通过积分获得机器人的位置信息。？？？小编，你以为机器人也是试客的常客，靠积分过日子么？？哈哈哈哈~~

2018年是科技全面发展的一年，智能煮饭机、智能洗衣机、无人机等等都有了，又怎么少的了扫地机器人呢!

说到机器人，大家第一个想到的肯定是美国电影，虽然电影是假的，但是我们对于美国的科技却有了一个新的认识，买一些智能产品的时候首先就会想到买美国的，对于扫地机器人来说，也是如此。那么，我们不妨先来看看一个数据。

看到这个数据，大家肯定会问：为什么没有美国品牌?这个时候就需要跟大家说说国产的好处了!

iRobot就是美国品牌，在行业当中有稳定的地位，而且智能程度很高，做工也精细，但是价格相当昂贵，而且在国内很难买到正品，且售后很不方便。

而浦桑尼克和科沃斯都是国产品牌，性价比高，售后也有保证。但是仅仅靠这点还是不能获得大家的认可，接下来，我就带大家一一介绍这两个产品。

浦桑尼克是台湾品牌智能程度不亚于iRobot。而且浦桑尼克一直以性价比著称。如果真的要选购一款扫地起机器人的话浦桑尼克是不错的选择。

规划式扫地机器人的核心是智能清扫系统，目前市面上的规划式扫地机器人采用的定位方式有RPS激光导航定位系统、vSLAM图像位移定位系统和无线载波室内定位系统。浦桑尼克780TS采用的就是无线载波室内定位系统，浦桑尼克将其与自身其他技术相结合。外观高大上，颜色也很漂亮。

但是他也有一些不好的地方：水箱有点小;特别顽固的污渍还需要手动清理的;清扫功能很强大，拖地功能稍次点。

如果大家喜欢它的功能但是因为价格太贵了的话，先别走，往下看看，接下来的这个绝对会让你们满意的。

科沃斯扫地机器人地宝dd35

科沃斯扫地机器人是国内人气比较高，价格也不贵的一个品牌。而这款地宝dd35更是众多扫地机器人中的佼佼者。

普通的扫拖地机器人都无法避免意外渗水和无序渗水问题，这款科沃斯 DD35 在湿拖方面做了进一步提升，内部搭载新一代蓝鲸微控水箱，可维持2.5ml/min匀速渗水，300ml水充分利用，拖地面积可达110㎡，同时支持APP水量调节，高中低三档水量选择。除了水量的准确调节，碰到意外暂停或返回充电情况后，内置的芯片和算法也能及时暂停渗水，自带的记忆功则可记住之前的清扫路径，启动后继续完成清扫任务。

科沃斯本身理解了消费者日新月异的先进需求，所以并不是在价格上大做文章，而是给予消费者带去不断提升的极致体验。好的服务是落到细微处，在各家都慢慢掌握各个品牌都在追随LDS技术的基础上，谁能用心投入，从用户需求研发产品，谁才能立于不败之地。很显然，科沃斯机器人做到了!

当然，科沃斯扫地机器人也不是十全十美的，对于一些顽固的脏东西，它还是无能为力，不过，相信就算我们自己动一下“贵手”再清理一下也没事。

浦桑尼克与科沃斯都是行业当中比较厉害的品牌，两个各有所长，也各有所短，不过，世界上没有十全十美的东西，他们却做到了十全九美。

最后，大家在使用过程中又有什么问题呢?欢迎在下方评论区留言一起讨论。

这个不难选，主看机器人的行走路径方式（也叫做算法），千万不要买到随机式，那个确实坑，机器总是随意乱走乱碰不好用，甚至很多地方都扫不到。智能规划式的就聪明很多了，会定位导航扫地的路径可以做到规划行走，多数是“弓”字型的路径，还有一点也很不错，即使是家居内有多个居室也能做到全部覆盖。不过要选对规划式产品首先要了解一些定位导航方面的知识，无线载波室内定位、RPS激光定位、vSLAM图像位移定位三种是比较厉害的了，技术已经趋于成熟，三者又以无线载波定位被广泛认可。

