過去幾代掃地機器人通常采用隨機清潔模式或者是使用LDS+避障模塊的方案，效率低下且速度緩慢。新一代機器人則更加智能，它可以通過傳感器生成環(huán)境地圖，對自身進行定位，從而為用戶繪制家庭平面圖，以便用戶從中選擇清潔或限制訪問的房間和區(qū)域。新一代掃地機器人使用同步定位與建圖（SLAM）功能，來實現這一目標。

SLAM利用英飛凌和pmd的新型hToF傳感器生成的地圖

視覺SLAM（vSLAM）使用一個或多個攝像頭，并且需要較高的計算能力來從采集到的2D圖像中提取深度信息；SLAM方法則使用深度傳感器，例如飛行時間（ToF）攝像頭，來提供真正的3D圖像，并具有高分辨率。深度攝像頭可以更加精簡高效地實現SLAM，與通常用于清潔機器人、倉庫機器人、跟蹤無人機等應用的嵌入式處理平臺兼容。

混合飛行時間（hToF）是一種全新的ToF技術，它將單一的ToF圖像傳感器與雙光源技術相結合來支持SLAM；避開障礙物；檢測懸崖。

獨特的hToF技術采用英飛凌的高分辨率REAL3™ ToF傳感器，輔以均勻的泛光光源和強大的多點網格光源（spot grid illumination），提供經濟高效的解決方案。hToF攝像頭具有110°超寬水平視野（FoV），是SLAM和避障的理想之選。

hToF在各種照明條件都能工作，從完全黑暗到明亮的陽光下，以及各種家具和地板的反射和紋理。與其他技術相比（例如，在明亮的陽光下表現不佳的結構光技術，以及在黑暗環(huán)境中和重復的紋理下舉步維艱的立體視覺技術），這項技術進步帶來了巨大的優(yōu)勢。前幾代機器人總是被卡在低矮的家具下，而配備hToF的新型機器人借助高度的降低，加上hToF傳感器提供了額外的間隙高度信息，即便在低矮的家具下，也能以更加智能的方式導航。

具體的地圖精度取決于hToF傳感器配置。雖然一個hToF攝像頭對于SLAM就已足夠，但添加第二個hToF攝像頭，可以擴展FoV，從而生成更準確的地圖。hToF傳感器解決方案使得機器人能夠以優(yōu)異的精度生成精確而一致的地圖，而不懼玻璃墻、非矩形房間、深色地板材料和雜亂的家具等挑戰(zhàn)性環(huán)境。hToF提供的3D深度圖像數據能夠使機器人具備智能功能，例如，通過將框架檢測為墻壁，正確處理玻璃墻。

利用 pmd 的 Royale 深度庫和 SLAM（使用 Google Cartographer 實現）對 hToF 數據進行深度處理所需的計算量，已在機器人技術嵌入式平臺（NVIDIATM™ Jetson Nano、Qualcomm™ RB5 和 Raspberry™ Pi 3B）上進行了基準測試。在RB5大核（A77）上，在一個核上對一個包含點和泛光數據的混合幀進行深度處理需要2.24毫秒，在RB5小核（A55）上為8.44毫秒，在Raspberry 3B（A53）上為20.3毫秒。如果使用單核進行深度處理，則A77在2.4 GHz時的處理器負荷為2%，A55在1.8 GHz時為8%，A53在1.2 GHz時為20%。平均而言，Google的Cartographer在評估場景，需要10%的A77核和34%的A55核。這些結果令人印象深刻地表明，即使是A55單核也足以同時進行hToF深度處理和SLAM。這與通常需要雙核或更多核進行處理的vSLAM系統(tǒng)形成鮮明的對比。

總而言之，英飛凌的hToF傳感器與pmd處理技術為消費類機器人提供了強大的解決方案，同時支持SLAM、避障和懸崖檢測�；�于hToF深度數據的開源SLAM算法生成的地圖十分準確可靠。這種解決方案計算精簡高效，僅需要A55單核即可進行深度處理和SLAM計算。