现如今越来越多的家庭开始选择使用扫地机器人来完成地面的清洁。

然而在使用过程当中，很多用户都会发现多数扫地机器人的避障能力，以及避障能力所影响到的清洁效率往往参差不齐，有的扫地机器人经常会被地面上的障碍挡住，或者因为路线规划的有问题而在桌椅板凳下无脑乱撞，影响扫地效率。

由此，一些扫地机器人稍弱的避障能力成为制约用户体验的重要痛点，引发过用户“智障不避障”、人工智能成了“人工智障”的吐槽。

目前来看，被扫地机器人应用过或是正在使用的避障技术无非以下几种：、3D 结构光避障、单目视觉避障、双目视觉避障、激光雷达避障、3D TOF 避障，这些技术各自的特性以及相互之间的差异如下表所所示。

扫地机器人五种主流的避障技术

1、先说3D结构光方案，其原理是采用红外光源，发射出来的光经过一定的编码投影在物体上，这些图案经物体表面反射回来时，随着物体距离的不同会发生不同的形变，图像传感器将形变后的图案拍下来。

随后，通过计算拍下来的图案里的每个像素的变形量，来得到对应的视差，进而得到深度值。不过结构光方案测距范围受光斑图案影响，避障范围较小。强光环境下表现差，容易受光线影响。

2、3D TOF算是大家比较熟悉的方案了，它被iPad Pro用于实现AR玩法。它的工作原理是红外光源发射高频光脉冲到物体上，接着接收从物体反射回去的光脉冲，通过探测光脉冲的飞行（往返）时间来来计算被测物体离相机的距离。

然而3D ToF的劣势对于扫地机器人而言太过致命——分辨率低，以致于图像信息不易辅助避障，并不太适合用于扫地机器人。

iPad Pro的3D ToF镜头

3、激光雷达避障的原理是发射激光到物体表面，然后接收物体的反射光信号。而且激光避障的精度、反馈速度、抗干扰能力和有效范围都要明显优于红外和超声波。劣势在于单束 LIDAR 通过旋转可以扫描一个面的数据(LDS)，无法完成对三维世界的感知。

即便是造价昂贵、不适于扫地机器人的多束激光组成阵列雷达，也只可获得部分范围内的三维地图。显然不能仅仅依靠激光雷达。

4、单目视觉识别系统的扫地机器人已经十分多见。单目较多单一的照片只具有二维信息，犹如2D电影，并无直接的空间感，只有靠我们自己依靠“物体遮挡、近大远小”等生活经验脑补，故单一的摄像头获取到的信息及其有限，并不能直接得到我们想要的效果。

类比到机器视觉中，单个摄像头的图片信息无法获取到场景中每个物体与镜头的距离关系，即缺少第三个维度。现实生活中的场景极度复杂，单个摄像头发生视觉误算的概率非常大，可能会计算错物体的实际距离。单目产品缺乏立体视觉，无法获得第三个维度的信息，也就是景深信息。

所以搭载单个摄像头的扫地机把所有物体都识别成二维物体，并不是三维立体，它只能对预先训练好的物体进行估算，但实际家庭环境千差万别，不可能对所有会造成卡困物体都进行训练。所以相比较单目扫地机器人，我们更需要双目扫地机器人的出现。

5、双目

双目技术原理

石头科技近期推出的石头扫地机器人T7 Pro采用的是LDS+双目方案，将以上五种方案之中的两种结合在一起。单说视觉部分，与单目相比，它的优势在于能够避障未识别过的物体，可以还原物体的景深信息。更好地采集的环境信息（测距避开通用障碍物，单目无此特性）。

而且结合 AI 物体识别算法，还能精准获取的障碍物属性信息，以此实现扫地机的主动智能避障，对不同障碍物采用不同的避障策略，评估避让距离，以兼顾清扫覆盖度和避障成功率。目前石头扫地机器人T7 Pro已经支持体重秤、风扇/吧台椅底座、鞋子、插线板、线团、“粑粑”等6 类物体。

值得一提的是，石头扫地机器人T7 Pro可以实现全天候的避障，为了做到沙发底下，床底下，晚上等昏暗环境也能正常识别，其使用红外光补光（红外是不可见光，不会打扰用户）。

石头在摄像头内部把IR-cut filter换成了RGB+IR双通的滤波片。

白天强光下，红外补光灯不打开，摄像头内部的 Sensor 主要接收可见光；夜晚暗光下，红外补光灯自动打开，摄像头内部的 Sensor 主要接收红外光。由此无论是白天还是夜间，避障、脱困都有了更加显著的改善。

遇到障碍，搭载双目系统的石头扫地机器人T7 Pro不再会“横冲直撞”，而是精准的描边，保证清扫面积的同时让自己能够顺利通过，不被卡死。