目前的自动扫地机机器人可分为美国系和台湾系两大派系，美国系以iRobot为首，Neato相当于后起之秀；台湾系以Proscenic为首，松下、三星等集团大品牌是后来陆续加入的。以上这些品牌目前推出的产品都以规划式著称，优势是很明显的。

S7 021-- luolibo@ daichuan@ Table_Summary 核心观点： ? 扫地机器人 迭代 与进化 ：产品 从随机碰撞到自主导航，感知模块 的进步 是关键 根据德国 GFK 的统计数据，中国沿海地区的家务机器人渗透率为 4%-5%，与美国相比有 10 个 pct 的差距，未来增长空间广阔。服务机器人包含三大核心技术模块：人机交互及识别模块、环境感知模块、运动控制模块。其中，感知模块通过对周围环境的感知实现地图建模、定位和导航，依赖于各种传感器、陀螺仪等，是服务机器人的核心。 扫地 机器人从原始的随机碰撞 产品 迭代升级为当前的自主导航类产品，产品升级的背后，感知模块的进步是重要推手，让扫地机器人真正进入了智能化时代。 ? LDS 与 VSLAM 技术对比，多传感融合是方向 当前的定位与地图构建的主流是 SLAM 技术。按传感器种类来划分， SLAM 技术主要分为两类，一类是基于 LDS激光测距传感器的 SLAM 技术，另一类是基于机器视觉的 SLAM。 LDS 运用三角测距原理，能够获得精度较高的距离信息，在测量与人距离这一功能上尚无完美替代。目前阻碍 LDS大规模推广的主要还是价格因素，通常线束越高，价格越高。随着终端用户的产品放量，激光雷 达的产业化将会带动价格打破瓶颈区域。 VSLAM 是一种机器视觉导航定位系统，其技术难点在于两方面： 1.特征点提取与匹配； 2.匹配点图像坐标与空间坐标是非线性关系。 VSLAM 精度相对较低，但其优势在于纹理信息的丰富性，相同外形的障碍物 VSLAM 可以识别出内容上的不同，这带来了场景分类上的优势，适用于动态复杂的环境。 LDS 和 VSLAM 都具备独特的优势，单独使用均存在局限性。现实中的 SLAM 系统往往会配备惯性原件、视觉里程计、 GPS 等辅助定位系统，使得多传感器的融合成为未来 趋势 。 投资建议： 技术拐点和消费升级成为催化扫地机器人拐点向上的要素，在核心的感知模块领域，我们建议几条主线把握投资机会：（ 1）选择扫地机器人领域，具备良好产品研发能力和产品迭代能力的企业，重点关注科沃斯 *；（ 2）关注具备激光雷达研发生产等核心能力的企业，随着扫地机器人在我国渗透率的提升，激光雷达企业也将在扫地机器人产业化中受益，重点企业包括巨星科技、思岚科技、雷神智能和北醒光子等；（ 3）机器视觉在应用场景上逐渐突破工业检测，其应用边界逐步向智能生活领域拓展。在智能化场景中，计算机视觉让更多智能化设备具备感知能力，目前成熟的 上市标的较少，建议关注众多创业型企业，例如格林深瞳、商汤科技、驭势科技等。 （注： 标 *为联合覆盖 ） 风险提示： 服务机器人市场需求低于预期；行业过度竞争；核心技术突破低于预期。 Table_Report 相关研究 ： 广发机械机器人系列报告（三） :核心零部件国产化对机器人行业的影响分析 广发机械“轻深度”系列之二 :从下游资本支出变化看油气装备复苏 广发机械“轻深度”系列之一 :从 KLA-Tencor 收购 Orbotech，看检测设备的成长与估值 识别风险 ， 发现价值 请务必阅读末页的免责声明 2 / 20 专题研究 |机械设备 目录索引 一、从随机碰撞到自主导航，感知模块是关键 . 4 1.1 扫地机器人智能化升级，导航技术是核心 . 