这些挑战也适用于开放或高度动态的环境，如交叉码头和开放的仓储设施。LiDAR在上次访问时看到并解释的 "切片 "现在可能是开放空间--或者完全是其他东西。

最终，为了实现真正的智能自主行为，导航系统必须提供人类水平的三维感知。

三维感知和场景理解

最后，也是最重要的，基于视觉的感知可以实现其他类型的传感器根本无法实现的功能。最终，为了实现真正的智能自主行为，导航系统必须提供人类水平的三维感知。例如，由于摄像机可以检测到纹理和颜色，因此能够区分人行道的边缘和道路的边缘。这可以为送货机器人创造显著的安全优势，因为机器人可以利用这一视觉信息精确地沿着其边缘导航，就像人类一样。

这种能力在仓库和生产设施中非常有用，因为那里的行人道路是用线条和地板标记来定义的。 基于摄像头的系统甚至可以读取标志和符号，提醒人类和机器人注意临时关闭、潮湿的地板和绕道。 基于视觉的导航系统还能够在室内和室外环境中工作--开辟了新的用例和应用。

挑战

在低成本的硬件上将来自相机的大量数据转换为3D感知是一个巨大的技术和工程挑战。这个过程需要工程师具备大量的人工智能、计算机视觉和传感器融合方面的专业知识，同时还需要有配套的技术。

值得庆幸的是，基于摄像头的3D感知的强大的、可执行的解决方案现在已被机器人工程师所接受。例如，RGo机器人公司的解决方案--感知引擎，是一个全栈式的软件解决方案，使制造商能够迅速提供下一代的能力。在一些应用中，它能够只利用一个摄像头来实现精确的三维定位和感知。它的宽视场相机还能够识别人类和周围的其他障碍物。这种水平的场景理解使移动机器人在人类周围的行为更加自然和协作。

其他模式

综上所述，包括LiDAR在内的传统传感器模式仍然具有重要价值。最近在低成本MEMS三维激光雷达方面取得的进展令人鼓舞，当与相机结合时，可以为机器人系统增加具有成本效益的稳健性和丰富的三维制图能力。

但马斯克说的没错，相机和计算机视觉应该作为任何移动机器人导航系统的基础。未来几年肯定会看到动态变化，因为随着自主车辆和机器人行业的进步，最先进的技术也在不断发展。

关于作者

Peter Secor作为市场营销和业务发展高级副总裁，负责建立RGo机器人公司的品牌，并为公司寻找新的客户和市场机会。 在加入RGo之前，他曾在物联网、工业自动化、机器人和3D打印的前沿和交叉领域的公司担任变革性职务，包括iRobot和Stratasys。 Secor的职业生涯开始于管理顾问，他专门为工业自动化市场的财富500强公司提供企业战略发展和并购，包括罗克韦尔自动化、西门子和霍尼韦尔。 他拥有新罕布什尔大学的机械工程学士学位和哥伦比亚大学哥伦比亚商学院的MBA学位，主修技术增长营销。