“工业场景复杂多样，移动机器人可能需要面对空旷车间、频繁移动的货堆、玻璃墙体、人机混合作业或车间布局偶尔变动的挑战。如何让机器人在这类环境中实现稳定、高效的导航，是我们的技术探索核心。”

——迈尔微视SLAM应用专家周玄昊博士

| 多模态融合驱动工业SLAM创新

“在无人驾驶领域，围绕视觉和激光雷达两种技术路线的优劣争论由来已久，类似的技术选择在工业SLAM领域中也同样存在。”周博士指出，激光雷达凭借精准的距离测量能力，在80-90%的室内及半室内环境中，已能满足工业场景对稳定性和运行精度的要求。随着国内激光雷达厂商的成本下降，激光SLAM以及基于激光反射板的定位方案依然是目前的主流技术。

“不过，在某些激光雷达难以覆盖的场景下，视觉SLAM展现出了独特优势，例如在长走廊或高动态环境下，视觉SLAM的定位效果更佳。此外，视觉技术能够提供丰富的纹理信息和语义理解能力，这使其在高智能、高感知需求的应用中更具优势，比如人形机器人和具身智能设备等。”

“在工业场景中，未来的导航方案不应拘泥于单一传感器。”周博士强调，通过融合激光雷达和视觉的多模态数据，能够驱动更加稳定、可靠的定位算法，在复杂场景中实现更高的鲁棒性和适应性。

| 工业场景中SLAM技术的独特价值

“SLAM技术的核心优势在于，让机器人在未知环境中既能精准确定自身位置，又能同步构建环境地图，实现自主导航。”周博士解释，“但在实际工业应用中，环境的复杂性对传统SLAM方案提出了巨大挑战。”

工业场景的动态变化对SLAM系统提出了更高的要求，如何在复杂环境下实现精准、可靠的自主定位，成为SLAM技术落地的关键。

“例如，在仓库或工厂中，货架布局可能随时调整，生产设备也会不断变化，加之车辆密集、人流复杂，普通SLAM算法往往需要频繁重建地图，导致部署繁琐，维护成本高。”

针对这些痛点，迈尔微视提出了独特的解决方案——顶视视觉SLAM融合2D激光雷达。该技术利用天花板和墙壁的自然特征进行定位，这些区域相对稳定，不受地面动态变化影响，能够在复杂环境中提供更稳定的导航能力。

这一技术在仓储、物流和制造业等动态环境中尤为适用。例如，在货架高度达到6-10米、高密度堆放物料的场景下，2D激光雷达可能因反射点不足而失效，而我们的顶视SLAM技术则能精准应对，重复定位精度可达±1cm。

“这项技术不仅已经在工业领域取得了良好应用，还成功拓展至商业场景，展现了卓越的适应性。”周博士补充道。

| 商业领域的创新应用迈尔微视的顶视视觉SLAM技术已经在多个行业实现规模化应用，单个车间内部署的工业自主移动机器人数量已超过500台，同时，上百辆商用清洁机器人也成功落地。迈尔微视还将这项技术应用于人工叉车的智能化改造。通过为叉车增加实时定位功能，不仅优化了行进路径，提高了作业效率，同时还增强了操作安全性。“这不仅是一项技术突破，也为智慧物流的数字化和智能化升级注入了新的动力。”| 专家介绍

周玄昊高级工程师，博士，毕业于浙江大学，担任迈尔微视首席SLAM应用专家。

长期专注于移动机器人定位算法及工程化应用研究，具备深厚的理论功底和丰富的实践经验。作为核心研发人员，他参与了多项省级重点项目，包括2023年省尖兵领雁项目“高分辨率大成像范围的3D视觉传感器研发及产业化”，以及2024年省首台套产品——基于深度视觉系统的SMT上下料机器人。此外，他在技术创新方面成果显著，拥有多项发明专利授权，如《一种视觉辅助激光定位系统及方法》《一种基于卷积神经网络的深度相机定位方法》《一种优化的视觉SLAM方法》等。