算法一：深度信息提取

其原理是使用兩個平行的相機，對空間中的每個點三角定位。通過匹配左右兩個相機中成像點的位置，來計算對應三維點在空間中的距離。

機器人想要通過若干幅圖像來獲取目標的三維坐標，雙目視覺技術中更為重要的工作是對圖像執行匹配，首先明確物體在左右圖像的相互匹配的點，然后獲得每一點視差以及深度信息。

雙目立體視覺有設備簡單且價格低廉，精度高且速度快，無需接觸物體即可計算距離和深度信息等優點，其在無人機電力線巡檢以及工業建筑機器人中都有重要的應用。

算法二：定位導航

機器人導航是一個比較復雜的系統，涉及技術如下：

• 視覺里程計VO；
• 建圖，利用VO和深度圖；
• 重定位，從已知地圖中識別當前的位置；
• 閉環檢測，消除VO的閉環誤差；
• 全局導航；
• 視覺避障；

Scene tagging，識別房間中物體加上tag。

簡單說來就是對機器人周邊的環境進行光學處理，先用攝像頭進行圖像信息采集，將采集的信息進行壓縮，然后將它反饋到一個由神經網絡和統計學方法構成的學習子系統，再由學習子系統將采集到的圖像信息和機器人的實際位置聯系起來，完成機器人的自主導航定位功能。

這種被稱為SLAM （Simultaneous Localization And Mapping）的方法，是移動機器人智能水平的最好體現，是否具備同步建圖與定位的能力被普遍認為是機器人能否實現自主的關鍵前提條件。

目前常用的SLAM技術主要分為兩類，一類是基于視覺傳感器的VSLAM，另一類是基于激光傳感器的激光SLAM。

視覺SLAM專指利用攝像機、Kinect等深度像機來做室內導航和探索；到目前為止，室內的視覺SLAM仍處于研究階段，遠未到實際應用的程度；而激光SLAM技術已較為成熟，也是目前最穩定、可靠的高性能SLAM方式。

算法三：避障

導航解決的問題是引導機器人接近目標。當機器人沒有地圖的時候，接近目標的方法稱為視覺避障技術。避障算法解決的問題是根據視覺傳感器的數據，對靜態障礙物、動態障礙物實現躲避，但仍維持向目標方向運動，實時自主導航。

避障算法有很多，傳統的導航避障方法如可視圖法、柵格法、自由空間法等算法對障礙物信息己知時的避障問題處理尚可，但當障礙信息未知或者障礙是可移動的時候，傳統的導航方法一般不能很好的解決避障問題或者根本不能避障。

而實際生活中，絕大多數的情況下，機器人所處的環境都是動態的、可變的、未知的，為了解決上述問題，人們引入了計算機和人工智能等領域的一些算法。

同時得益于處理器計算能力的提高及傳感器技術的發展，在移動機器人的平臺上進行一些復雜算法的運算也變得輕松，由此產生了一系列智能避障方法，比較熱門的有：遺傳算法、神經網絡算法、模糊算法等。
編輯：hfy