歷途機器人借助計算機視覺和人工智能技術來感知外界環境，并配合其它系統完成機器人的場景感知、行動規劃和任務執行。

1、采用視覺slam技術

采用幾何視覺slam和基于深度學習的slam相結合的技術進行機器人位置和周圍環境距離信息的感知。

幾何視覺slam技術對于不同工作場景適應性強，其配合IMU使用后，可以提供較準確的定位信息;缺點是工作前需要進行初始化，穩定性會受不同光照條件影響。

基于深度學習的slam技術，當模型訓練好，開始工作時不需要初始化，在特定情況下工作穩定性好;缺點是穩定性過分依賴于訓練數據集，數據集的不完備性影響場景感知性能。

兩種技術進行結合可以提升工作穩定性，當幾何視覺slam初始化失敗或者工作不穩定時可以采用基于深度學習的slam技術進行環境感知。

2、多傳感器融合技術

單純依賴一種傳感器進行感知不能完全保證機器人工作的穩定性。為此采用多傳感器融合的技術，通過采用單目相機、IMU等傳感器進行數據耦合，相互補充提升感知的穩定性。單目相機缺失尺度信息，而IMU可以測得絕對的速度和角速度，彌補了尺度缺失的問題;IMU數據采樣頻率高，但數據漂移大，而相機數據雖然采樣頻率低但漂移小，相機數據和IMU數據相互耦合可以克服單一傳感器造成的感知性能差的缺點。

3、圖像檢測技術

視覺slam技術只是提供了周圍環境距離信息的感知，缺乏對環境信息的理解。采用圖像檢測技術可以確保機器人更深層次的理解環境，檢測出障礙物，使得機器人避開不利于自身行動的障礙;另一方面，通過圖像檢測技術可以感知可以指引機器人進一步行動的參照信息，糾正行動偏差，確保工作穩定。

外墻清掃機器人可以借助這些技術獲取外墻的工作環境，感知外墻玻璃邊框凸起的棱角，凸起的棱角會阻礙機器人清掃工作，有了場景的感知就可以引導機器人進行越障;借助視覺感知外墻玻璃凹陷的邊帶，該凹陷的邊帶會影響機器人的吸附壓，同樣借助視覺引導機器人跨越該邊帶;在外界天氣比較惡劣的情形下，風力會造成機器人清掃路徑與實際期望有所偏差，通過視覺信息的指引可以實時調整行進路線，保證清掃工作順利完成。

THE END

這些技術的采用，使得機器人不需要人的干預，可以智能的工作，自己感知距離、感知物體、理解場景，可以更好的服務于人類。