无人机感知技术落地地面机器人：从VIO到代价地图的迁移

晚上八点回到家，发现扫地机器人又卡在床底一根电源线旁边，电机嗡嗡响，轮子空转。你很难不把它和大疆无人机做对比——无人机能在树林里高速穿行，灵活避开树枝，为什么换个场景就“笨”成这样？

答案不在电机，在感知。

大疆真正让人印象深刻的地方，不只是飞控和云台，而是那套从视觉里程计到障碍物感知、从建图到自主返航的完整感知系统。过去这套能力只管天空。而现在，一个更值得注意的信号是，它正在被尝试搬到地面。ROMO2 这个名字，搭配“居家省心伙伴”的定位，指向的正是家庭地面移动机器人这个赛道。

本文不预测具体产品销量，只拆解一个技术问题：无人机感知技术搬到地面，哪些能直接用，哪些必须重写，真正的卡点在哪里。如果你正在做无人机、SLAM、机器人导航，或者只是想搞清楚“为什么家用机器人还不聪明”，这篇文章会给出一个比较完整的视角。

1. 为什么无人机巨头要做地面机器人

先给一个判断：无人机公司做地面机器人，不是简单扩充产品线，而是在做感知能力的资产复用。

无人机和地面机器人在技术底层并不是两条平行线。大疆在无人机上积累的视觉惯性里程计、双目立体避障、激光雷达辅助定位、目标跟踪、自主返航、路径规划等能力，在逻辑上几乎都能对应到地面机器人的某个模块。

比如“自主返航”对应扫地机器人的“自动回充”，“避障”对应“防碰撞”，“建图”对应“家居地图管理”，“拍摄目标并跟踪”对应“看护老人小孩”。复用这套技术栈的代价，远低于从零开始组建新的感知团队。

ROMO2 的定位是“居家省心伙伴”，这通常意味着它不会是一台单纯的扫地机，而是集清洁、巡检、陪伴或看护于一体的家用移动机器人。这类产品有一个共同刚需：理解家庭环境，而不只是执行一次直线清扫。

它要能识别宠物和正在走动的人，判断哪些区域能进、哪些不能进；要能识别电线、拖鞋、袜子和毯子；要在夜晚低光照环境下继续工作；还要在长期运行中保持地图不漂移。这些需求，恰恰是无人机感知技术在特定约束下的延伸。

这里要说明：当前公开资料里，ROMO2 的具体硬件配置和功能细节还不算多，本文的讨论重点是“无人机感知技术落地地面机器人”这一技术方向，产品细节以官方发布为准。

2. 无人机感知与地面感知：不是同一个问题

很多人容易产生一个误解：把无人机的传感器和算法模块直接装到地面机器人上，感知能力就“降维”了。但真实情况是，地面感知不是无人机感知的简化版，而是另一种难度结构。

一张表可以看出主要差异：

最容易被忽略的差异是“障碍物高度语义”。

无人机在空中飞行时，障碍物通常是一个完整的立体对象，比如一棵树或一栋楼。它只需要知道“前方有东西，绕开”。地面机器人不同，它面前可能是一张地毯、一个门槛、一根电线、一只猫的尾巴。它需要判断的是：这东西能不能压过去，会不会被卷进去，到底要不要绕。

这已经不是单纯的感知问题，而是感知加语义理解的结合。

另一个关键差异是安全边界。无人机炸机后还能找回，但地面机器人在家里卡住、撞倒物品、卷入线缆，每一次都直接影响用户体验。家用产品对稳定性的要求，比实验室里的无人机原型要高一个量级。

所以“把无人机感知搬到地面”这句话，正确理解应该是：迁移底层的感知硬件能力和部分算法框架，同时针对地面场景重新建立障碍物模型、运动模型和决策逻辑。

3. 哪些感知技术可以直接迁移

从行业通用技术栈看，以下几项能力可以比较平滑地迁移到地面机器人。

3.1 视觉惯性里程计（VIO）

无人机上广泛使用的 VIO（Visual Inertial Odometry）是视觉 SLAM 与 IMU 融合的里程计方案。它在地面机器人上依然适用，因为两者的本质需求一致：在没有外部定位信号时，持续估计设备自身的位姿。

