扫地机器人的感知能力，正在进化

早些年比较简单的扫地机器人，针对路径规划、避障普遍选择最原始的距离传感方案，另外在前方配个避震的橡胶材料。早期扫地机器人的运动路线算法也相当简单：以遵循随机运动的原则，当碰到障碍物时就随机转向，直到碰到下一个障碍物，如此循环往复。这种方案相对来说比较粗暴，但的确能够完整覆盖清扫场景，只不过很耗时。

这种方案仅适用于室内狭小空间，而不适用于空间较大的场景。后来进化版的扫地机器人开始增加更多传感器，不仅在避障、防跌落等表现上更佳，而且得以应用更复杂的算法构建场景地图，采用系统性、预定义的路径工作，甚至还有些扫地机器人可以多个协同——在一个空间内分工合作。

在测距、避障的问题上，我们很早就看到有扫地机器人设备开始采用立体视觉、结构光以及ToF（Time of Flight）技术。这个过程恰是从2D向3D感知能力进化的过程。其中ToF的发展路线更为突出。

向3D感知能力进化

我们在《消费电子ToF技术与市场分析报告》中详细分析过ToF技术。ToF技术原本是一种测距实现方法，它可以涵盖一般的光学、超声波、微波等测距方法。现在我们约定俗成，所谓的“ToF摄像头”限定在光学测距范畴，以及较小的能量级。如此一来，LiDAR、超声波雷达等广义采用ToF方法的技术皆不在我们探讨的ToF摄像头范围内。

如此一来，狭义的ToF在原理上就是指：要测得与场景中某个对象（或某个点）的距离，由ToF模组的光源向该对象发出光（子）。光在发出后抵达该对象，并反射回到ToF模组的传感器。计量此间“光的飞行时间”，在光速已知的前提下，即可得到距离数据。所以ToF模组总是包含发射端和接收端两个主要组成部分的。

先前我们就在相关ToF的文章中不止一次地提到过，ToF并不是近两年才发展起来的技术。利用这样的ToF技术进行光学测距，在过去5、6年的时间里已经发展得相当成熟。包括利用ToF实现体验加强，如屏幕配备ToF模组，检测到有人靠近时就自动亮起；利用ToF还能做手机摄像头的激光对焦、投影机的对焦；以及机器人避障，典型的如扫地机器人。

市面上有部分扫地机器人不仅将这种ToF技术应用于平视的避障，可能还会配备多个ToF传感器，比如有的在扫地机器人底部还会配备2个ToF传感器，用于检测台阶、楼梯阶落差。

对扫地机器人而言，ToF光学测距相比早年简单的距离感应具有明显更高的精度。不过早年应用的这些技术大多仅着力于单点的ToF光学测距，似乎单纯对体验加强、激光对焦、避障而言，单点光学测距已经足够了。但在实际应用里，机器人避障采用单点光学测距，是面临很现实的一个问题的，即单点光学测距最终只能实现一个2D平面的感知。

或者说ToF单点光学测距（包括早年的2D平面LiDAR）无法检测到ToF检测平面以下或以上的障碍物。比如有时宠物排便在地面较低高度，就可能无法被扫地机器人前视的ToF单点测距传感器检测到；或者有时某些家具，如沙发底部高度刚好无法让扫地机器人通过，但其高度又高于ToF传感器，那么扫地机器人就可能会被这些家具卡住。

当这种仅能探知2D平面的单点ToF测距无法满足市场需求时，扫地机器人开始进化到具备3D感知能力。

3D ToF应用于扫地机器人

与3D感知在手机领域的应用类似，当前市场上扫地机器人的3D感知技术也包括有结构光、立体视觉（Stereoscopy）以及3D ToF。这三种方案也的确是目前光学测距方案中的主流。

其中立体视觉大多采用双摄或者多摄的方案，以三角测量法进行距离检测——一般的立体视觉都是被动光学测距方案，因为这类方案并不会主动发出光，而是采用普通的摄像头。因此立体视觉应用受限于光照环境，暗光环境下其感知能力便会大幅下降。这样一来扫地机器人也就无法在夜间或光照弱的环境下高效工作了。

结构光的广为人知是在iPhone将其应用于Face ID之后。结构光和ToF一样，也属于一种主动光学测距方案，即包含了发射端和接收端两部分。不过结构光的发射端在技术要求上会明显比较高，它需要发射包含某种图案的光斑（编码的结构光），再由接收端来捕获投射到场景中的光斑，根据光点的形变来计算距离。这种方案的特点是通常精度比较高，但成本也更高，而且测量距离受限于接收端到发射端的baseline距离。

