近年来，机器人相关的产品和企业受到国家层面高度重视，出台了一系列政策以鼓励机器人产业发展。《“十四五”规划和2035年远景目标刚要》指出，推动机器人产业创新发展和顺应居民消费升级趋势成为“十四五”时期的重要任务。国家对机器人行业的支持正不断加强。

扫地机器人行业经过二十多年的持续发展，产品在优化升级中实现了必选功能的不断丰富和可选功能的不断创新。在必选功能上，扫地机器人的清洁功能由原始简易的扫和吸发展为扫拖一体模式，再到现如今可以完全解放双手，实现自清洁功能；导航功能也由随机乱撞发展为如今广泛应用的LDS SLAM技术和VSLAM视觉导航技术。与此同时，可选功能的持续创新使得扫地机基础配置不断丰富。“主机+多功能集成基站”成为目前大多数中高端扫地机产品的标配。必选功能的优化升级和可选功能的持续丰富推动扫地机器人的实用性和智能度不断提高。

现阶段的产品虽然有了很大的进步，但仍然有较大的提升空间。

数据缺乏、室内环境复杂、待检测障碍物形态各异等问题导致了我们很难用传统的机器视觉方法靠提特征来进行鲁棒地检测，需要采用深度神经网络模型。

大量有效的数据成为进行深度学习最重要的资源。收集各个时间段、各个地点的数据成为一大难点。

景联文科技是长三角地区规模最大的AI基础数据服务商之一，在扫地机器人视角的家庭环境数据采集标注项目上有丰富的执行经验。

案例

扫地机器人厂商 扫地机器人图像采集

客户具体痛点与挑战：

由于扫地机器人主要工作在地面，视角独特。在扫地机器人看来，同一件物体的前后左右看上去是有差别的，还有许多创意形状带来的干扰，所以想准确识别物体，并不是容易。需要采集大量不同样式同类物体的平视角度图像并建模，写入扫地机器人的数据库中。

家庭环境的复杂性远大于一般的室外环境。许多人的家可能一天一个样，每天的装修、家居、光线情况都会不一样。

扫地机器人在扫地过程中可能需要面对恶劣的光线条件、复杂的环境背景、千奇百怪的地板，摄像头视角的抖动、旋转、模糊等困难，这些困难对神经网络模型来说，都是严酷挑战。

现有的公开数据集对扫地机器人AI学习的可利用率极低，因此需要人工采集多个扫地机器人视角下的家庭环境数据，并要持续不断的更新云端数据。在AI与大数据的支持下，才能让扫地机器人有效避开障碍物的阻挡。

客户采集需求：

为提高扫地机器人模型的精准性，需要30万张图像，包含电线、液态污渍、宠物粪便、拖鞋/鞋子、袜子、金属椅底座、垃圾桶、体重秤、猫碗/狗碗、电扇底座、门、床、沙发、茶几、地毯等400个种类物体采集。

景联文科技解决方案：

由于同时间段采集到的数据也会一定的差异。比如，白天和晚上的数据会有很大差别，主要表现在环境光照。因此，采集时间分布为早：中：傍晚：晚（灯光）比例 1：1：1：1。

由于室内地面视角，目标被遮挡和截断的相对较多，对被遮挡不标注的比例进行了慎重选择，另外柔性目标和非柔性目标在进行标注时也进行了区别对待。

针对采集多样性，景联文科技根据不同采集场景、不同视图平面、不同摆放方式及不同存放形态、不同时间进行采集。

为确保数据的高质量合规交付，景联文科技提供的定制化采标数据都经由智能标注平处理。

景联文科技｜数据采集｜数据标注

助力人工智能技术，赋能传统产业智能化转型升级

文章图文著作权归景联文科技所有，商业转载请联系景联文科技获得授权，非商业转载请注明出处。