历途机器人借助计算机视觉和人工智能技术来感知外界环境，并配合其它系统完成机器人的场景感知、行动规划和任务执行。
1、采用视觉slam技术
采用几何视觉slam和基于深度学习的slam相结合的技术进行机器人位置和周围环境距离信息的感知。
几何视觉slam技术对于不同工作场景适应性强，其配合IMU使用后，可以提供较准确的定位信息;缺点是工作前需要进行初始化，稳定性会受不同光照条件影响。
基于深度学习的slam技术，当模型训练好，开始工作时不需要初始化，在特定情况下工作稳定性好;缺点是稳定性过分依赖于训练数据集，数据集的不完备性影响场景感知性能。
两种技术进行结合可以提升工作稳定性，当几何视觉slam初始化失败或者工作不稳定时可以采用基于深度学习的slam技术进行环境感知。
2、多传感器融合技术
单纯依赖一种传感器进行感知不能完全保证机器人工作的稳定性。为此采用多传感器融合的技术，通过采用单目相机、IMU等传感器进行数据耦合，相互补充提升感知的稳定性。
单目相机缺失尺度信息，而IMU可以测得绝对的速度和角速度，弥补了尺度缺失的问题;IMU数据采样频率高，但数据漂移大，而相机数据虽然采样频率低但漂移小，相机数据和IMU数据相互耦合可以克服单一传感器造成的感知性能差的缺点。
3、图像检测技术
视觉slam技术只是提供了周围环境距离信息的感知，缺乏对环境信息的理解。
采用图像检测技术可以确保机器人更深层次的理解环境，检测出障碍物，使得机器人避开不利于自身行动的障碍;另一方面，通过图像检测技术可以感知可以指引机器人进一步行动的参照信息，纠正行动偏差，确保工作稳定。
图片描述
外墙清扫机器人可以借助这些技术获取外墙的工作环境，感知外墙玻璃边框凸起的棱角。
凸起的棱角会阻碍机器人清扫工作，有了场景的感知就可以引导机器人进行越障;借助视觉感知外墙玻璃凹陷的边带，该凹陷的边带会影响机器人的吸附压，同样借助视觉引导机器人跨越该边带;在外界天气比较恶劣的情形下，风力会造成机器人清扫路径与实际期望有所偏差，通过视觉信息的指引可以实时调整行进路线，保证清扫工作顺利完成。
图片描述
THE END
这些技术的采用，使得机器人不需要人的干预，可以智能的工作，自己感知距离、感知物体、理解场景，可以更好的服务于人类。
原文地址：http://blog.51cto.com/14095078/2325477