扫地机器人需要自主移动，无论是局部实时避障，还是全局规划，都需要较精确地确定机器人或障碍物的当前状态及位置，以完成导航、避障及路径规划等任务。一般地，机器人通过航位推算方法、信标定位方法以及混合定位方法，实现室内移动机器人的导航和定位。

　　航位推算方法是最为常用的一种方法，通过机器人自身的里程计、陀螺仪、加速度计等内部传感器，实时解算机器人自身的速度、姿态信息。以出发点为绝对零点，则可以渐进累加地推算出机器人当前所在的位置和姿态。此种方法随着工作时间的增加，积分运算误差和定时系统时差引起的误差将会逐渐累积，因此不适于长时间的精确定位。

　　扫地机器人在室内地板上的运动可视为在二维平面内的运动，如果室内允许布置信标（如充电桩或其他满足信标条件的标志物），则可以通过传感器，检测机器人与信标之间的相对距离与位姿，实现扫地机器人的室内导航与定位。信标定位的优点是可实现实时检测，没有累积误差，精度稳定性好，且可通过多信标冗余覆盖的方式，彼此互为位置校准或当某个信标故障时，机器人仍可成功定位。

　　混合定位方法融合了航位推算方法与信标定位方法各自的优势。

　　路径规划算法

　　扫地机器人在工作过程中，需要尽量做到清扫面积全覆盖且行走路径不重叠，这就需要依据某个或某些优化准则进行最优路径规划，在其工作空间中找到一条从起始状态到目标状态，可以避开障碍物的最优路径。

　　根据对环境信息的把握程度，我们可以把路径规划分为，基于已知地图的全局路径规划和基于传感器信息的局部路径规划。其中，以获取障碍物信息是静态还是动态的角度看，全局路径规划属于静态规划（离线规划），局部路径规划属于动态规划（在线规划）。

　　全局路径规划需要建立工作空间的详细地图，j2直播，根据地图包含的环境信息进行路径规划；局部路径规划则根据传感器实时采集的周边环境信息，确定所在地图的位置及其局部的障碍物分布情况，从而可以选出从当前结点到邻近子目标结点的最优路径。

　　常用路径规划算法主要有人工势场法、Dijkstra算法、Floyed算法、SPFA算法(Bellman_Ford改进算法)、A*算法、D*算法、DWA算法、图论最短算法、遗传算法、元胞自动机算法、免疫算法、禁忌搜索算法、模拟退火算法、人工神经网络算法、蚁群算法、粒子群算法等。

　　扫地机器人技术发展趋势

　　高性价比、高性能传感器的融合应用

　　目前，扫地机器人多采用红外传感器、接触式传感器、超声波传感器等，少部分高端机型使用了线扫描激光雷达传感器。对于智能化的扫地机器人室内定位和复杂路径规划的需求而言，传感器提供的信息尚显不足。

　　将来，视觉传感器（深度摄像头、仿生视觉、结构光传感器）、低成本高性能激光雷达传感器、软体防碰撞接触式传感器等高性能、新型传感器的应用，将给扫地机器人决策提供更丰富的参考信息。同时，在算法层面，需要深挖多传感器信息融合处理算法，在纷繁复杂的传感器反馈信息中，提取有效信息，并根据优化策略规则制定决策。

　　家用功能的模块化集成，实现智能扫地机器人多任务功能

　　在实现扫地机器人基本的扫地、吸尘、拖地等功能的基础上，模块化集成，如空气净化、加湿、沟通交流、室内玩具、儿童写字板等功能模块，实现智能化扫地机器人的一专多用。扫地机器人本体可以平台化，即实现室内智能移动平台的功能，具备基本的避障、路径规划、软硬件交互接口等功能，而其他功能均以模块化的形式进行加载，给用户更多的自主选择余地，实现细分市场的拓展。

　　智能程度提升、智能算法拓展应用

　　借助语音识别技术和图像处理技术的逐步发展，如声源定位和声纹识别技术研究的深入、人脸识别技术的成熟、物品识别技术性能的提高，我们可更有效地提高扫地机器人对家庭环境的融入程度，提升扫地机器人与家庭成员的智能交互能力。

　　同时，我们应研究并设计各种智能人机接口，如多语种语音、自然语言理解、图像、手写字识别等，以更好地适应不同用户和不同的应用任务，提高人与机器人交互的和谐性，实现人机交互的简单化、多样化、智能化、人性化。