近年來，機器人相關的產品和企業受到國家層面高度重視，出臺了一系列政策以鼓勵機器人產業發展。
《『十四五』規劃和2035年遠景目標剛要》指出，推動機器人產業創新發展和順應居民消費升級趨勢成為『十四五』時期的重要任務。
國家對機器人行業的支持正不斷加強。
掃地機器人行業經過二十多年的持續發展，產品在優化升級中實現了必選功能的不斷豐富和可選功能的不斷創新。
在必選功能上，掃地機器人的清潔功能由原始簡易的掃和吸發展為掃拖一體模式，再到現如今可以完全解放雙手，實現自清潔功能；導航功能也由隨機亂撞發展為如今廣泛應用的LDS SLAM技術和VSLAM視覺導航技術。
與此同時，可選功能的持續創新使得掃地機基礎配置不斷豐富。
『主機+多功能集成基站』成為目前大多數中高端掃地機產品的標配。
必選功能的優化升級和可選功能的持續豐富推動掃地機器人的實用性和智能度不斷提高。
現階段的產品雖然有了很大的進步，但仍然有較大的提升空間。
數據缺乏、室內環境復雜、待檢測障礙物形態各異等問題導致了我們很難用傳統的機器視覺方法靠提特征來進行魯棒地檢測，需要采用深度神經網絡模型。
大量有效的數據成為進行深度學習最重要的資源。
收集各個時間段、各個地點的數據成為一大難點。
我們是長三角地區規模最大的AI基礎數據服務商之一，在掃地機器人視角的家庭環境數據采集標註項目上有豐富的執行經驗。
案例
掃地機器人廠商 掃地機器人圖像采集
客戶具體痛點與挑戰：
由於掃地機器人主要工作在地面，視角獨特。
在掃地機器人看來，同一件物體的前後左右看上去是有差別的，還有許多創意形狀帶來的幹擾，所以想準確識別物體，並不是容易。
需要采集大量不同樣式同類物體的平視角度圖像並建模，寫入掃地機器人的數據庫中。
家庭環境的復雜性遠大於一般的室外環境。
許多人的家可能一天一個樣，每天的裝修、家居、光線情況都會不一樣。
掃地機器人在掃地過程中可能需要面對惡劣的光線條件、復雜的環境背景、千奇百怪的地板，攝像頭視角的抖動、旋轉、模糊等困難，這些困難對神經網絡模型來說，都是嚴酷挑戰。
現有的公開數據集對掃地機器人AI學習的可利用率極低，因此需要人工采集多個掃地機器人視角下的家庭環境數據，並要持續不斷的更新雲端數據。
在AI與大數據的支持下，才能讓掃地機器人有效避開障礙物的阻擋。
客戶采集需求：
為提高掃地機器人模型的精準性，需要30萬張圖像，包含電線、液態污漬、寵物糞便、拖鞋/鞋子、襪子、金屬椅底座、垃圾桶、體重秤、貓碗/狗碗、電扇底座、門、床、沙發、茶幾、地毯等400個種類物體采集。
解決方案：
由於同時間段采集到的數據也會一定的差異。
比如，白天和晚上的數據會有很大差別，主要表現在環境光照。
因此，采集時間分佈為早：中：傍晚：晚《燈光》比例 1：1：1：1。
由於室內地面視角，目標被遮擋和截斷的相對較多，對被遮擋不標註的比例進行了慎重選擇，另外柔性目標和非柔性目標在進行標註時也進行了區別對待。
針對采集多樣性，景聯文科技根據不同采集場景、不同視圖平面、不同擺放方式及不同存放形態、不同時間進行采集。
為確保數據的高質量合規交付，景聯文科技提供的定制化采標數據都經由智能標註平處理。
數據采集｜數據標註
助力人工智能技術，賦能傳統產業智能化轉型升級
文章圖文著作權歸景聯文科技所有，商業轉載請聯系景聯文科技獲得授權，非商業轉載請註明出處。