英飛凌與合作伙伴pmd及歐菲光攜手開發(fā)并推出經(jīng)濟(jì)高效的深度感知技術(shù)hToF,面向消費(fèi)類應(yīng)用。特別是消費(fèi)類機(jī)器人,與配備激光距離傳感器(LDS)+避障模塊的機(jī)器人相比,超小的hToF傳感器有助于設(shè)計更加纖薄的機(jī)器人。

過去幾代掃地機(jī)器人通常采用隨機(jī)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(jī)器人則更加智能,它可以通過傳感器生成環(huán)境地圖,對自身進(jìn)行定位,從而為用戶繪制家庭平面圖,以便用戶從中選擇清潔或限制訪問的房間和區(qū)域。新一代掃地機(jī)器人使用同步定位與建圖(SLAM)功能,來實(shí)現(xiàn)這一目標(biāo)。
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,并且需要較高的計算能力來從采集到的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,并具有高分辨率。深度攝像頭可以更加精簡高效地實(shí)現(xiàn)SLAM,與通常用于清潔機(jī)器人、倉庫機(jī)器人、跟蹤無人機(jī)等應(yīng)用的嵌入式處理平臺兼容。
混合飛行時間(hToF)是一種全新的ToF技術(shù),它將單一的ToF圖像傳感器與雙光源技術(shù)相結(jié)合來支持SLAM;避開障礙物;檢測懸崖。

獨(dú)特的hToF技術(shù)采用英飛凌的高分辨率REAL3™ ToF傳感器,輔以均勻的泛光光源和強(qiáng)大的多點(diǎn)網(wǎng)格光源(spot grid illumination),提供經(jīng)濟(jì)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(shù)相比(例如,在明亮的陽光下表現(xiàn)不佳的結(jié)構(gòu)光技術(shù),以及在黑暗環(huán)境中和重復(fù)的紋理下舉步維艱的立體視覺技術(shù)),這項(xiàng)技術(shù)進(jìn)步帶來了巨大的優(yōu)勢。前幾代機(jī)器人總是被卡在低矮的家具下,而配備hToF的新型機(jī)器人借助高度的降低,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(dǎo)航。
具體的地圖精度取決于hToF傳感器配置。雖然一個hToF攝像頭對于SLAM就已足夠,但添加第二個hToF攝像頭,可以擴(kuò)展FoV,從而生成更準(zhǔn)確的地圖。hToF傳感器解決方案使得機(jī)器人能夠以優(yōu)異的精度生成精確而一致的地圖,而不懼玻璃墻、非矩形房間、深色地板材料和雜亂的家具等挑戰(zhàn)性環(huán)境。hToF提供的3D深度圖像數(shù)據(jù)能夠使機(jī)器人具備智能功能,例如,通過將框架檢測為墻壁,正確處理玻璃墻。

利用 pmd 的 Royale 深度庫和 SLAM(使用 Google Cartographer 實(shí)現(xiàn))對 hToF 數(shù)據(jù)進(jìn)行深度處理所需的計算量,已在機(jī)器人技術(shù)嵌入式平臺(NVIDIATM™ Jetson Nano、Qualcomm™ RB5 和 Raspberry™ Pi 3B)上進(jìn)行了基準(zhǔn)測試。在RB5大核(A77)上,在一個核上對一個包含點(diǎn)和泛光數(shù)據(jù)的混合幀進(jìn)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(jìn)行深度處理,則A77在2.4 GHz時的處理器負(fù)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(jié)果令人印象深刻地表明,即使是A55單核也足以同時進(jìn)行hToF深度處理和SLAM。這與通常需要雙核或更多核進(jìn)行處理的vSLAM系統(tǒng)形成鮮明的對比。
總而言之,英飛凌的hToF傳感器與pmd處理技術(shù)為消費(fèi)類機(jī)器人提供了強(qiáng)大的解決方案,同時支持SLAM、避障和懸崖檢測�;趆ToF深度數(shù)據(jù)的開源SLAM算法生成的地圖十分準(zhǔn)確可靠。這種解決方案計算精簡高效,僅需要A55單核即可進(jìn)行深度處理和SLAM計算。









