扫地机器人视觉方案选型与vSLAM工程化实践

1. 扫地机器人视觉方案选型背后的真实逻辑

扫地机器人这个品类，从最早的随机碰撞到后来的激光雷达建图，再到这两年大家都在喊的“智能化”，本质上一直在解决同一个问题：机器怎么知道自己在哪、周围有什么、下一步该去哪。激光雷达方案成熟得早，测距精度高，但它有个天然短板——只能扫一个平面，桌子腿、拖鞋、电线这些低于雷达平面的障碍物，它看不见。用户家里最容易被机器人“吃掉”的东西，恰恰就是这些低矮杂物。

视觉方案的价值就在这里。摄像头能获取的是二维甚至三维的丰富纹理信息，理论上可以识别“这是拖鞋”“那是狗屎”“前面是电线”，而不只是“前方0.3米有障碍”。但理论归理论，真正把视觉方案做到扫地机上能跑、能跑稳、成本还能接受，中间隔着巨大的工程鸿沟。速感科技当年推出那款专用视觉传感器，核心突破点就在于把vSLAM从实验室的工控机搬到了扫地机那块算力有限的MCU上，同时把成本压到了消费级能接受的范围。

为什么这件事值得单独拿出来说？因为在此之前，行业里做视觉导航的团队大多走的是两条路：一条是直接用手机级别的RGB摄像头加通用处理器，算力够但功耗和成本下不来；另一条是用深度相机，精度好但体积大、标定复杂。速感选的是专用视觉传感器这条路，把图像采集、特征提取、位姿解算这些环节做成高度集成的模组，主机厂拿过去只需要做上层业务逻辑，不用碰底层视觉算法。这个思路和当年手机行业从通用DSP转向专用ISP是一个道理——专用化才能同时满足性能、功耗、成本三个约束。

从行业影响来看，这款传感器的出现直接拉低了视觉导航扫地机的准入门槛。以前只有头部品牌养得起几十人的视觉算法团队，中小厂商想都不敢想。有了专用模组之后，方案商可以直接采购，整机厂专注做结构和清扫策略就行。这也是为什么后来一两年内，市面上带视觉导航的扫地机价格从三四千迅速下探到一千五左右。技术民主化往往不是靠算法开源，而是靠专用硬件把门槛砸掉。

2. vSLAM在扫地机上的工程化难点拆解

2.1 为什么扫地机上的vSLAM和机器人实验室里完全不是一回事

实验室里的vSLAM跑在i7加独显的工控机上，帧率30fps，分辨率640×480，想怎么调参就怎么调参。扫地机上的约束完全是另一个量级：主控可能只是一颗几百MHz的ARM Cortex-M系列或者低端A系列，内存几十MB，功耗预算给到视觉模组的可能只有一两瓦，而且机器还在不断移动、震动、光线忽明忽暗。在这种条件下跑vSLAM，第一要务不是精度，而是稳定性和实时性。

速感这款传感器的做法是把前端特征提取和跟踪做成硬件加速，后端优化在传感器内部完成，只把位姿结果和稀疏点云吐给主控。这样主控的负担极小，只需要做地图拼接和路径规划。这个架构选择很关键——如果让主控去跑完整的ORB-SLAM，光是特征描述子计算就能把CPU吃满，清扫逻辑根本没资源跑。

2.2 光照变化和低纹理场景的应对策略

家庭环境里最坑vSLAM的场景有两个：一是晚上只开一盏暖色小夜灯，二是大面积纯色地板或白墙。前者导致图像对比度极低，特征点提取数量骤降；后者导致特征点分布不均匀，位姿解算容易漂移。速感的方案里我推测做了几件事：自动曝光补偿在低光下拉高增益但控制噪声，特征点均匀化策略避免所有点挤在纹理丰富的一角，以及轮式里程计融合在视觉失效时用编码器数据兜底。

这里有个实操经验：如果你在测试视觉扫地机时发现它在某个房间总是迷路，先别急着骂算法，拿手机拍一下那个区域的地面——如果人眼看着都觉得纹理重复、光线平淡，那视觉方案确实容易跪。这时候好的产品会降级到陀螺仪加里程计继续清扫，差的产品就直接原地转圈了。判断一个视觉扫地机好不好，不是看它顺利时多流畅，而是看它在视觉失效时多体面。

