1、小蜜蜂巡检机器人如何定位

蜜蜂巡检机器人采用高精度SLAM的定位算法。运动恢复结构（SfM）和 SLAM 所解决的问题非常相似，但 SfM 传统上是以离线形式进行的，而 SLAM 则已经慢慢走向了低功耗/实时/单 RGB 相机的运行模式，这也是小蜜蜂巡检机器人选择演进之路。

2、视觉 SLAM 在机器人巡检中的应用

尽管自动驾驶汽车是 SLAM 最重要的应用之一，但用于自动化载具的 SLAM 应该有其自己的研究轨道，例如室内自动精准定位，无人巡检、值守等。

3、SLAM算法实现的4要素

①　高精度地图。比如dense和sparse都是它的不同表达方式，这个需要根据实际场景需求去抉择。

②　场景感知。需考虑如何全面的感知这个环境，RGBD摄像头FOV通常比较小，但激光雷达比较大。

③　数据建模。不同的sensor的数据类型、时间戳、坐标系表达方式各有不同，需要统一处理。

④　slam定位构图，这个是一个比较有名的SLAM算法，即回环检测算法。调用了cuda，gpu对运算能力要求挺高。

4、 小蜜蜂巡检机器人应用介绍

SLAM 即时定位与地图构建或并发建图与定位。将一个机器人放入未知环境中的未知位置，让机器人一边逐步描绘出此环境完全的地图，从机器人的感知部分来说，传感器性能提升、前端处理、多传感器融合、物联网应用终端是一个很大的增长点。

金章科技将视觉算法、复合材料、机器人产业、应用传感器、控制系统、管理平台进行对接，加速机器人行业发展。整个机器人生态架构会越来越清晰，从硬件层、算法层、功能层SDK 再到应用层。并且在电信、电力、园区、医疗行业均有广泛应用。