一个典型家庭环境的纹理丰富度其实不错，光线均匀时对 VIO 非常友好。VIO 相比普通轮式里程计的优势在于，轮子打滑、悬空空转时，它依然能通过视觉特征给出相对靠谱的位姿估计。这正好弥补地面机器人最典型的“轮式里程计失效”场景。

3.2 双目立体避障

无人机常用的双目前视避障，可以直接迁移到地面机器人的前向感知。双目不需要主动光源，室内户外都可用，功耗可控，测距范围从十几厘米到十几米，覆盖了家庭机器人的近距离判断需求。

但要注意，地面机器人的双目相机安装高度更低、视角更平，低矮障碍物在图像中占比很小。直接套用无人机的避障模型，容易漏掉桌腿、台阶和地面杂物。通常需要调整相机俯仰角，并在画面中设定关注区域，重点分析中下部视野。

3.3 目标检测与识别

无人机上的目标识别技术，检测车辆、行人、建筑，在地面场景可以平移成检测宠物、人、家具、线缆、拖鞋。算法框架完全相同，甚至可以直接用 YOLO 系列模型做迁移学习。

这部分是感知技术中商业价值最直接的一块。“省心”不只是能避障，还意味着识别家里是否有宠物在睡觉、是否有窗户没关、是否有老人跌倒。这类语义感知能力，无人机行业已经验证了技术路线，地面机器人只需要换数据集和任务定义。

3.4 路径规划与覆盖算法

无人机航迹规划中的 A*、Dijkstra、RRT 等搜索算法，与地面机器人的路径规划在数学基础上高度一致。扫地机器人需要的是弓字覆盖、区域划分、禁区设置、动态避障；无人机需要的是航点规划、绕障、返航。相同算法，不同约束。

如果之前做过无人机路径规划，切换到地面机器人会非常快。难点不在算法本身，而在“代价地图怎么建”。

3.5 点云处理与三维重建

无人机航拍三维重建中常用的点云处理，也可以用于建立高精度家居地图。通过深度相机或激光雷达生成的家庭点云，可以用来检测地面高度差、识别障碍物轮廓，还能作为视觉重定位的特征来源。

区别在于，无人机三维重建通常面向大规模场景，地面机器人只需要局部精细模型。因此算法可以简化，但精度要求反而更高，尤其是对地面边缘和门槛这类细节。

4. 居家场景的真正难点

迁移了传感器和算法之后，真正让产品拉开差距的，是家庭环境特有的复杂情况。

4.1 动态物体干扰

家庭环境的动态物体密度远高于户外。人走动、宠物跑动、玩具被踢开、窗帘被风吹动，都会触发感知系统产生“虚假障碍”或重定位误差。对无人机来说，动态目标通常是航线上的一个例外；对家用机器人来说，动态物体是默认常态。

解决方向通常是：把地图分成静态层和动态层，静态层用于全局规划，动态层用于局部实时避障；同时使用多目标跟踪，把行人和宠物识别为“短暂阻挡”而不是永久障碍。

4.2 低矮物体与“可通过性”判断

电线、拖鞋、椅子腿、床单边、书架底层，是地面机器人最容易执行失败的地方。很多家用机器人不是“感知不到”低矮障碍，而是感知到了，却无法判断“压过去会不会出问题”。

这个问题的本质是：感知系统要输出的不仅是“哪里有障碍物”，而是“哪里能通过”。可通过性判断需要结合机器人底盘结构、悬挂、轮径、离地间隙、驱动方式。同一个视觉结果，在不同机身上会产生完全不同的决策。

