難。

時至今日，多傳感器融合方案在機器人領域，已經成為了關鍵技術。通過將不同類型、不同精度、不同可靠性、不同空間分辨率的傳感器數據進行融合互補，實現信息的冗余，可以全面提升系統的環境感知性能、準確性和魯棒性，這對于行走在現實環境中的機器人而言，其作用至關重要。然而，劍有兩面，它的成本較高問題也困擾著行業。

隨著機器人市場規模增速放緩，機器人的高售價和功能表現不足引發的現實危機越發凸顯，如何降本增效成了廠商們當下階段的關鍵任務。而導航模塊作為機器人關鍵組成之一，很大程度決定了整機成本的下探空間。

降本容易增效難

從技術角度而言，開發低成本的多傳感器融合導航方案并非難事，難的是增效。

目前現有的融合方案大致分為兩種，一種是以單線激光雷達主導+IMU+里程計或其它傳感器的融合方案，采用松/緊耦合方式，有著簡單、成熟的技術優勢，是市面上較為常見的融合技術方案，然而缺點在于，一是環境適應能力較差，對于環境特征單一的長走廊等場景，誤差較高，容易偏離路徑，二是重定位能力差，運行過程中一旦丟失位置，難以重新定位。

另一種是以多線激光雷達為主導的融合方案，與其它傳感器采用松/緊耦合方式組合，得益于多線激光雷達，可獲取到環境物體的三維信息，環境感知能力優秀，有著精度高和穩定性高的特點，然而缺點一是成本很高，二是激光雷達一旦出現故障，會導致整個系統宕機，其他傳感器只做輔助，如雖接入視覺傳感器，但無法識別顏色信息，基本只用于實現避障。

兩種方案都有著各自的優點但缺點也很明顯。前者成本較低，但性能不足，降本卻未增效，且激光雷達的特性又決定它們是“基因”缺陷，短時間內并沒有有效方法解決。后者則是成本高，雖然現在傳感器成本不斷下降，但整體下探空間仍有限。

既然這兩條路桎梏難解，能否另辟蹊徑？隨著視覺技術的迅猛發展，視覺讓人們看到了它的潛力。

INDEMIND作為國內領先的計算機視覺技術公司，率先走出了新路徑。基于獨有的立體視覺技術，設計了以視覺傳感器為主導的標準化、模塊化的多傳感器融合架構，相對于激光融合方案，成本能夠下降60-80%，能夠保證系統精度及穩定性的同時，在功能上亦有著顯著提升。

降算力，提性能，釋放視覺潛力

信息量豐富是視覺的優勢，但也導致對算力要求極高，同時其它的傳感器的接入，系統復雜度提高，算力將會進一步提升。如何解決這個問題，是走通視覺融合方案的前提。

因此，INDEMIND在算法和硬件兩方面，進行了多項改進。算法上，采用增量優化的方式，分段處理，并在區段間建立先驗信息，有效降低了平臺計算壓力，提高計算效率。其次在硬件上，對于視覺處理采用neon加速、GPU加速、DSP加速等方式，提升計算性能，降低算力要求。

為了提高系統性能，INDEMIND擁有獨有的視覺多傳感器融合架構，通過遵循INDEMIND的標準定義接口，可“積木式”快速加入IMU、里程計、激光雷達、GNSS等多種傳感器，通過緊耦合方式組合，對于環境的容忍度更高，能夠保障在部分傳感器出現異常的同時，系統仍能保持正常運行，提高魯棒性。同時，由于傳感器較多，視覺、激光、里程計、IMU等不同傳感器產生的噪點，對于系統的穩定性和精度影響較大，INDEMIND對于各個傳感器的數據，進行了野值判定及剔除，進一步增進系統對于原始傳感器數據的容錯能力，提升最終的穩定性和精度。

此外，為了進一步提升精度，INDEMIND還對系統中的視覺、IMU、里程計等每個傳感器都進行了實時誤差建模、估計及補償，能夠有效保障在實時運行過程中的精度和穩定性。

在解決先天不足問題后，在功能方面也有著大刀闊斧式的升級。

? 獨有融合VSLAM，實時構建地圖，無需預部署

基于INDEMIND融合VSLAM技術，機器人支持全場景二維地圖、三維地圖及語義地圖自主創建，支持地圖動態更新及智能禁區，且建圖精度可達厘米級，達到激光雷達方案同等水平。

而基于實時建圖能力，機器人能夠做到新機器、新場景無需預部署，開機即用，且變更場景后，機器人也能自主更新地圖，無需技術人員參與，大大降低使用成本，提升使用便捷性。

? 靈敏避障，安全無憂

INDEMIND設計了一套系統化的安全決策系統，能夠實時檢測拋物、行人、快速移動物體外，還能夠實時進行潛在風險判斷（行人等），并根據風險分類，提前做出規避策略，實現主動安全，做到了停的住，停的穩，該避就避，該停就停。

? 智能決策引擎，提升智能作業能力

通過將設備端、云端智能決策平臺、大數據平臺三端結合，INDEMIND建立了一套智能決策引擎，能夠支持實現智能避障、主動安全、智能作業、智能交互、智能梯控等多種關鍵功能。同時，基于關鍵數據能夠不斷更新算法模型，持續提升場景處理和問題應對能力。

審核編輯 黃宇