4 1.2 LDS 方案：技术成熟，降低成本是关键 . 6 1.3 VSLAM：发展迅速，稳健性是难点 . 9 1.4 对比： LDS 测距精准， VSLAM 应用场景巨大 . 14 二、 多传感融合是感知模块的未来方向 17 三、投资建议与风险提示 19 识别风险 ， 发现价值 请务必阅读末页的免责声明 3 / 20 专题研究 |机械设备 图表索引 图 1：扫地机器人产品迭代进程 . 4 图 2：路径规划式与随机碰撞式扫地机器人对比 5 图 3：激光雷达传感器分类 . 6 图 4：机器视觉传感器分类 . 6 图 5：激光雷达 SLAM 技术地图构建 . 6 图 6： VSLAM 技术地图构建 6 图 7：激光雷达三角测距原理 . 7 图 8：激光雷达硬件逻辑 7 18：主动结构光相机原理 . 12 图 19：主动结构光伪随机散斑图 . 12 图 20： ToF 原理 . 13 图 21：基于 LDS 技术的扫地机器人 15 图 22：基于 VSLAM 技术的扫地机器人 15 图 23： 家用扫地机器人性能测试 . 16 图 24： 国内扫地机器人市场竞争状况 16 图 25：不同技术累积误差对比 . 17 图 26：多传感融合应用于无人驾驶汽车 18 图 27： 主要的五类传感器特性对比 18 表 1：三种主流 RGBD 方案对比 13 表 2： LDS 与 VSLAM 技术对比 . 14 表 3：不同技术方案扫地机器人的特点 15 识别风险 ， 发现价值 请务必阅读末页的免责声明 4 / 20 专题研究 |机械设备 一、从随机碰撞到自主导航，感知模块是关键 1.1 扫地机器人智能化升级，导航技术是核心 扫地机器人智能化升级，感知模块重要性突出。 扫地机器人最早在欧美市场销售，近年来 随着深度学习、机器 视 觉等 AI技术的发展 ， 扫地机器人产品的迭代不断加快，向智能化方向升级。 目前，市场主流机型可分为随机式 清扫（第一代）、规划式清扫（第二代）和导航建图式清扫（第三代），后两代都具备路径规划技术，这使得 环境感知模块 的重要性愈发突出。智能 扫地机器人以自动清扫的方式解放年轻人打扫压力，同时其智能化特性引发年轻人的“猎奇”心理 ，使得 市场规模高速增长 。 图 1： 扫地机器人产品迭代进程 数据来源 ： 广发证券发展研究中心 随机式扫地机器人清扫效果靠时间和不断的重复来堆砌，经常会出现反复清扫或大面积漏扫的情况，算法的优劣直接决定了清扫质量和效率高低（实际上，随机式产品也包含了简单算法，例如撞墙时的转向角度等）。 路径规划式产品增加了定位导航，清扫过程有迹可循，清扫面积和效率相比随机式要高很多，但规划式产品必须要有定位的能力，需要进行地图构建和规划清扫。当前的定位与地图构建的主流技术主要是 SLAM。 识别风险 ， 发现价值 请务必阅读末页的免责声明 5 / 20 专题研究 |机械设备 图 2： 路径规划式与随机碰撞式扫地机器人对比 数据来源 ： 搜狐科技 ，广发证券发展研究中心 SLAM（ Simultaneous Localization And Mapping）的 含义是 即时定位 与 地图 构建，指的是机器人在自身位置不确定的条件下 ， 在完全未知环境中创建地图 ， 同时利用地图进行自主定位和导航。 SLAM问题可以描述为 ： 机器人在未知环境中从一个未知位置开始移动 ， 在移动过程中根据位置估计和传感器数据进行自身定位 ， 同时建造增量式地图 。 自主定位导航需要三大技术： （ 1）实时定位 （ Localization） 。 