这就是为什么只靠视觉识别无法根治卡困问题，必须联动底盘模型做通过性分析。

4.3 光照变化与反射

白天靠窗区域和夜晚的走廊，光照差异可能相差几十倍。纯视觉方案在夜间容易失效。地面机器人常用的做法是加红外补光、ToF、结构光，或者做多传感器融合，让它在弱光条件下依然能拿到可信的深度信息。

4.4 回充与重定位

无人机的“返航”依赖 GNSS 和视觉定位的组合，室内机器人的“回充”则是从任意位置定位到充电座，这需要厘米级相对位姿估计。如果机器人中途被抱到另一个房间，或者家具位置被改动，它还要能重新定位。

GPS 不可用的问题，让室内地面机器人比无人机更依赖 VIO 和 SLAM 的长期稳定性。这是感知迁移中真正值得投入的部分。

5. 感知与决策的落地实现示例

下面用几个通用技术栈示例，演示无人机感知能力如何在地面场景“改造成型”。这里不依赖特定品牌 SDK，代码只做思路演示。

5.1 低矮障碍物检测示例

无人机避障通常关注中远距离的物体，地面机器人更关注近处低矮区域。我们可以读取深度相机数据，只分析图像的中下部区域，并把“前方 25cm 内出现不可通行物体”判定为需要停车的信号。

文件路径：src/perception/low_obstacle_detector.py

import rclpy from rclpy.node import Node from sensor_msgs.msg import Image import cv2 import numpy as np class LowObstacleDetector(Node): def __init__(self): super().__init__('low_obstacle_detector') self.sub = self.create_subscription( Image, '/camera/depth/image_raw', self.depth_callback, 10 ) # 地面机器人比较关心近处低矮障碍 self.stop_distance_m = 0.25 # 前方 0.25 米内必须停车 self.low_height_m = 0.15 # 低于 0.15 米的物体按低矮障碍处理 def depth_callback(self, msg): # 将 ROS Image 转为 OpenCV 深度图，单位通常为 mm depth = np.frombuffer( msg.data, dtype=np.uint16 ).reshape(msg.height, msg.width) # 只关注图像中下部区域，因为相机视野较低 region = depth[int(msg.height * 0.5):, :] valid = region[region > 0] if valid.size == 0: return min_depth = np.min(valid) # 单位 mm if min_depth < self.stop_distance_m * 1000: self.get_logger().warn( '检测到近距离低矮障碍，距离：%.2f cm' % (min_depth / 10.0) ) # 这里可以调用底盘控制服务，执行减速或停车 self.publish_stop_cmd() def publish_stop_cmd(self): # 实际项目中通过 cmd_vel 话题发布速度零值 self.get_logger().warn('发送停车指令') def main(args=None): rclpy.init(args=args) node = LowObstacleDetector() rclpy.spin(node) node.destroy_node() rclpy.shutdown() if __name__ == '__main__': main()

这段代码的核心是“感知”和“决策”分离：深度图只负责提取障碍信息，后续是否停车、如何绕行交给行为控制模块。这也是从无人机感知迁移到地面时需要注意的边界。

5.2 代价地图参数配置示例

在 ROS 2 导航栈中，代价地图的配置直接决定机器人怎么看这个世界。无人机代价地图通常把三维点云直接映射成二维密集栅格，地面机器人则需要按高度裁剪，避免把地毯当作障碍，同时也不能漏掉低矮线缆。

文件路径：config/costmap_common.yaml

obstacle_range: 3.0 raytrace_range: 3.5 # 地面机器人轮廓，单位米，用于判断是否会被卡住 footprint: [[-0.15, -0.15], [0.15, -0.15], [0.15, 0.15], [-0.15, 0.15]] # 膨胀层参数 inflation_radius: 0.25 cost_scaling_factor: 3.0 # 传感器来源：深度相机 + 2D 激光 observation_sources: depth_camera laser_2d # 深度相机点云 depth_camera: topic: /camera/depth/points sensor_frame: camera_link observation_persistence: 0.0 expected_update_rate: 10.0 data_type: PointCloud2 # 低于 2cm 的物体通常可以压过，避免把地毯当成障碍 min_obstacle_height: 0.02 # 高于 30cm 的障碍可以先靠近再绕行，不需要过早避让 max_obstacle_height: 0.30 marking: true clearing: true laser_2d: topic: /scan sensor_frame: base_link observation_persistence: 0.0 expected_update_rate: 10.0 data_type: LaserScan clearing: true marking: true

