为什么人们使用照相机而不是激光传感器进行机器人导航？

我正在研究城市环境中的机器人本地化和导航。我想使用相机。但是我对LRF数据或其他激光数据有些困惑。

人们为什么要使用相机？

为什么不使用LRF或其他激光数据？

谁能解释一下赞成Camera吗？

3D激光测距仪或激光雷达（例如Google Car上的激光测距仪）比照相机贵得多。另一个原因是，在激光雷达的情况下，每个像素的距离都是可用的，但是要处理的生成数据非常庞大。您必须更快地传输和处理数据，这又随着成本的增加而再次出现。最后，相机通常具有更长的使用寿命，因此需要的维护更少。

使用相对便宜的相机和计算机视觉，可以获得很好的效果。

例子：

1. 物体检测 （请注意，被人拉着的手提箱不会以红色突出显示）。
2. 追踪

除了Bence答案中的这些要点之外，相机还可以：

• 计算许多复杂的特征，这些特征会导致帧之间的非常鲁棒的匹配以及对象识别
• $0.5^\circ$$0.025^\circ$
• 降低功耗
• 无源传感器（不需要激光的“干净”信号）

城市环境中的导航

根据激光器的不同，在何处可以使用法律上的限制。在城镇中奔跑向周围投掷激光射线可能需要特殊的许可/许可。

像其他已经回答的。相机通常比便宜得多大号亚设 ř安格˚F inders。

当您谈论相机时，您是指2D相机吗？有一些3D摄像机，例如ifm O3D3xx系列摄像机。这些相机可能不具备激光扫描仪的精度，但它们以合理的帧速率提供3D深度数据，价格约为1k

将LIDAR用于SLAM与标准RGB摄像机相比有什么优势？

您可以在以前回答过类似问题的地方查看此链接。（各有利弊）

在城市环境中

如果您指的是像Google这样的自动驾驶汽车，则有很多考虑和限制（安全性，成本等）。

如果您对研究和学习感兴趣，建议您使用任何可用的硬件平台。

记住：

1. 带有激光雷达的汽车非常昂贵，将很难轻易出售。
2. 自动在人周围行驶的汽车可能会在发生错误的情况下死亡。因此，出于研究和学习的考虑，这些考虑与仅开发算法不同。

我不认为人们真的“想”只使用相机。如果每个研究人员都能负担得起LiDAR，他们都会将LiDAR放置在室外环境的机器人上。

相机非常便宜，范围的唯一限制是您可以在算法/软件中处理的像素/超像素分辨率。

大多数研究人员（包括我在内）都使用结构化的摄像头（尽管它们不在户外工作，因此当机器人在室外时，我们会在这些传感器上切换到RGB摄像头）。解决此光问题的方法是，我们还根据控制器/ CPU的处理能力，使用立体摄像机（立体视觉/多视图深度，计算量大）来大致确定深度。我还没有亲自探讨的另一种解决方案是使用多个Kinects / Asus Xtions等，在那里您可以得到深度证实以及用于户外的多个RGB相机。

激光雷达通常非常昂贵（非常好的激光雷达要花费数千美元）。尽管这种情况将来可能会改变，有些公司会推出Sweep等250美元的“ LiDAR” 。

此外，LRF / LiDAR具有有限的范围和分辨率（即，超过一定距离，它们不能明确解析深度，因此它们返回0值（我不确定LiDAR是否具体，但深度相机的最大值（高于此值））以及最小范围（低于该范围），它们不会给您深度）。

希望这可以帮助。

我要补充另一个原因，坦率地说，我希望其他人能长大。因为我们为什么首先要制造机器人？无情的机器能做我们肮脏的工作吗？

我认为，像哺乳动物一样，机器人可以完全依靠“视觉”这一事实使它们更像我们。所以对我来说，激光和声纳在作弊。恕我直言，代替作弊，IMHO应该专注于制造具有更高帧速率，更高动态范围和更少伪像的更好的相机，并编写可以从中获取所需数据的软件。（或者，以2012年后的术语来说，培训我们的网络以从中获取所需的数据）。