目前 GPS的精度只能达到半米 ，而且 实时 定位的更新频率很快，需要达到 10次 /秒， GPS定位技术无法满足 。定位 包括 相对定位 和 绝对定位 ：相对定位 主要依靠内部本体感受传感器如里程计、陀螺仪等，通过给定初始位姿，来测量相对于机器人初始位姿的距离和方向来确定当前机器人的位姿，也叫做航迹推测 （ Dead Reckoning， DR）； 绝对定位主要采用主动或被动标识、地图匹配 、 GPS、或导航信标进行定位。位置的计算方法包括有三角测量法、三边测量法和模型匹配算法等。 （ 2）绘制地图 （ Mapping） 。 导航领域是有专人绘制的， 然而 家居 的 实时变化 决定了扫地机器人需要在 没有人工干预的情况下 自主 画图 。 （ 3）路径规划。 机器人绘制的地图 可以向任意方向行驶 ， 因此其 路径规划还包 括避障和直接控制行为，导航仪是由人来决定，机器人是用算法决定的， 因此算法是路径规划的 。 由于 传感器种类和安装方式的不同 ， SLAM的实现方式和难度会有一定的差异。按传感器来分， SLAM技术主要分为两类 ， 一类是基于 LDS激光测距传感器的 SLAM技术，另一类是基于机器视觉的 SLAM。 其中，激光 SLAM比 VSLAM起步早， 框架 已经初步确定 ， 因此产品落地 相对成熟 ， 主要分为单 线 式和多线式 。基于视觉的 SLAM又称为VSLAM（ Visual SLAM），目前的主流算法是基于 RGBD的深度摄像机，分为单目、多目、结构光（进一步分为单目结构光和多目结构光）、 ToF等。随着机器 视觉的迅速发展， VSLAM技术 因为信息量大、适用范围广等优点受到关注， 目前尚处于应用识别风险 ， 发现价值 请务必阅读末页的免责声明 6 / 20 专题研究 |机械设备 场景拓展、产品逐渐落地阶段。 图 3： 激光雷达传感器分类 图 4： 机器视觉传感器分类 数据来源： CSDN， 广发证券发展研究中心 数据来源： CSDN，广发证券发展研究中心 图 5： 激光雷达 SLAM技术地图构建 图 6： VSLAM技术地图构建 数据来源： 凤凰科技， 广发证券发展研究中心 数据来源： 凤凰科技 ，广发证券发展研究中心 1.2 LDS 方案 ： 技术成熟 ， 降低成本是关键 激光雷达 SLAM是 LDS激光测距传感器与 SLAM技术的结合。激光雷达测距 LDS的原理是：从半导体激光器 以一定的入射角度 发射一束或 n束激光 照射被测物体， 激光在物体表面发生散射或折射，通过透镜对反射激光汇聚成像，光斑成像在 CCD传感器上（ Charge-coupled Device，感光耦合组件 ）。当物体发生位移时，光斑也将随之产生移动，其位移大小通过信号处理器的计算而获得， 由光斑位移距离计算出被测物体与基线的距离值。由于入射光和反射光构成一个三角形， 位移计算运用了几何三角定理，故又被称为 激光三角测距法。 这种方法能够获得精度较高的距离信息。 LDS的硬件工作流程分为几步 ： 1.发射激光，同时感光芯片曝光； 2.读取像素数据 ；识别风险 ， 发现价值 请务必阅读末页的免责声明 7 / 20 专题研究 |机械设备 3.计算出像素的 质心 位置； 4.将步骤 3中的计算结果（像素位置）换算成距离信息。 图 7： 激光雷达三角测距原理 数据来源： 《 激光雷达原理 》 ， 王德志著 ， 广发证券发展研究中心 图 8： 激光雷达硬件逻辑 数据来源 ： CSDN，广发证券发展研究中心 阻碍 LDS大规模推广的主要还是价格因素。 目前， LDS技术比较成熟的是美国Velodyne公司 ，随着技术的发展与革新， LDS成本持续降低，为其应用领域扩展提供有力支持。 