不过, 激光雷达只能建立平面的深度图像, 且成本一直居高不下, 多年来迟迟未得到广泛应用. 而随着视觉算法和视觉计算处理器的发展, 扫地机器人迎来了基于视觉识别技术和AI算法的时代.
视觉导航是指利用摄像头扫描周围的环境, 然后结合红外传感器, 利用数学运算和几何, 三角法测绘出房间的地图, 以此来进行导航, 并根据前后影像中各个地标的位置变化来判断当前的移动路线, 对其所构建的环境模型进行更新与调整.
目前, 市面上使用Vslam方案的只有Dyson和iRobot, 前者于2014年9月推出360Eye, 后者于2015年9月推出Roomba 980. 国内这几年也开始涌现不少做Vslam方案的初创企业, 其中创立于2016年2月的SanKoBot (珊口智能) 便是其一. 与其他竞争对手不同的是, SanKoBot的Vslam方案拥有包括Vslam视觉, 物体识别, 图像处理, 人脸识别等多种创新技术, 兼具自主创新和产业落地能力, 提供人工智能算法和整体方案.
基于Vslam开源算法, SanKoBot高度优化绝大部分性能. 比如, 实现了可以应用于弱光, 弱纹理, 强光, 甚至快速光照变化等一系列高难度的室内场景, 打破了原有Vslam技术高度依赖于光线条件的应用局限. 同时, 搭载的 'SKB HOME AI大脑' 将图像中的物体进行识别, 分类记录, 并规划最佳清扫路径, 实现自动避障, 提高清扫效率.
基于vslam+识别技术机器人实现室内地图和物品检测
去年10月, SanKoBot在香港发布了单目视觉模组, 助力家庭扫地机器人产业升级迭代, 国际首个在普通芯片 (R16无加速芯片) 实现Vslam算法产品化的公司, 成为同行努力效仿的对象, 也奠定行业领导者的地位.
单目视觉定位模组和采用该视觉的扫地机
11月, SanKoBot成为全球率先实现室内物体实时识别检测, 应用在扫地机器人领域可与Vslam同时运行. 该扫地机器人一边画出室内地图, 一边做识别检测, 并在地图记录好物体位置. 该方案是基于端的实时检测和Vslam, 无需云辅助或者加速芯片帮助, 是基于同一个摄像头且为单目.
12月, 全覆盖带有路径规划算法+Vslam视觉定位的模组, 以及整机进入量产, 截止目前SanKoBot已经给TCL等国内外知名企业供货.
机器人基于端的实时识别技术 (单目)
在成立不到两年的时间里, SanKoBot能取得如此耀眼的成绩, 离不开背后成熟的团队. 创始人兼CEO李磊有多年的国内外TMT行业经验和芯片产业经验, 曾为国际知名以色列图像视觉公司Cortica中国的总负责人, 也是多家硅谷和以色列创业公司的早期投资人; 联合创始人崔彧玮毕业于美国马里兰大学, 获计算神经学博士学位, 曾任硅谷AI公司Numenta高级研究员, 拥有2项美国AI核心专利, 曾获William Hodos奖项; 算法总监王子敬曾任Panasonic新加坡研究院算法负责人, 具有16年计算机视觉及AI研发, 产业落地经验, 其所设计的人脸检测, 人体检测算法应用于松下监控相机及数码相机中. 此外, 技术, 管理团队分别来自于United Technologies, 优必选, 三一重工, ZTE, 万国商业网等企业.
在李磊看来, SanKoBot的技术在设备上实现了类似于人类的眼睛和部分大脑的功能, 扫地机器人只是落地的第一步.
随着视觉Vslam的技术逐渐落地, SanKoBot于去年12月宣布已与国内一间知名公司达成合作, 将其视觉识别技术应用于城市智慧大脑. 例如, 当城市中摄像头数量约为50万个时, 仅两周产生的数据就已达到8000T, 这是一个巨量的信息. 在如此海量的数据中找到某时段, 某辆车的信息, 通过传统方法, 也许需要400人花上一整天的时间才能找到. 但通过SanKoBot提供的技术, 将车的颜色, 品牌, 行人等数据在录制的时候就进行提炼和分类, 存储在云端索引中. 在其内搜索关键词, 时段等信息, 几分钟内就可以检索到结果, 这将大大提升城市管理的效率.
去年6月, SanKoBot完成1100万天使轮融资, 国金投资领投, 王利杰pre-Angel, 深圳朗科和鼎翠, IKEA等跟投. 同月获得上海张江临港的政府支持以及数百万智能制造专项资金. 目前珊口智能正在新一轮融资, 用于研发投入和产品化商业化.