agv导航方式对比，agv小车导航技术

这两种SLAM导航方式中，目前应用较为广泛的是激光SLAM，激光SLAM脱胎于早期基于测距的定位方式（如超声波、红外单点测距）。 LIDAR距离测量相对准确，误差模型简单，在阳光直射以外的环境下运行稳定，而且反馈信息本身包含直接的几何关系，更容易进行机器人路径规划，导航直观。激光SLAM的理论研究也比较成熟，实用产品也比较多。

VSLAM 具有强大的场景识别能力，因为它可以从环境中获取大量冗余纹理信息。早期的视觉SLAM基于过滤理论，其非线性误差模型和巨大的计算复杂度阻碍了实际实现。近年来，随着稀疏非线性优化理论（束调整）、相机技术和计算能力的进步，实时执行视觉SLAM不再是梦想。

算法难度和计算要求

从算法难度和计算要求来看，VSLAM比激光SLAM更困难。这里说一下，2016年推出了基于Google开源模型的一整套LIDAR解决方案，通俗点讲就是为激光SLAM提供了一个基础平台，可以在上面进行二次开发，我搭建的。从某种程度上来说，站在巨人的肩膀上看世界是相对容易的。

回顾Visual SLAM，首先，图像处理本身就是一门非常深奥的学问，而基于非线性优化的地图构建也是一个非常复杂且耗时的计算问题。在真实环境中，需要对现有的视觉SLAM框架进行优化和改进，例如添加光照模型、利用深度学**提取特征点、利用单目、双目、多眼融合视点等技术。这也是进一步提高视觉SLAM性能和实用性的必由之路。

从计算需求来看，主流的激光SLAM可以在常规ARM CPU上实时运行，而视觉SLAM本质上需要相对强大的、半桌面级别的CPU或GPU支持。但业界也认识到这蕴藏着巨大的机遇，为视觉处理定制的ASICS市场已经萌芽。例如，英特尔旗下的Movidius 可以处理图像、视频和深度神经网络，以瓦范围内的超低功耗提供桌面级GPU 吞吐量。

地图构建和累积误差

从地图构建的角度来看，激光SLAM的特点是单点、单次测量精度较高，但地图信息量较低，而视觉SLAM，特别是通过三角测量计算距离，该方法综合性能较差单点、单次测量。虽然单次测量的精度不如激光雷达高，但重复观测提高了重复性并提供了更丰富的地图信息。

在累积误差方面，激光SLAM普遍缺乏环回检测，导致累积误差难以消除。由于视觉SLAM使用了大量冗余纹理信息，环回检测很容易，即使前端积累了一定量的误差，也可以通过环回校正来消除误差。

成本

与VSLAM相比，激光SLAM存在最大的成本问题。激光雷达有很多等级，所有等级都比视觉传感器更昂贵。目前市场上最常见的SICK相机每台售价数万元，比高端工业相机和感光芯片贵得多。虽然量产后激光雷达的成本可能会大幅下降，但能否降低到同档次相机水平仍然是一个很大的问号。

App登陆

随着量产车型的不断发展，AGV导航技术必然会向柔性化、柔性化、智能化方向发展，这意味着三代导航技术是互斥的。在各种应用环境中，比如一些工厂，磁条更适合高精度、安全且成熟的应用技术，甚至在电商无人仓以及很多服务场景中，磁条绝对是第三代技术，会朝着。

例如，亿丰停车机器人车库正式安装在南京夫子庙地铁入口，是全球首创的“激光导航+梳齿交换”方式，后台系统实现了1000台AGV机器人的同时调度，使得避免失误，停车机器人可自动判断。同时操作多台AGV，实现最优管理。同时，大大节省取车时间，实现2分钟全自动停车取车。整个场馆无人出现，安全风险显着降低，停车效率提高。

目前应用最广泛的是磁导航和二维码导航，第三代激光SLAM也是比较成熟的定位导航方案，视觉SLAM是未来研究的主流。在无人仓库中，环境简单，通常只使用一种导航方式，但当涉及到人员或户外工作时，多种传感器的融合就成为必要。不同的导航技术可以取长补短，结合各自的优势，为市场打造真正有用且易于使用的导航解决方案。

看完请明星《高科技机器人》

就是这样：

2018年12月17日至18日，由先进机器人主办的“李元亨2018先进机器人年会暨铁臂阿童木先进金球奖颁奖典礼”将在深圳维纳斯皇家酒店（宝安沙井）举行。点击“阅读原文”。请通过文章底部的“文字”进行注册。

我过去推荐过的

点击“阅读原文”立即报名