2.3 算力分配与实时性保障

扫地机的视觉模组通常跑在10到15fps，不是不能做更高，而是没必要。机器人移动速度一般0.2到0.3米每秒，10fps意味着每帧之间移动2到3厘米，这个重叠度足够做特征跟踪了。把帧率降下来，算力和功耗都省一大截。但这里有个坑：如果机器人被卡住后突然被用户拎起来放到另一个房间，视觉帧间的连续性被打断，重定位就成了必须。速感的方案里应该有重定位机制，通过比对当前帧和已有地图的特征来恢复位姿，而不是傻傻地重新建图。

注意：很多早期视觉扫地机在被人搬动后会重新建图，导致家里出现两张不重叠的地图，清扫路径全乱。选购时可以特意把机器搬到另一个房间测试，看它能不能自动识别并回到原地图。

3. 专用视觉传感器的硬件架构与核心参数

3.1 传感器模组的典型组成

虽然速感没有完全公开BOM，但根据行业通用做法和当时的技术背景，这类专用视觉传感器通常包含以下几个部分：

• 图像采集单元：全局快门CMOS，分辨率通常在VGA到720p之间。全局快门是关键，卷帘快门在机器人移动时会产生果冻效应，特征匹配直接崩掉。
• 专用视觉处理芯片：可能是FPGA或者定制ASIC，负责特征提取、光流跟踪、双目匹配（如果是双目方案）。
• 惯性测量单元：六轴IMU，提供角速度和加速度，用于视觉惯性紧耦合。
• 接口：UART或SPI给主控传位姿，USB用于调试和固件升级。

这套组合的核心思路是把视觉计算从主控卸载到传感器内部，主机厂拿到的是一个“位姿黑盒”，不需要理解内部算法。

3.2 关键参数的计算与选择

假设传感器视场角为水平60度，分辨率640×480，安装高度离地15厘米，向下倾斜30度。那么在地面上的可视范围大致可以这样估算：水平方向覆盖宽度约为2×15×tan(30°)≈17厘米，垂直方向因为倾斜，近端和远端距离不同，有效识别范围大概在20到60厘米之间。这个范围对于扫地机避障和建图是够用的，但如果你想让它识别更远的障碍物，就得提高安装高度或者增大视场角，代价是分辨率下降。

帧率选择上，前面说了10到15fps是甜点。但如果是双目方案做深度计算，帧率还要再降，因为双目匹配的计算量是单目的好几倍。速感当时主打的是单目vSLAM加结构光或者红外测距辅助，这样在成本和算力之间取平衡。

3.3 标定与安装的工程细节

视觉传感器装到扫地机上之后，外参标定是第一个坎。相机相对机器人底盘的俯仰角、偏航角、安装高度，每一个偏差都会导致建图尺度错误或者路径偏移。产线上通常用标定板做一次批量标定，但用户家里的震动、跌落可能导致外参变化。好的方案会有在线自标定能力，通过行驶过程中的视觉和里程计数据比对来微调外参。

安装位置也有讲究。放在机器人正前方顶部，视野好但容易撞到家具边缘；放在前部低处，视野受限但碰撞风险小。速感方案当时推荐的是前部中低位置，略微向下倾斜，这样既能看见前方地面障碍，又能看到稍远处的墙面特征。

4. 从传感器到整机：集成过程中的实操要点

4.1 主控与传感器的通信协议设计

传感器通过UART吐位姿数据，协议设计得好不好直接影响整机稳定性。我见过一些方案用纯文本协议，每帧发一行JSON，解析起来方便但带宽利用率低，115200波特率下10fps就快跑满了。更合理的做法是二进制协议，固定帧头、帧尾、校验和，位姿用float或者定点数打包，一帧控制在20字节以内。这样即使降到57600波特率也绰绰有余。

另外要有心跳机制。传感器如果因为光照突变或者内部错误停止输出，主控必须能检测到并在200毫秒内切换到里程计航迹推算，否则机器人会直接失控撞墙。

4.2 地图管理与坐标系统一

视觉传感器输出的位姿是在相机坐标系下的，主控需要把它转换到机器人坐标系，再转换到地图坐标系。这里最容易出错的是尺度问题。单目vSLAM的尺度是未知的，必须靠轮式里程计或者IMU来恢复。如果尺度估计偏了10%，建出来的地图就会比实际小一圈，机器人会以为已经走到头了但其实还差得远。

实操中建议在首次建图完成后，让机器人沿墙走一圈，用激光测距仪或者卷尺量一下实际周长，和地图上的周长对比。如果误差超过5%，说明尺度估计有问题，需要检查里程计标定参数。

