未来SLAM和多传感机器人很快就会融入每个家庭中

到2030年，机器人无人机预计将增长到近80万台总的来说，这是高质量的操作SLAM所需的大量传感器解决方案。选择基于DSP该框架旨在适用于各种传感器类型的集成，并使用特殊命令进行优化，以实现快速指定SLAM计算和快速浮点线性代数。

对我们中的许多人来说，AD5262BRUZ20机器人技术仍然是一个主要局限于工厂或仓库地板的应用程序。我们看到媒体报道说，个人机器人助手和机器人在医院里扮演着更大的角色。这些听起来都是好主意，但它们似乎仍然雄心勃勃，而不是短期的。然而，实际应用程序已经开始兴起。今天，家里的机器人正在做基本的家务。交付无人机开始出现。一家富有想象力的丹麦公司正在使用机器人紫外线消毒装置进行攻击Covid-19、该设备目前正在一些中国医院运行。

机器人的应用及市场

困境总是一个很好的驱动力，但对大多数人来说，只要价格合适，方便仍然足够。机器人真空吸尘器已经很熟悉了。机器人割草机现在出现在家庭和花园商店。你可以在网上购买机器人窗清洁器或机器人游泳池清洁器。甚至还有机器人来监督家庭的安全。到2025年，国内机器人市场预计将增长到近4000万台，到2030年将增长到1亿台以上。到2030年，机器人无人机预计将增长到近80万台.独立移动机器人还将在工厂、商场和商店的送货服务、库存等应用中发挥价值。据估计，到2030年，这些要求也将增加到数百万台。

SLAM和导航

所有独立机器人背后的魔法是同时定位和投射(SLAM)。SLAM学会在飞行中导航陌生的行业。今天不寻常的是，SLAM这不是基于机器学习，因为这个领域的某些方面可以并且会动态地改变(你移动你的家具或者狗决定睡在地板中间)。SLAM这取决于更传统的技术，特别是计算机视觉，以及一些非常重的线性代数。

为了像扫地机器人一样导航，SLAM必须估计相机轨迹并构建地图。它需要一张地图来估计相机轨迹和构建地图的轨迹，因此这些过程必须同时进行。这张地图并不详细。这是一组非常罕见的点沿着驾驶路径，根据三个步骤构建-跟踪、投影和闭环。跟踪是基础，包括查找特征点、拟合运动模型和准备投影-所有这些都使用指定的解决方案，它必须以即时速率运行。投影运行在帧的子集上，但线性方程表示大约数百乘以数百浮点矩阵——不像跟踪那么快，但仍然接近即时。

这是非常有效的，但请记住，这是一个即时计算。由于算法的限制和与传感器相关的校正偏差/噪声，随着时间的推移，具体的方法和估计方法将被分配。当机器人在整个闭环中再次浏览之前的点时，它可以纠正错误。这种计算显然不需要经常发生，但必须求解由成千上万个浮点矩阵表示的线性方程。这需要足够长的时间，因此它必须在后台程序中。

多传感器和组合

视觉感知必须通过其他形式的认知来增强等其他形式的认知来增强，以避免撞到狗或电视。此外，机器人可能会被困在低障碍物、椅子的地板支撑或地板和毯子之间的连接中。为了管理这种情况，机器人需要一个六轴传感器来检测倾斜度，这可能表明机器人可能被卡住的区域应该尝试不同的路径。机器人通常还包括光传感器（如跟踪鼠标移动的传感器）等。这些额外的输入增加了SLAM处理的准确性，但要真正提高准确性，必须通过智能校正和组合。

SLAM平台的要求规定

总的来说，这是高质量的操作SLAM所需的大量传感器解决方案。您不能在云中执行此操作；通信延迟会影响效率。计算需要立即在机器人专用低功耗平台上运行；选择基于DSP该框架旨在适用于各种传感器类型的集成，并使用特殊命令进行优化，以实现快速指定SLAM计算和快速浮点线性代数；硬件支持我上面提到的视觉惯性SLAM结合；并有一个应用广泛的应用ORB-SLAM2开源流程的SDK。

如果您正在考虑机器人技术，并希望构建一个高效、高精度的解决方案，请查看我们的CEVASensPro架构。