相信屏幕前的各位看官應該都有過掃地的經歷，回想一下掃地的過程，可以分解為兩個主要的動作：走到某個位置；將其打掃干凈。與之相應的，作為人類掃地勞動的替代者——掃地機器人也包含兩個主要的系統：自主導航系統和清掃系統。

　　如果說清掃系統是掃地機器人冠以“掃地”之名的本錢，是掃地機器人之心；那么自主導航系統就是它冠以“機器人”之名的底氣，是掃地機器人之腦。如果沒有自主導航系統，那么它只能被稱為“掃地機器”而不是“掃地機器人”。下面就讓我們具體來看一下掃地機器人的“底氣”是怎么產生的。

　　機器人導航的三個經典問題

　　說到機器人的自主導航，簡單來說可以歸結為由MIT教授JohnJ.Leonard和原悉尼大學教授Hugh Durrant-Whyte提出的三個問題：

　　(1)Where am I？

　　(2)Where I am going？

　　(3)How should I go there？

　　第一個問題是機器人的定位問題，即如何根據現在觀測到的和前面已知的信息，判斷機器人在當前環境中的位置。第二個和第三個問題，實際上就是指定一個目標，然后規劃一定的路徑來實現這個目標。對一般的移動機器人來說，這個目標是一個點，即點到點導航。而對掃地機器人來說，其目標不是到達某一點，而是遍歷某一個區域，以實現對房間的清掃。今天讓我們先來看一下第一個問題，即掃地機器人的定位。

　　定位是包括掃地機器人在內的移動機器人自主導航中最基本的環節，也是完成任務必須解決的問題。說到定位，大家首先想到的可能是GPS定位、基站定位等常用的室外定位。

　　與之不同，掃地機器人的定位都是室內定位，其要求定位精度高（最少在亞米級），實時性好，GPS、基站定位等方法無法滿足。掃地機器人定位總體上可以分為相對定位和絕對定位，下面我們分別來看。

　　相對定位法

　　航位推算法（Dead-Reckoning Method）是一種經典的相對定位法，也是掃地機器人目前最為廣泛使用的一種定位方法。它利用機器人裝備的各種傳感器獲取機器人的運動動態信息，通過遞推累計公式獲得機器人相對初試狀態的估計位置。航位推算較常使用的傳感器一般有：碼盤，慣性傳感器（如陀螺儀、加速度計）等。

　　碼盤法一般使用安裝在車輪上的光電碼盤記錄車輪的轉數，進而獲得機器人相對于上一采樣時刻位置和姿態的改變量，通過這些位移量的累積就可以估計機器人的位置。碼盤法優點是方法簡單、價格低廉，但其容易受標定誤差、車輪打滑、顛簸等因素影響，誤差較大。但是由于碼盤價格便宜，簡單易用，可用于機器人較短時間距離內的位置估計。

　　慣性傳感器使用陀螺儀和加速度計得到機器人的角加速度和線加速度信息，通過積分獲得機器人的位置信息。一般情況下，使用慣性傳感器的定位精度高于碼盤，但是其精度也要受陀螺儀漂移、標定誤差、敏感度等問題影響。無論是使用碼盤還是慣性傳感器，它們都存在一個共同的缺點：有累積誤差，隨著行駛時間、距離的不斷增加，誤差也不斷增大。因此相對定位法不適合于長時間、長距離的精確定位。

　　絕對定位法（基于信標的定位、環境地圖模型匹配定位、視覺定位）

　　絕對定位法是指機器人通過獲得外界一些位置等己知的參照信息，通過計算自己與參照信息之間的相互關系，進而解算出自己的位置。.絕對定位主要采用基于信標的定位、環境地圖模型匹配定位、視覺定位等方法。

　　基于信標的定位

　　信標定位原指在航海或航空中利用無線電基站發出的無線電波實現定位與導航的技術。對機器人室內定位而言是指，機器人通過各種傳感器接收或觀測環境中已知位置的信標，經過計算得出機器人與信標的相對位置，再代入已知的信標位置坐標，解出機器人的絕對坐標來實現定位。用于定位的信標需滿足3個條件：

　　（1）信標的位置固定且信標的絕對坐標已知；

　　（2）信標具有主被動特征，易于辨識；

　　（3）信標位置便于從各方向觀測。

　　信標定位方式主要有三邊測量和三角測量。三邊測量是根據測量得到的機器人與信標的距離來確定移動機器人位置的方法。三邊測量定位系統至少需要3個已知位置的發射器(或接收器)，而接收器(或發射器)安裝在移動機器人上。三角測量和三邊測量的思路大體一致，通過測量移動機器人與信標之間的角度來進行定位。

　　基于信標的定位系統依賴于一系列環境中已知特征的信標，并需要在移動機器人上安裝傳感器對信標進行觀測。用于信標觀測的傳感器有很多種，比如超聲波傳感器、激光雷達、視覺傳感器等。可以實時測量，沒有累進誤差，精度相對較高、穩定性好，提供快速、穩定、精確的絕對位置信息，但安裝和維護信標花費很高。市場上已經出現較為成熟的基于信標定位的信標定位掃地機器人，如Proscenic的模擬GPS衛星三點定位技術，iRobot的Northstar導航定位技術，但由于其價格較為昂貴，它們都用于相對高端的產品中。

　　基于視覺的定位

　　科學研究統計表明，人類從外界獲得信息量約有75%來自視覺，視覺系統是機器人與人類感知環境最接近的探測方式。受益于模式識別、機器視覺的發展，基于視覺的機器人定位近年來成為研究熱點。

　　基于視覺的定位主要分為單目視覺、雙目視覺。

　　單目視覺無法直接得到目標的三維信息，只能通過移動獲得環境中特征點的深度信息，適用于工作任務比較簡單且深度信息要求不高的情況，如果利用目標物體的幾何形狀模型，在目標上取3個以上的特征點也能夠獲取目標的位置等信息，但定位精度不高。

　　雙目立體視覺三維測量是基于視差原理的,即左相機像面上的任意一點只要能在右相機像面，上找到對應的匹配點,就可以確定出該點的三維信息，從而獲取其對應點的三維坐標。目前，基于視覺定位的掃地機器人也已有產品推出，iRobot和Dyson分別于2015年及2014年推出了基于視覺定位的高端掃地機器人Room Ba 980和360 Eye。

　　環境地圖模型匹配定位

　　是機器人通過自身的各種傳感器探測周圍環境，利用感知到的局部環境信息進行局部的地圖構造，并與其內部事先存儲的完整地圖進行匹配。通過匹配關系獲得自己在全局環境中的位置，從而確定自身的位置。該方法由于有嚴格的條件限制，只適于一些結構相對簡單的環境。

環境地圖模型匹配定位

　　小結

　　自主定位是掃地機器人自主路徑規劃的基礎。經過多年的研究，雖然受成本、生產等因素的制約，航位推算法仍然是目前采用最廣泛的定位方法，但通過算法優化，利用混合定位，可以減小其誤差帶來的影響。而且，隨著視覺定位等較高定位精度的定位方法的進一步成熟，其成本也將逐步下降，并將從高端市場逐漸推向大眾市場，到時候掃地機器人的定位精度，智能化水平都將有普遍的提升。