3D ToF可说是规避了上述两种主流方案缺陷，相对折中的一种技术了。前文提到了ToF单点光学测距，3D ToF即是指将单点扩展到多点，即可实现向真正3D感知的过渡。这种方案在精度方面不及结构光，单光学系统的复杂性也高于立体视觉，很多应用场景也无法替代结构光和立体视觉——所以这三者可说是互补的关系。

但在扫地机器人这个具体的应用上，3D ToF却具有先天的适用性，比如通常在相同模组体积内，其测量距离大于结构光；而且在强光或者暗光环境下都能工作，显然对环境的适应性又高于立体视觉。所以在扫地机器人的3D感知能力上，ToF是优选。

扫地机器人的3D ToF方案长什么样？

这里以英飞凌的REAL3™ 3D ToF传感器（IRS2381C）及模组解决方案为例来看看，扫地机器人的3D感知能力已经进化到何种程度了。所谓的3D ToF传感器，即是整个ToF系统中接收端，接收返回光子的传感器。英飞凌/pmd近两年面向手机、智能家居等产品之上，都有相应的3D ToF传感器，以及将发射端、接收端、控制电路更多ToF组件封装到一起的ToF模组产品及相应的软件解决方案。

《消费电子ToF技术与市场剖析报告》中也曾提到过这颗IRS2381C传感器，这是英飞凌推向消费市场的一款ToF图像传感器，也能够应用到扫地机器人产品之上。这颗传感器包含3.8万像素；在形成完整的ToF模组之后，其封装尺寸在4.4 x 4.8mm；构成的扫地机器人方案距离感知能力，从近前的0.1米，延伸到5-6米外，深度精度在毫米级别；因为没有机械部件，所以稳定性和可靠性有保证；系统标定快速且是一次性的；另外算力要求以及功耗比较低。

单就传感器来说，这是个CMOS图像传感器，对于940nm红外光高度敏感，对于室外强光场景也有比较高的适用性——像素中融入了SBI背景光抑制电路，避免强光场景下的像素过饱和——这就扩展了3D ToF技术的使用场景。就整个模组的角度来说，其中除了接收端的图像传感器，其他特点还包含集成的高性能ADC，以及弹性调制单元、照明控制逻辑——包括人眼安全电路，以及高速CSI-2数据接口等。

在扫地机器人配备这类3D ToF方案之后，扫地机器人就能一次“看见”所有眼前的障碍物；结合扫地机器人制造商本身的系统设计方案，要避免电线缠绕，避免进入狭窄空间（或判断以自身尺寸是否可进入）就显得相当轻而易举了；并且有利于构建更为智能化的清理路径和地图。

至少在家居环境中，这类方案是完全能够满足需求的。早前有部分扫地机器人为实现更远距离的测量，会采用LiDAR模组——这在成本和体积控制上可能会受到很大限制。而上述3D ToF方案实际上就能够部分替代LiDAR方案，虽然这两者本质上都是ToF方法的具体应用。

更多ToF方法在扫地机器人之上的应用

值得一提的是，当代的某些扫地机器人，为了实现更高的智能化，配备的传感器还相当多样。在某些典型场景下，光学测距方案对于透明的障碍物可能会显得比较无力。于是部分扫地机器人会选择超声波传感器。

超声波传感器会发射高频声波信号，超声波同样在碰到障碍物后返回到传感器，也就能够计算与障碍物之间的距离了。在广义的ToF技术方法中，超声波方案也属于ToF方法。

另外，在某些非家居场景的更复杂应用的机器人，仍然可能配备LiDAR——广义上LiDAR自然也属于ToF。显然ToF技术已经成为扫地机器人的重要感知方案——即便现如今的约定俗成大概并不会把上述两类方案说成是ToF技术。无论如何，对于家用的扫地机器人而言，3D ToF预计很快就会成为标配，并可能辅以更多传感器的补充。这也算是扫地机器人进化的一个重要方向了。

欲了解更多扫地机器人解决方案，立即报名英飞凌电源与传感系统云端大会，英飞凌专家将于9月9日14:10-14:50直播分享主题XENSIV™智能传感器让扫地机更智能。