自主導航機器人在工業和服務領域有越來越多的應用。除機器人本體之外，其核心模塊包含感知、建圖、定位、導航、調度等模塊。
感知模塊
一般指傳感器技術。機器人常用的傳感器有激光雷達、視覺傳感器等。激光雷達可分為單線和多線激光雷達，價格相對昂貴。隨著計算機視覺和人工智能的發展，視覺傳感器被越來越多的應用在機器人上。視覺傳感器分為普通相機和深度相機。普通相機只包含環境的紋理（深度、彩色）信息。深度相機則包含場景的深度信息，故又稱之為三維相機。由于其信息豐富和成本原因，深度傳感器幾乎是機器人的*傳感器，甚至部分shouji也選配深度傳感器，用作3D人臉識別和AR應用。
深度傳感器包括雙目結構光和TOF技術。雙目結構光是通過投影投射出一定編碼的光源，通過雙目相機采集的結果進行視差計算，結合攝像機參數獲得深度。雙目拍攝的是帶有很多特征或編碼的圖像，因此很容易進行特征匹配。而TOF技術是通過計算飛行時間獲取的距離。兩種方法使用場合不同，結構光技術適用于高精度、對實時性要求不高的場合；TOF技術得益于高幀率和魯棒性，故更適用于實時的三維重建和定位建圖。藍芯科技通過自主研發的算法和SDK，可以根據應用場合為客戶提供不同配置的傳感器，如體積測量，物品定位和位姿檢測等。
建圖與定位
通俗的說，傳感器是機器人的眼睛，導航模塊則是機器人的大腦。導航模塊使機器人能夠認識、感知、探索周圍環境。導航主要包含定位（Location）、建圖（Mapping）和路徑規劃（Path Planning）三個主要部分。其中定位和建圖模塊通常被稱為SLAM（Simultaneous Localization and Mapping，同時定位與建圖）。SLAM一般分為激光SLAM和視覺SLAM。
應用在機器人領域的激光雷達一般為單線激光雷達，主要在二維平面上進行建圖和和定位。多線激光雷達更多的應用在自動駕駛領域。激光雷達的建圖方案是依賴二維的輪廓線進行匹配和拼接，完成場景的輪廓圖重建。激光地圖一般是珊格化，利用ICP算法同現有地圖輪廓進行匹配，達到位姿定位的效果。由于僅有二維信息，激光方案的弊端也顯而易見，即在處理長走廊和環境變化時容易定位失敗。
視覺SLAM技術是計算機視覺、機器人領域的研究熱點。除了機器人導航之外，SLAM技術同時也是AR領域和核心技術。視覺SLAM的原理和GPS類似，通過相機獲取空間紋理信息，結合相機參數反推出機器人當前位置。然而視覺SLAM技術在服務機器人、物流等領域的應用存在諸多的挑戰性。比如環境變化、光照變化、場景紋理缺失等。
圖一 針孔相機空間模型抽象
為提高視覺SLAM技術的穩定性，建圖和定位過程一般會加入IMU作為輔助，同時采用深度相機直接獲取紋理特征的3D信息。全景相機也廣泛應用在SLAM技術中。隨著深度學習的逐漸成熟，許多研究者提出了語義SLAM的方案并取得了一定的應用。
路徑規劃和運動控制
運動規劃指機器人導航的規劃方案，即機器人如何在環境中行走。路徑規劃分為全局路徑規劃和局部路徑規劃。全局路徑規劃主要指在地圖中一個目標點，規劃出全局路徑，機器人的行走軌跡依賴于此路徑。常用算法包括A-star、Dijkstar、Voronoi等算法。局部路徑規劃是在全局規劃的基礎上，結合局部障礙物等信息，通過電機對機器人進行運動控制，如DWA算法。實際場景中，路徑規劃根據需求有諸多變化，包括固定點規劃、固定路線規劃、短距離規劃、遠離障礙物規劃方案等。
物流和服務機器人使用多的是雙輪差動的方式完成行走和轉彎。局部路徑規劃實時向電機發送線速度和角速度，達到行走的目的。
避障
避障系統是機器人運行安全的保障。常用避障方案有激光雷達、深度相機、超聲波、紅外傳感器等。這些方案各有優劣，機器人應根據應用場合和自身特定，選擇合適的避障方案。超聲波傳感器通過發射一個錐面檢測前方是否有障礙物，一般適合應用在倒車雷達，并不適合自動導航機器人；紅外傳感器較多的應用在掃地機器人上。工業和服務領域使用的機器人則廣泛使用激光雷達的避障方案。
調度系統
調度系統負責機器人的任務分配、調度、運行維護。包括多任務寫作，相互避障等。運行維護包括自動充電、檢測報警等。多機調度技術在應用場景很大且機器人數目變多時起到關鍵作用。多機調度首先保證提供接口給用戶使用，同時在任務較多時保證調度的效率，選擇不錯的調度方案供用戶使用。
多機調度技術在應用場景很大且機器人數目變多時起到關鍵作用。多機調度首先保證提供接口給用戶使用，同時在任務較多時保證調度的效率，選擇不錯的調度方案供用戶使用。
5 
