作者：英飛凌官微
英飛凌與合作夥伴pmd及歐菲光攜手開發並推出經濟高效的深度感知技術hToF，面向消費類應用。特別是消費類機器人，與配備雷射距離傳感器（LDS）+避障模塊的機器人相比，超小的hToF傳感器有助於設計更加纖薄的機器人。
過去幾代掃地機器人通常採用隨機清潔模式或者是使用LDS+避障模塊的方案，效率低下且速度緩慢。新一代機器人則更加智能，它可以通過傳感器生成環境地圖，對自身進行定位，從而為用戶繪製家庭平面圖，以便用戶從中選擇清潔或限制訪問的房間和區域。新一代掃地機器人使用同步定位與建圖（SLAM）功能，來實現這一目標。
英飛凌與合作夥伴pmd及歐菲光攜手開發並推出經濟高效的深度感知技術hToF，面向消費類應用。特別是消費類機器人，與配備雷射距離傳感器（LDS）+避障模塊的機器人相比，超小的hToF傳感器有助於設計更加纖薄的機器人。
過去幾代掃地機器人通常採用隨機清潔模式或者是使用LDS+避障模塊的方案，效率低下且速度緩慢。新一代機器人則更加智能，它可以通過傳感器生成環境地圖，對自身進行定位，從而為用戶繪製家庭平面圖，以便用戶從中選擇清潔或限制訪問的房間和區域。新一代掃地機器人使用同步定位與建圖（SLAM）功能，來實現這一目標。
SLAM利用英飛凌和pmd的新型hToF傳感器生成的地圖
視覺SLAM（vSLAM）使用一個或多個攝像頭，並且需要較高的計算能力來從採集到的2D圖像中提取深度信息；SLAM方法則使用深度傳感器，例如飛行時間（ToF）攝像頭，來提供真正的3D圖像，並具有高解析度。深度攝像頭可以更加精簡高效地實現SLAM，與通常用於清潔機器人、倉庫機器人、跟蹤無人機等應用的嵌入式處理平台兼容。
混合飛行時間（hToF）是一種全新的ToF技術，它將單一的ToF圖像傳感器與雙光源技術相結合來支持SLAM；避開障礙物；檢測懸崖。
獨特的hToF技術採用英飛凌的高解析度REAL3™ ToF傳感器，輔以均勻的泛光光源和強大的多點網格光源（spot grid illumination），提供經濟高效的解決方案。hToF攝像頭具有110°超寬水平視野（FoV），是SLAM和避障的理想之選。
hToF在各種照明條件都能工作，從完全黑暗到明亮的陽光下，以及各種家具和地板的反射和紋理。與其他技術相比（例如，在明亮的陽光下表現不佳的結構光技術，以及在黑暗環境中和重複的紋理下舉步維艱的立體視覺技術），這項技術進步帶來了巨大的優勢。前幾代機器人總是被卡在低矮的家具下，而配備hToF的新型機器人藉助高度的降低，加上hToF傳感器提供了額外的間隙高度信息，即便在低矮的家具下，也能以更加智能的方式導航。
具體的地圖精度取決於hToF傳感器配置。雖然一個hToF攝像頭對於SLAM就已足夠，但添加第二個hToF攝像頭，可以擴展FoV，從而生成更準確的地圖。hToF傳感器解決方案使得機器人能夠以優異的精度生成精確而一致的地圖，而不懼玻璃牆、非矩形房間、深色地板材料和雜亂的家具等挑戰性環境。hToF提供的3D深度圖像數據能夠使機器人具備智能功能，例如，通過將框架檢測為牆壁，正確處理玻璃牆。
利用 pmd 的 Royale 深度庫和 SLAM（使用 Google Cartographer 實現）對 hToF 數據進行深度處理所需的計算量，已在機器人技術嵌入式平台（NVIDIATM™ Jetson Nano、Qualcomm™ RB5 和 Raspberry™ Pi 3B）上進行了基準測試。在RB5大核（A77）上，在一個核上對一個包含點和泛光數據的混合幀進行深度處理需要2.24毫秒，在RB5小核（A55）上為8.44毫秒，在Raspberry 3B（A53）上為20.3毫秒。如果使用單核進行深度處理，則A77在2.4 GHz時的處理器負荷為2%，A55在1.8 GHz時為8%，A53在1.2 GHz時為20%。平均而言，Google的Cartographer在評估場景，需要10%的A77核和34%的A55核。這些結果令人印象深刻地表明，即使是A55單核也足以同時進行hToF深度處理和SLAM。這與通常需要雙核或更多核進行處理的vSLAM系統形成鮮明的對比。
評論