王興曾在采訪中提到：美團最大的成本來自于50萬名送餐騎手。據美團的招股說明書顯示，美團餐飲外賣業務成本由2016年的57億元增至2017年的193億元，增幅達238.8%，騎手成本則由2016年的51億元增至2017年的183億元，占94.8%，增長超過了3倍。不得不說，不斷上漲的人力成本，加速了無人配送餐車的落地。

近期，美團無人配送團隊在上海松江大學城進行了測試，不由讓人聯想，無人車代替自然人進行配送的那一天還會遠嗎？

首先考慮下室內場景：無人配送餐車進入室內環境取餐，就需要自行進入電梯，期間可能會遇到電梯大小不合適的問題。目前金地集團，朝陽大悅城同意為美團免費改造電梯，但其他的寫字樓，小區呢？如果為了無人配送餐車又增加了成本，豈不是失去了本意？

再來看下室外環境，無人配送餐車需要考慮人行道、機動車道、紅綠燈以及來來往往的行人、機動車和非機動車等等。在如此復雜的情況下，無人配送餐車需要能夠自主規劃路線，并在復雜多變的路面環境中依據周邊環境實時做出相應的判斷。這背后需要強大的自主定位與地圖創建技術支持，也就是 SLAM 技術（Simultaneous Localization and Mapping)。

SLAM實際上是一個典型的軍轉民用的技術，探測器登陸未知環境的星球進行科研研究時，面對復雜的大規模環境，而無法對其進行實時遙控時，必須通過實現同步定位與地圖創建才能完成導航任務，例如美國“機遇號”、“勇氣號”以及“好奇號”等火星探測器。如果放在當今社會消費級市場來理解的話，掃地機器人沒有SLAM技術，就無法實現自主移動。

SLAM主要分為激光SLAM和視覺SLAM（vSLAM） 兩大類。其中，激光SLAM比vSLAM起步早，在理論、技術和產品落地上都相對成熟。從成本上來說，vSLAM主要通過視覺攝像頭來采集信息，因此造價要比激光雷達低很多。從應用場景上來說，囿于傳統單線激光SLAM的固有弊端，目前此類模塊主要被應用在室內，但對于無人配送行業來說，不能兼顧室內外場景，無人配送只是空談。與傳統單線激光SLAM相比， vSLAM在室內外環境外均能開展工作，且成本相對較低，對于無人配送行業來說無疑是一個更優的選擇。

目前，實現vSLAM方案主要有兩種路徑，一種是基于RGBD的深度攝像機(如Kinect)，它最大的特點是可以通過紅外結構光或Time-of-Flight原理，直接測出圖像中各像素離相機的距離。不過，現在多數RGBD相機還存在測量范圍窄、噪聲大、視野小等諸多問題，主要適用于室內SLAM，并不適用于需要在室外工作的無人配送餐車。

還有一種就是基于單目或雙目攝像頭的vSLAM。單目相機SLAM，即只用一只攝像頭就可以完成的SLAM 。這樣做的好處是傳感器簡單、成本特別的低，但相比別的視覺傳感器，單目有個最大的問題，就是沒法確切地得到深度。

相比單目攝像頭，雙目攝像頭的功能更加豐富，可獲取依靠單目攝像頭無法準確識別的深度等信息。雙目攝像頭是利用仿生學原理，通過標定后的雙攝像頭得到同步曝光圖像，然后計算獲取的2維圖像像素點的第三維深度信息。相對較低的造價以及穩定的室內外應用效果使許多大廠紛紛將目光聚焦到這一才涌現不久的細分領域。

深耕此領域的小覓智能已與國內外200余家企業客戶開展了服務與合作，其中標配六軸傳感器（IMU）和紅外主動光探測器（IR）的小覓雙目攝像頭標準版，利用攝像頭和運動傳感器的互補性，可為視覺SLAM的研究提供精度更高、成本更低、布置簡單、同時可以實現人臉和物體識別的視覺SLAM研發硬件。

就目前而言，“雙目+IMU”的結合方式，是眼下SLAM的相對最優方案。小覓雙目攝像頭標準版內置的六軸傳感器（IMU）可為視覺定位算法的研究提供數據的互補和校正，適用于視覺慣性里程計（VIO）的算法研究，幫助提升定位精度，而紅外主動光探測器（IR）可以幫助解決室內白墻和無紋理物體的識別難題，提升圖像源的識別精度。相信有成熟vSLAM技術的加持，無人配送餐車已經離我們不遠了。