近日，克羅地亞初創(chuàng)公司Gideon Brothers宣布，完成由Pentland Group旗下的Pentland Ventures領投的第二輪265萬歐元（合295萬美元）的種子輪融資，并已開始進行大規(guī)模部署。

　　在這之前，Gideon Brothers曾通過天使融資籌集218萬歐元（242萬美元），其中包括2018年7月的76.5萬美元。

　　發(fā)展至今，AGV經歷了四代更迭，AGV 1.0為磁條或導線導航；AGV 2.0依靠二維碼導航；AGV 3.0為激光視覺SLAM/視覺SLAM多傳感器融合導航；AGV 4.0則是復雜場景下的無人駕駛機器人。

　　AGV3.0也有個名字，叫AMR。

　　與其他AMR公司不同，Gideon Brothers依靠視覺而不是激光雷達來實現安全導航。機器人通過深度學習與立體相機的結合，提供了同時定位和地圖繪制（SLAM）的功能。

　　SLAM（SimultaneousLocalizationAnd Mapping），即同時定位與地圖構建，SLAM技術對于機器人或其他智能體的行動和交互能力至為關鍵，因為它代表了這種能力的基礎：知道自己在哪里，知道周圍環(huán)境如何，進而知道下一步該如何自主行動?？梢哉f凡是擁有一定行動能力的智能體都擁有某種形式的SLAM系統(tǒng)。

　　在未來的各類SLAM算法導航中，基于激光雷達的激光SLAM和基于機器視覺的視覺SLAM（VSLAM）是兩種研究最多、最可能大規(guī)模落地應用的SLAM，基本代表著第三代AGV導航技術的發(fā)展方向。

　　在這兩種SLAM導航方式中，目前應用較多的是激光SLAM，激光SLAM脫胎于早期的基于測距的定位方法(如超聲和紅外單點測距)。激光雷達距離測量比較準確，誤差模型簡單，在強光直射以外的環(huán)境中運行穩(wěn)定，反饋信息本身包含直接的幾何關系，使得機器人的路徑規(guī)劃和導航變得直觀。激光SLAM理論研究也相對成熟，落地產品更豐富。

　　VSLAM，它可以從環(huán)境中獲取海量的、富于冗余的紋理信息，擁有超強的場景辨識能力。早期的視覺SLAM基于濾波理論，其非線性的誤差模型和巨大的計算量成為了它實用落地的障礙。近年來，隨著具有稀疏性的非線性優(yōu)化理論(Bundle Adjustment)以及相機技術、計算性能的進步，實時運行的視覺SLAM已經不再是夢想。

　　視覺SLAM算法門檻相對較高，首先圖像處理本身就是一門很深的學問，基于非線性優(yōu)化的地圖構建上也是非常復雜和耗時的計算問題。實際環(huán)境中又需要通過優(yōu)化和改進現有的視覺SLAM框架，比如加入光照模型、使用深度學習提取特征點以及使用單雙目及多目融合視角等技術。

　　這也是視覺SLAM進一步提升性能和實用性的必由之路。

　　其次在定位精度方面，激光SLAM總體來講較為缺乏回環(huán)檢測的能力，累計誤差的消除較為困難。而視覺SLAM使用了大量冗余的紋理信息，回環(huán)檢測較為容易，即使在前端累計一定誤差的情況下仍能通過回環(huán)修正將誤差消除。

　　最后相比于視覺SLAM，激光SLAM有一個最大的成本問題。激光雷達有許多檔次，成本均高于視覺傳感器。雖然激光雷達量產后成本可能會大幅下降，但還是很難降到同檔次攝像頭的水平。

　　Gideon Brothers聯合創(chuàng)始人兼首席執(zhí)行官也表示，雖然激光雷達是一項很好的技術，但是2D雷達在現實使用中有較多的局限性。如果不考慮經濟成本的話，3D雷達效果會更好。但是總體來說，攝像頭視覺技術才是自主移動技術的未來，這同時也是客戶的明確需求。