不過, 雷射雷達只能建立平面的深度映像, 且成本一直居高不下, 多年來遲遲未得到廣泛應用. 而隨著視覺演算法和視覺計算處理器的發展, 掃地機器人迎來了基於視覺識別技術和AI演算法的時代.
視覺導航是指利用攝像頭掃描周圍的環境, 然後結合紅外感測器, 利用數學運算和幾何, 三角法測繪出房間的地圖, 以此來進行導航, 並根據前後影像中各個地標的位置變化來判斷當前的移動路線, 對其所構建的環境模型進行更新與調整.
目前, 市面上使用Vslam方案的只有Dyson和iRobot, 前者於2014年9月推出360Eye, 後者於2015年9月推出Roomba 980. 國內這幾年也開始湧現不少做Vslam方案的初創企業, 其中創立於2016年2月的SanKoBot (珊口智能) 便是其一. 與其他競爭對手不同的是, SanKoBot的Vslam方案擁有包括Vslam視覺, 物體識別, 映像處理, 人臉識別等多種創新技術, 兼具自主創新和產業落地能力, 提供人工智慧演算法和整體方案.
基於Vslam開源演算法, SanKoBot高度優化絕大部分性能. 比如, 實現了可以應用於弱光, 弱紋理, 強光, 甚至快速光照變化等一系列高難度的室內場景, 打破了原有Vslam技術高度依賴於光線條件的應用局限. 同時, 搭載的 'SKB HOME AI大腦' 將映像中的物體進行識別, 分類記錄, 並規劃最佳清掃路徑, 實現自動避障, 提高清掃效率.
基於vslam+識別技術機器人實現室內地圖和物品檢測
去年10月, SanKoBot在香港發布了單目視覺模組, 助力家庭掃地機器人產業升級迭代, 國際首個在普通晶片 (R16無加速晶片) 實現Vslam演算法產品化的公司, 成為同行努力效仿的對象, 也奠定行業領導者的地位.
單目視覺定位模組和採用該視覺的掃地機
11月, SanKoBot成為全球率先實現室內物體即時識別檢測, 應用在掃地機器人領域可與Vslam同時運行. 該掃地機器人一邊畫出室內地圖, 一邊做識別檢測, 並在地圖記錄好物體位置. 該方案是基於端的即時檢測和Vslam, 無需雲輔助或者加速晶片幫助, 是基於同一個攝像頭且為單目.
12月, 全覆蓋帶有路徑規划算法+Vslam視覺定位的模組, 以及整機進入量產, 截止目前SanKoBot已經給TCL等國內外知名企業供貨.
機器人基於端的即時識別技術 (單目)
在成立不到兩年的時間裡, SanKoBot能取得如此耀眼的成績, 離不開背後成熟的團隊. 創始人兼CEO李磊有多年的國內外TMT行業經驗和晶片產業經驗, 曾為國際知名以色列映像視覺公司Cortica中國的總負責人, 也是多家矽谷和以色列創業公司的早期投資人; 聯合創始人崔彧瑋畢業於美國馬里蘭大學, 獲計算神經學博士學位, 曾任矽谷AI公司Numenta高級研究員, 擁有2項美國AI核心專利, 曾獲William Hodos獎項; 演算法總監王子敬曾任Panasonic新加坡研究院演算法負責人, 具有16年計算機視覺及AI研發, 產業落地經驗, 其所設計的人臉檢測, 人體檢測演算法應用於松下監控相機及數位相機中. 此外, 技術, 管理團隊分別來自於United Technologies, 優必選, 三一重工, ZTE, 萬國商業網等企業.
在李磊看來, SanKoBot的技術在設備上實現了類似於人類的眼睛和部分大腦的功能, 掃地機器人只是落地的第一步.
隨著視覺Vslam的技術逐漸落地, SanKoBot於去年12月宣布已與國內一間知名公司達成合作, 將其視覺識別技術應用於城市智慧大腦. 例如, 當城市中攝像頭數量約為50萬個時, 僅兩周產生的數據就已達到8000T, 這是一個巨量的資訊. 在如此海量的數據中找到某時段, 某輛車的資訊, 通過傳統方法, 也許需要400人花上一整天的時間才能找到. 但通過SanKoBot提供的技術, 將車的顏色, 品牌, 行人等數據在錄製的時候就進行提煉和分類, 存儲在雲端索引中. 在其內搜索關鍵詞, 時段等資訊, 幾分鐘內就可以檢索到結果, 這將大大提升城市管理的效率.
去年6月, SanKoBot完成1100萬天使輪融資, 國金投資領投, 王利傑pre-Angel, 深圳朗科和鼎翠, IKEA等跟投. 同月獲得上海張江臨港的政府支援以及數百萬智能製造專項資金. 目前珊口智能正在新一輪融資, 用於研發投入和產品化商業化.