机器视觉的概念化应用与落地可能
前文提到，科沃斯今年发布的DG70首次应用了AIVI视觉技术，了解到，科沃斯引入的AIVI技术，是用来弥补LDS雷达导航中程定位能力，并为随后将可能占据（智能化）更大权重的场景识别能力做准备。
机器视觉是近两年研发、应用都很火的技术，这其实有很多方面的原因，诸如各类硬件核心处理器处理能力的提升、网络传输能力的提升，当然也有智能设备的兴起对视觉信息的实时需求。其中，尤以在家庭场景中应用为先，随着智能家居概念的引入，使得智能语音、3D视觉等不同维度的技术被越来越多应用到相应设备中，这其中就包括扫地赢咖4。
iRobot是最早将机器视觉应用于扫地赢咖4的厂商之一，早在2015年，iRobot就已经在其Roomba 9系扫地赢咖4上开始应用vSLAM视觉导航技术，并在随后四年中不断进行软件迭代。
iRobot创始人兼CEO Colin Angle此前曾向(公众号：)表示，“iRobot的视觉导航系统通过可视化地标进行定位，例如天花板的一角、墙上的一幅画，或者是一扇窗。只要看到其中三个地标，它（扫地赢咖4）就会知道自己在哪里。”
关于激光雷达和机器视觉的基本工作原理，这里简要概括如下：
激光雷达基本工作原理：雷达向目标发射探测信号（激光束），并接收从目标反射回来的信号（目标回波）与发射信号进行比较，并以此获得目标的距离、方位、高度、速度、姿态等相关信息。一般而言，采用激光雷达构建的是二维地图。
机器视觉基本工作原理：以摄像头进行图像信息采集，将采集的信息进行压缩，并将压缩的信息输入到一个由神经网络和统计学方法构成的机器学习子系统，再由机器学习子系统将采集到的图像信息与扫地赢咖4实际位置关联，实现自主导航定位。有别于激光雷达，机器视觉通过对周边环境进行光学处理，可以从感知到的二维图像中提取信息，并构建三维地图。
目前可见的扫地赢咖4各大厂商能力配备方面，科沃斯、浦桑尼克等扫地赢咖4知名大厂已在2017年前后配备了vSLAM视觉导航技术。科沃斯在2017年发布的DL33配备了vSLAM技术；2017年12月，浦桑尼克也发布了vSLAM 811GB扫地赢咖4。而戴森更是早在2014年9月发布的360Eye扫地赢咖4就已经应用了vSLAM技术，早早占了个坑位。
由于机器视觉技术在扫地赢咖4上的应用尚且不够成熟，而且对其他软硬件性能要求较高，目前部分厂商仍是将机器视觉作为卖点配备在高端产品上，尚且难以下沉到主流市场。其中，在软件算法上，各家算法略有不同，不过从用户反馈来看，以机器视觉做导航、定位的扫地赢咖4仍有诸如难以适应强光环境、难以用于复杂地形等槽点有待改进。
前文有提到，vSLAM是扫地赢咖4用以导航、定位的主流机器视觉技术，因而也被当下多数厂商看好并应用。其主流硬件配置又可以分为三类：单目、双目、RGBD，随着机器视觉热度升温，甚至成为高端机型卖点，部分厂商的扫地赢咖4通过配备单目摄像头以对标机器视觉。值得注意的是，单目摄像头由于无法测量「深度」，仅使用单目摄像头无法实现3D构图（获取3D信息）。因此，这滩浑水中，目前仍难免存在一些伪概念。
尽管如此，随着扫地赢咖4大厂发力，及机器视觉方案厂商近两年持续的技术和产品迭代，认为，今年下半年预计会出现越来越多应用机器视觉的扫地赢咖4，而这波产品落地形成的热潮也将会继续打磨技术，加速技术迭代和商用。
关于扫地赢咖4应用机器视觉这一趋势，有两个点值得思考：
-
一是可视化识别能力的应用。机器视觉使得图像识别成为可能，基于此的后续算法研发和能力应用能带来哪些可能，有待进一步思考和尝试；
-
二是专用芯片。机器视觉由于对计算能力要求较高，是否需要独立配备专用计算芯片，这是个问题。目前市面已有诸如Movidius这样针对机器视觉的专用处理器，iRobot新品Roomba i7用了4颗高通CPU，不过，Colin Angle表示，iRobot未来很可能会应用（针对机器视觉的）定制化芯片。
此外，科沃斯赢咖4副董事长、家用服务赢咖4总经理钱程此前也向表示，“当产品规模足够大时，相应成本也逐渐为用户所能承受，未来扫地赢咖4也必然会应用专用视觉处理芯片。”