4.3 清扫策略与视觉信息的结合

有了视觉位姿和稀疏点云之后，清扫策略可以做得更聪明。比如：

• 沿墙模式：视觉识别墙面和踢脚线，保持固定距离贴边清扫，比红外沿墙更精准。
• 禁区识别：通过视觉识别地毯、电线、宠物粪便，主动绕开。这需要额外的分类模型，但位姿信息让分类结果可以映射到地图上，形成长期禁区。
• 分区清扫：视觉建图后按房间分割，用户可以指定只扫客厅不扫卧室。

这些功能在激光雷达方案上也能做，但视觉方案的优势在于语义信息更丰富。激光只能看到“这里有障碍”，视觉能看到“这是拖鞋，可以推开”或者“这是电线，必须绕开”。

提示：视觉扫地机在首次建图时最好把家里收拾整齐，让机器人完整跑一遍。后续如果家具布局大变，建议删除地图重新建，不要指望它自动适应所有变化。

5. 常见问题排查与避坑经验实录

5.1 建图漂移与重影问题

现象：地图上同一面墙出现两条线，或者机器人认为自己在客厅但实际在卧室。

排查思路：

1. 先看光照。如果问题总发生在晚上或者某个特定房间，大概率是光照导致特征点不足。
2. 再看地面材质。纯白瓷砖、深色木地板、镜面大理石都是vSLAM杀手。
3. 检查轮子是否打滑。地毯上急转弯容易导致里程计误差累积，视觉和里程计打架。
4. 最后看传感器安装是否松动。外参变了，所有位姿都偏。

解决：在问题区域增加辅助照明，或者贴几条纹理胶带帮助特征提取。如果是轮子打滑，调整清扫策略减少急转。

5.2 视觉失效后的行为异常

现象：机器人突然原地转圈、倒退、或者停止不动。

排查：这通常是视觉失效后降级逻辑没做好。好的降级应该是：视觉失效→切换到里程计航迹推算→尝试重定位→重定位失败→沿原路返回起点→重新建图。差的降级就是直接停住或者乱走。

避坑：选购时特意用黑布遮住传感器几秒钟，看机器人反应。如果它直接停住不动，说明降级逻辑不完善。

5.3 传感器发热与功耗问题

现象：连续清扫30分钟后，视觉功能变慢或者报错。

原因：视觉处理芯片持续满负荷运行，温度升高导致降频。

解决：传感器模组要有散热设计，比如金属屏蔽罩兼做散热片。整机功耗预算要留余量，不能为了续航把传感器供电卡得太死。

5.4 固件升级与长期维护

视觉传感器的算法迭代往往通过固件升级完成。但很多整机厂没有建立稳定的OTA通道，导致用户买回去之后算法就停在出厂版本。选购建议：优先选那些有明确固件更新记录的型号，哪怕更新频率不高，至少说明厂商在维护。另外升级时一定要保证电量充足，视觉传感器刷砖了整机就废了。

6. 视觉方案与激光方案的互补关系

很多人喜欢把视觉和激光对立起来，其实在扫地机上两者更多是互补。激光提供精确的二维测距和建图，视觉提供丰富的语义和低矮障碍识别。高端机型上同时搭载两种传感器，用激光做定位和全局建图，用视觉做障碍物分类和近距离避障，这才是最优解。

速感这款专用视觉传感器的意义在于，它让纯视觉方案在成本敏感的中低端机型上变得可行。虽然纯视觉在精度上不如激光，但对于大多数家庭环境，只要算法调得好，日常清扫完全够用。而且视觉方案没有激光雷达那个旋转部件，寿命和可靠性反而更有优势。

从行业趋势看，后来几年视觉方案在扫地机上的渗透率确实在提升，尤其是中低端市场。这验证了速感当时的判断：专用化、低成本、够用就好的视觉传感器，比追求极致精度的通用方案更有市场。当然，高端市场激光加视觉的融合方案依然是主流，两者各有各的生态位。

我在实际测试中体会最深的一点是：视觉扫地机的用户体验，七分靠算法，三分靠调参。同样的硬件方案，不同厂商调出来的效果天差地别。有的机器建图又快又准，有的机器用同样的传感器却总是迷路。这中间的差距，就是工程经验的积累。所以看一款视觉扫地机好不好，别只看它用了什么传感器，要看它实际跑起来稳不稳。