这里真正容易踩坑的是min_obstacle_height和max_obstacle_height。如果下限设得过高，会把低矮线缆漏掉；下限过低，又会在地毯和地垫处产生一堆伪障碍。不同机型需要实际测量后微调，不能直接照抄模板。

5.3 覆盖路径与行为决策示例

地面机器人除了感知，还需要行为决策。下面这段伪代码演示了一个最简单的决策控制器，用于在障碍物接近时选择合适行为。

文件路径：src/navigation/coverage_controller.py

from enum import Enum class Behavior(Enum): BOW_COVERAGE = 1 # 弓字覆盖清扫 EDGE_AVOID = 2 # 沿障碍边缘绕行 REVERSE_TURN = 3 # 后退并转向，尝试脱离卡困 DIVE_UNDER = 4 # 低矮空间探底 RETURN_DOCK = 5 # 返回充电座 def decide_next_behavior(robot_state, map_status, obstacle_nearby): """根据机器人状态和感知结果，决定下一个行为。""" if obstacle_nearby: if robot_state.is_stuck: # 自检发现轮子空转/电流异常，先后退再转向 return Behavior.REVERSE_TURN if robot_state.has_low_clearance: # 上方空间足够，可以进入床底等低矮区域 return Behavior.DIVE_UNDER return Behavior.EDGE_AVOID if map_status.cleaning_finished: return Behavior.RETURN_DOCK return Behavior.BOW_COVERAGE

决策逻辑的核心原则是：优先保证不卡死，其次保证覆盖完整，最后才考虑效率。很多家用机器人体验差，不是因为路径规划算法弱，而是因为决策层没有把“脱困”放在足够高的优先级上。

5.4 端侧目标检测模型部署示例

如果要在低功耗端侧运行目标检测，可以用 ONNX Runtime 加 NPU 加速。比如部署一个轻量 YOLO 模型，识别宠物、拖鞋、线缆等目标。

import cv2 import numpy as np import onnxruntime as ort # 加载端侧模型 session = ort.InferenceSession("home_objects_yolov8n.onnx") input_name = session.get_inputs()[0].name # 读取一帧图像 img = cv2.imread("living_room.jpg") img_resized = cv2.resize(img, (640, 640)) input_tensor = img_resized.transpose(2, 0, 1).astype(np.float32) / 255.0 input_tensor = np.expand_dims(input_tensor, axis=0) # 推理 outputs = session.run(None, {input_name: input_tensor}) # 后处理解析检测框，并判断是否需要避让 # 如果检测到线缆，且距离小于安全阈值，通知导航模块降低速度 post_process(outputs, img)

需要说明的是，这样的模型必须使用家庭场景数据集微调，没有任何通用检测模型能开箱即用地判断“哪些线缆不能压”。数据集质量往往决定产品体验的上限。

6. 从算法验证到整机量产：工程化才是门槛

把代码跑通只是第一步。感知技术要真正落到地面机器人产品里，还要过几道工程关。

6.1 仿真先行

在真机调试之前，先在 Gazebo、Isaac Sim 等仿真环境里跑通导航栈，能节省大量时间。仿真里可以模拟光线变化、家具摆放、宠物移动等场景，自动生成回归测试用例。

值得投入的方向是把仿真环境做成“场景生成器”，随机摆放家具、线缆、拖鞋，让机器人在大量地图中做强化学习和压力测试。这样能提前发现很多在单一实验室环境里观察不到的边界问题。

6.2 标定流程

从无人机迁移到地面，相机安装高度、俯仰角、到 IMU 的外参都变了。需要重新做相机内参标定、相机到 IMU 的外参标定、深度图与彩色图对齐。标定误差会直接在 VIO 和避障上放大，导致建图漂移或测距不准。