影响 LDS价格的主要有两大要素： 线束 数量 和 采购量。 通常 线束 越高，价格越高 ；采购量 越 大 ，价格越低。 Quanergy公司 通过降低线束维度，逐步使用固态激光雷达，让成本降低到了 250美元 左右，国内 企业 思岚科技，可以在采购量超过 1万台 左右时 ，单 线束的 价格 可以降低到 1000元 以内。 随着 终端 用户 的 产品 放量，激光雷达的产业化将会带动价格 打破 瓶颈区域。 识别风险 ， 发现价值 请务必阅读末页的免责声明 8 / 20 专题研究 |机械设备 图 9： Velodyne激光雷达 数据来源 ： Velodyne官网 ，广发证券发展研究中心 图 10： 激光雷达 的价格发展趋势 数据来源：广发证券发展研究中心 激光雷达按照激光束的数量可以分为 1线（ 2D）、 4线、 8线、 16线、 32线、 64线激光雷达，不同线型、厂商的激光雷达售价差别也相对较大。根据精度和功能需求的不同，智能装备所用的型号不同，具备高度自主移动功能的移动式机器人（如无人驾驶汽车、无人机），需要配备长距离 8线以上的激光雷达 ，成本较高。 相比之下 ， 对空间测距范围需求有限的扫地机器人大多采用 1线短距离 LDS，相对较低的成本也有利于 LDS在该领域的推广。 目前来看 ， 新一代扫地机器人已经开始利用 LDS技术替换传统随机碰撞式产品，例如小米和 Neato的扫地机器人主要走 LDS方向，而科沃斯产品则覆盖了 LDS与 VSLAM技术。以小米为例， 2016年公布的米家扫地机器人， 搭载 了 小米自主研发的 LDS传感器，可以实现 360°扫描，测距达到了 1800次 /秒。 该产品会根据 LDS获取的精确距离信息 ，通过 SLAM算法实时绘制房间地图，识别风险 ， 发现价值 请务必阅读末页的免责声明 9 / 20 专题研究 |机械设备 提高清扫效率和质量。 图 11：激光雷达在服务机器人上面的全面应用 数据来源：广发证券发展研究中心 图 12：小米扫地机器人拆解 数据来源：小米官网，广发证券发展研究中心 1.3 VSLAM：发展迅速，稳健性是难点 VSLAM（ Visual SLAM）是一种机器视觉导航定位系统，相比能够直接获取方向和距离数据的激光 SLAM技术， VSLAM获取的是灰度或彩色图案，对于障碍点只能获识别风险 ， 发现价值 请务必阅读末页的免责声明 10 / 20 专题研究 |机械设备 取方向而无法直接测量距离。要想计算该点的距离，需要相机挪动一个位置再观察一次，按照三角原理进行推算。 图 13： VSLAM构建的地图 数据来源 ： 高工机器人网 ，广发证券发展研究中心 VSLAM过程可以分为前端和后端 ，前端相当于 VO（视觉里程计）， 研究帧与帧之间变换关系 ， 提取每帧图像特征点，进行相邻帧图像 的 特征点匹配 ；后端主要是利用TORO、 G2O算法的全局优化。因此， VSLAM的技术难点在于两方面： 1.特征点 提取与 匹配 ； 2.匹配点图像坐标与空间坐标是非线性关系。 例如 2D-2D像素点的对应满足对极几何、 2D-3D点的对应满足 PnP约束，这些匹配会引入众多约束关系，使得待估计变量的关系错综复杂。这两个难点，前者导致了前端的特征跟踪不易，后者导致了后端的优化不易。 因此 VSLAM的稳健性是一个有挑战的问题。 为此需要引入回环检测，就是如何有效判断相机经过同一场景的能力。如果回环成功，通过把对比信息输送给后端优化，提供更加有效的姿态约束，从而显著减小累积误差，逼近全局一致。