地机器人会“变身间谍” 。
推荐阅读
- 机器人|梅卡曼德机器人获得近亿元人民币B+轮融资
- 金台资讯|我们需要什么样的“算法”？
- Kaldi|Daniel Povey：Kaldi 核心算法K2 0.1版本已发布，未来将坚持开源
- 中年|最终幻想14：关于獭獭机器人，qqbot的一个疑问
- |喻国明：算法是信息茧房的缔造者，还是打破者？|德外荐读
- 融资并购,智能机器人|软银拟将机器人公司波士顿动力卖给现代汽车
- 智能机器人,虚拟现实|为汉科技VR(虚拟)焊接+真实焊枪+焊接仿真+VR（虚拟）机器人
- 抖音|微博上线啥新功能？抖音算法有啥奥秘？石家庄举办县级融媒体技能演练
- 中年|上游?互动丨“开放两江、智慧之城与区域价值”主题征丨致敬，机器人(外一首)- 张天国
- 智能机器人,黑科技|航天技术育种，机器人当农夫，农业生产尽显“科技范”