比较好的实践是建立自动化标定产线，每一台量产机都要单独标定，并把标定文件写入设备分区。

6.3 功耗与算力

家用机器人不能用无人机上那种高功耗的机载电脑。它需要在几瓦的功耗预算内完成 VIO、避障、目标检测、导航规划。主流方案是低功耗 CPU + NPU 的异构架构，把 SLAM 放在 CPU，把 YOLO 这类卷积模型放在 NPU。

如果算力不够，优先保证 VIO 和实时避障，目标检测可以降到每秒一次左右，不必逐帧推理。

6.4 安全与回滚

地面机器人也一样需要急停机制。碰撞传感器、跌落传感器、电流异常检测要独立于主控存在。任何感知模块升级，都必须支持快速回滚。你可以不写一次做到完美的代码，但必须让每次更新失败时都能回到上一个可信版本。

7. 常见问题与排查方法

排查的第一原则永远是“先确认是感知问题还是决策问题”。把传感器原始数据录制下来回放，能有效区分这两类问题。不要在一开始就盲目调参数。

8. 给开发者的实践路线建议

如果你是从无人机领域转向地面感知，或者想把家里的机器人变成自己可控的实验平台，下面的路径比较稳妥。

8.1 先跑通 ROS 2 导航栈

不要从零开始写感知算法。先在 ROS 2 + Nav2 环境里，用现成的仿真地图跑通“建图、定位、导航”三步。熟悉代价地图、行为树、里程计这些核心概念。

8.2 接入真实深度传感器

在仿真跑通后，把真实深度相机接入，做相机标定。重点关注低矮障碍物漏检、强光下深度缺失、夜间失效这三个典型问题。每解决一个，都在自己的检查清单上记录下来。

8.3 加入语义识别

当 VIO 和避障稳定后，再加入目标检测模型。从识别三类物体开始：宠物、线缆、拖鞋。先离线跑数据集，再上机部署。注意量化后的精度损失，要保留一个可回滚的未量化模型版本。

8.4 关注定位鲁棒性

家用机器人的难点不是“能建图”，而是“长时间不漂移、被搬走后能重定位”。建议重点研究：视觉词袋、闭环检测、多传感器融合定位。这部分是无人机感知迁移中被低估的地方。

8.5 协议栈注意

无人机开发者习惯使用 MAVLink、PX4 工具链，地面机器人则普遍走 ROS 2、Nav2。传感器数据格式、时间同步、坐标系定义都不同。迁移时不要试图用一套协议打天下，而是把“感知算法”和“通信协议”解耦，感知模块输出标准位姿和障碍物列表，再由导航模块消费。

9. 总结与后续关注方向

大疆 ROMO2 的完整技术细节，还是要以官方发布为准。但“无人机感知技术落地地面”这个方向，已经不只是概念。

对开发者来说，最值得做的不是纠结下一代产品叫什么，而是先把 VIO、SLAM、目标检测、代价地图这套技术栈在自己的项目里跑通。因为无论是天空还是地面，机器人的“省心”都来自感知系统对环境的提前理解。

接下来的时间里，有三个方向值得继续跟踪：

第一，大模型与机器人感知的结合。大模型擅长把视觉信息转成语义描述，未来机器人在判断“能不能压过这条线缆”时，可能会调用更通用的世界知识。

第二，语义地图的落地。家用地面的机器人如果能把“沙发”“桌腿”“充电座”作为语义图层保存，路径规划和交互体验会上一个台阶。

第三，端侧模型进一步轻量化。算力约束会长期存在，模型压缩、量化、知识蒸馏依然有巨大价值。

最后说句实在的：做地面机器人感知，永远不要只盯着论文里的算法效果。把产品放到真实的、乱糟糟的家庭环境里跑一个月，所有问题都会自己浮出来。这比任何评测指标都有说服力。