隨著機器人的應用領域不斷擴充，對機器人的環境感知能力的要求也在不斷提升，而要解決環境感知問題，感測器技術則是最重要的應用支撐技術之一，它對於機器人的意義亦如人眼對於人，但與人眼不同的是，它的構成主要由感測器和演算法組成，並伴隨著機器人發展，已從單感測器向多感測器融合迭代。”
由於機器人不斷滲透到各行各業，面對的外部環境越來越複雜，對機器人的精度、穩定性、智慧化提出了新的要求，而單感測器或採用多個（種）感測器卻僅是從多個側面孤立地獲取目標資訊的方式，前者不僅效率較低下，且獲取的資訊量有限，而後者不斷增加感測器的做法，更會增加系統的複雜度，對平臺算力要求提高，且割斷了各感測器資訊間的內在聯絡，丟失了資訊經有機組合後可能蘊含的深層有效資訊，造成資訊資源浪費，甚至可能導致決策失誤。
在多重因素影響下，發展多感測器融合技術便表現出了它的必然性。事實上，多感測器融合技術從字面上可知並非另闢蹊徑，而是在採用多個（種）感測器的基礎上，進一步開拓和完善而來，原理是藉助演算法對感知相關要素資訊的冗餘或互補資訊進行分析、建模、解算、融合、估計和補償，最終輸出更為準確、豐富、可靠的資訊。
多感測器融合技術的應用，對於系統的容錯能力、資訊精度、資訊的可信度&豐富度都有了明顯提升，這對於機器人的意義無比重要。目前，市面上多感測器融合技術多是以鐳射雷達為主導的技術方案，並根據架構組成，又主要分為兩種。
圖片來自網路
一種是以單線鐳射雷達主導+IMU+里程計或其它感測器的融合方案，採用松/緊耦合方式，有著簡單、成熟的技術優勢，是市面上較為常見的融合技術方案，然而這類方案的缺點在於，一是環境適應能力較差，對於環境特徵單一的長走廊等場景，誤差較高，容易偏離路徑，二是重定位能力差，執行過程中一旦丟失位置，難以重新定位。
另一種是以多線鐳射雷達為主導的融合方案，與其它感測器採用松/緊耦合方式組合，得益於多線鐳射雷達，可獲取到環境物體的三維資訊，使得這類方案的環境感知能力得到顯著提升，且在功能表現上，同樣有著鐳射雷達精度高和穩定性高的特點，然而需要提到的是，多線鐳射雷達在保留了傳統優勢的同時，也有著鐳射雷達類似的侷限性，且一旦出現故障，會導致整個系統當機，目前這類方案主要應用於大多數商用機器人，不過其高昂的成本也讓大多數企業難以承受。
因此，在此背景下，行業一方面在進一步完善鐳射雷達方案的同時，另一方面也在探索視覺方案。目前，以視覺為主導的融合技術方案，在市面上雖然還相對較少，但隨著計算機視覺技術多年來的發展，已經有了成熟方案，INDEMIND的多感測器融合技術便是其中之一。
與鐳射雷達方案不同，INDEMIND多感測器融合技術在實現上，設計了以視覺感測器為主導的標準化、模組化的多感測器融合架構，透過遵循INDEMIND的標準定義介面，可快速加入IMU、里程計、鐳射、GNSS等多種感測器，實現“積木式”加裝，結合雙目立體視覺技術，能夠實現高精度、高穩定性、低成本的3D環境感知，走出了不同於鐳射雷達方案的All IN ONE新路徑。
RBN100：搭載多感測器融合技術的INDEMIND商用機器人解決方案
眾多周知，資訊量豐富是視覺的優勢，但也導致對算力要求的大幅提升。由於需要處理的環境資訊量巨大，對於平臺的算力要求極高，同時視覺受環境光線影響嚴重，如何解決這些難題，是走通視覺方案的關鍵。
因此，INDEMIND在研發過程中，對它們進行了長期針對性解決。
•降低算力要求
演算法&硬體最佳化：採用增量最佳化的方式，分段處理，並在區段間建立先驗資訊，有效降低了平臺計算壓力，提高計算效率。
硬體加速：在硬體上，對於視覺處理採用neon加速、GPU加速、DSP加速等方式，提升計算效能，降低算力要求。
•提高效能
感測器更豐富：基於INDEMIND多感測器融合架構，可融合超過4種以上的感測器，透過緊耦合方式組合，對於環境的容忍度更高，能夠保障在部分感測器出現異常的同時，系統仍能保持正常執行，提高魯棒性。
誤差補償：為了提升精度，INDEMIND對系統中的視覺、IMU、里程計等每個感測器都進行了實時誤差建模、估計及補償，能夠有效保障在實時執行過程中的精度和穩定性。
野值判定與剔除：由於感測器較多，視覺、鐳射、里程計、IMU等不同感測器產生的噪點，對於系統的穩定性和精度影響較大，因此，INDEMIND對於各個感測器的資料，進行了野值判定及剔除，進一步增進系統對於原始感測器資料的容錯能力，提升最終的穩定性和精度。
與此同時，基於INDEMIND立體視覺技術，可獲取豐富的3D環境資訊，配合上層決策，對於實現智慧避障、路徑規劃、人機互動提供了必要的前提條件。
目前，經過長期驗證，搭載INDEMIND多感測器融合技術的測試機器人，定位精度可達釐米級，<5cm（RMS），達到鐳射融合方案的同等精度水平。在智慧避障方面，能夠實現三維立體避障，精度<1%，結合INDEMIND智慧決策引擎技術，可實現策略化避障，提升安全決策水平。同時，在互動方面，基於智慧決策引擎技術，能夠根據指令實現目標跟蹤、指定區域作業等多種個性化功能，提升機器人人機、物機互動能力。