做基于视觉的工业自动驾驶，「未来机器人」能成为中国版 Seegrid么？

   工业自动驾驶会是先落地的场景么？

   随着计算机视觉技术逐渐成熟、可用，以视觉模组取代昂贵的激光雷达成为趋势，在扫地机器人等一些细分领域有了成功商用案例，在自动驾驶等前沿科技方向进行研究。

   我们近期接触的未来机器人（VisionNav) 也是其中一家。公司从2011年开始做基于视觉的工业自动驾驶方向的研究，已完成相关硬件、软硬件一体解决方案的研发，在多家客户进行产品落地。并于2016年完成了千万级融资，获得香港创新科技基金和佛山市创新人才团队超过千万元经费资助，预计2017年主营业务销售额将超过千万元 。

   随着中国人力成本上升，加上工业车辆司机招聘困难，对制造、物流等行业已经造成影响，工业车辆无人化改造需求迫切。数据显示，2016年全球叉车市场总销售量超过115万台，同比增长8.33%；其中中国市场年销售量接近27万台，同比增长3.33 %，连续七年位列世界第一。目前国内工业车辆的无人化改造往往要使用激光雷达，成本高昂，普及率不高。数据显示，2016年，国内AGV 的数量仅为4280台。近年来，随着机器视觉技术的成熟，完全利用视觉进行导航有了可能性。看重这个新的市场机会，团队研发了基于工业单目摄像头的VSLAM软硬件解决方案。

   硬件层面，未来机器人将其产品称之为“黑盒子”，包含了两个工业相机，可实现感知和决策功能，是工业车辆无人化改造的核心零部件。感知方面，采用视觉SLAM ，因为可以获取大量的点云数据，计算的难度相应较低，可靠性也相对较高。使用“视觉”，机器直接获取的其实是两幅图像，需要提取两幅图像的特征进行比对，通过基本矩阵反算，计算出实时的位置。加上不同光照环境对于计算也会产生影响，要保证产品的可靠性和稳定性就是一个关键。针对光照的问题，一方面，产品采用了补光的设计，在极端黑暗的情况下可以自行补光；另一方面，未来机器人的视觉技术采用对光照变化鲁棒性极强的图像特征，在不同光照情况下都有出色的算法性能。此外，大范围工厂/仓库环境会导致VSLAM算法的计算量极大，实时性无法保障。团队分析工厂/仓库环境相对固定，最终采用了“先离线建立大范围的稀疏点云地图，再根据环境变化情况实时更新部分地图”的“life-long Localization”方案。在系统调试过程中，调试人员会通过驾驶工业无人车并启动视觉系统“黑盒子”建立大范围点云地图。之后，在系统自动运行过程中，“黑盒子”会自动根据环境的动态变化对现有地图进行少量的实时更新。

   决策方面，“黑盒子”会向叉车的电机及驱动器输出相应的控制信号，使车辆完成相应的动作。叉车上的电机及驱动器的型号多样，这意味着需要解决通用性的问题。团队模仿人开叉车的行为，开发了一个硬件插件，将这一过程转化为如何转动方向盘等。但因为涉及到商业机密，团队表示暂不方便对外透露具体实现方法。

   对于客户来说，往往还需要与现有的业务流程打通。为此，团队还会提供相应的定制及落地服务，与客户原有的CRM 及系统流程打通。2015年底开始，团队已经通过这样的方式开始商业落地，客户主要分布在物流、电商、快销、印刷领域。团队预计，平均一辆车的改造收费在20万左右。

   今年开始，团队也开始进行硬件设备的售卖、单车改造，目标客户群主要为设备制造商、设备集成商。团队预计今年营收达到千万，预计明年营收或在3000万左右。

   团队目前组建了30人团队。创始人兼董事长刘云辉是东京大学博士,香港中文大 学终身教授、机器人研究所所长、IEEE & HKIE Fellow、国际机器人专家、国家“千人计划”和 “长江学者” .

   团队此前曾获得可可资本和常春藤投资 千万元级别融资，目前正寻求新一轮融资，主要用于在目标行业内全面推广视觉导航智能叉 车系统;、其他智能工业车辆系统的开发和中试 。

   相比于私家车的自动驾驶，工业环境相对固定，且面临人力成本的压力，更有无人驾驶的需求与可能。国外这一方向也出现了不少公司，比如Seegrid，公司成立于2003年，由VSLAM提出者创办，专注于基于视觉的工业无人驾驶，将VSLAM技术引入工业设备领域，已经累计获得近6000万美元融资，并已推出相关产品。