LiDAR w domu — ile danych rejestruje robot

Różności
28 lutego 2026

Robot sprzątający wyposażony w LiDAR generuje duże ilości danych przestrzennych, które pozwalają na precyzyjne mapowanie, wykrywanie przeszkód i planowanie tras. Poniżej znajdziesz szczegółowe wyjaśnienie, jak działa rejestracja impulsów laserowych, ile danych powstaje w praktyce, jak są one przetwarzane i przechowywane oraz jakie praktyczne konsekwencje ma to dla użytkownika.

Ile danych rejestruje robot z LiDAR?

Robot sprzątający z LiDAR rejestruje od około 300 000 do 3 000 000 punktów na pełny obrót i może przesyłać setki tysięcy impulsów laserowych na sekundę w wysokorozdzielczych skanerach 3D. W praktyce zakres zależy od konstrukcji sensora (liczba wiązek), rozdzielczości kątowej oraz prędkości obrotowej. Przykładowo czujniki stosowane w robotach takich jak Narwal Freo Z10 Ultra lub Unitree B1 oferują pełne pole widzenia 360° poziomo i do 90° pionowo w wersjach 3D, co przekłada się na bardzo gęstą chmurę punktów.

Jak działa LiDAR w robocie domowym

LiDAR mierzy odległość przez emisję krótkiego impulsu laserowego i rejestrację czasu powrotu sygnału (TOF – time of flight). Każdy impuls tworzy pojedynczy punkt z informacją o odległości i często o intensywności odbicia. Zestaw takich punktów ułożony w strukturę przestrzenną tworzy chmurę punktów 3D lub profil 2D. Roboty używają tych danych do kilku kluczowych zadań:

mapowanie otoczenia w czasie rzeczywistym,
wykrywanie i omijanie przeszkód,
planowanie tras i optymalizacja ścieżek sprzątania.

Systemy hybrydowe łączą LiDAR z kamerami i modułem IMU (czujniki przyspieszenia/żyroskopu), co znacząco poprawia klasyfikację obiektów, śledzenie ruchu oraz stabilność lokalizacji w trudnych warunkach.

Ile punktów generuje LiDAR — liczby i przykłady

Wartości typowe dla urządzeń konsumenckich i półprofesjonalnych:

typowy zakres punktów na obrót: 300 000–3 000 000 punktów,
prędkość impulsów laserowych: 100 000–800 000 impulsów na sekundę (wartość zależna od modelu),
pole widzenia: zwykle 360° poziomo × do 90° pionowo u skanerów 3D.

Dodatkowo testy z RS-LiDAR-16 wykazały, że automatyzacja procesu skanowania może skrócić czas skanowania o około 42% w porównaniu z metodami manualnymi, jednocześnie zwiększając gęstość i jakość danych.

Ile miejsca zajmuje surowa chmura punktów

Każdy punkt w surowej chmurze zwykle zawiera współrzędne (x, y, z), informację o intensywności odbicia oraz często znacznik czasu. Typowe przybliżenie pamięciowe:

3 współrzędne jako float 4 bajty każda = 12 bajtów,
intensywność 2 bajty i znacznik czasu 4 bajty — razem około 18 bajtów na punkt.

Na tej podstawie można oszacować rozmiary surowych danych:
– 1 000 000 punktów ≈ 18 MB surowych danych,
– 300 000 punktów ≈ 5.4 MB,
– 3 000 000 punktów ≈ 54 MB.
W praktyce dodatkowe metadane, nagłówki plików i format zapisu (np. PCD, LAS) mogą nieznacznie zwiększyć wynikowy rozmiar.

Jak szybko rośnie ilość danych podczas sprzątania

Robot skanuje ciągle podczas ruchu. Przy założeniu 200 000 impulsów/s i pełnej rotacji co 0,5 s powstaje kilkaset tysięcy punktów na sekundę. Orientacyjne liczby:

typowy przyrost punktów: od 100 000 do 400 000 punktów na sekundę (w zależności od modelu i trybu pracy),
1 minuta skanowania ≈ 6–24 miliony punktów, co odpowiada około 108–432 MB surowych danych przy 18 bajtach/punkt.

Jeżeli robot zapisywałby kompletną chmurę bez kompresji przez godzinę, generowałoby to gigabajty danych. W praktyce urządzenia oszczędzają pamięć przez przetwarzanie i selekcję danych w czasie rzeczywistym.

Dlaczego rozmiar mapy bywa znacznie mniejszy niż surowe dane

Roboty rzadko przechowują pełne surowe chmury punktów dla każdej sekundy działania. Zamiast tego stosuje się szereg technik zmniejszających rozmiar bez utraty funkcjonalności:
– agregacja skanów i zapisywanie tylko zmian między kolejnymi ujęciami,
– kompresja przestrzenna (octree, voxel grid),
– reprezentacje pośrednie (siatki zajętości, grafy topologiczne, punkty kluczowe).
W efekcie:
– mapy 2D (siatki zajętości) zwykle zajmują od 100 KB do kilku MB dla mieszkania 100 m²,
– skompresowane mapy 3D mieszczą się w dziesiątkach do kilkuset MB dla domu wielokondygnacyjnego,
– reprezentacje path-planning (punkty kluczowe, grafy) często zajmują kilkadziesiąt do kilkuset KB.

Parametry wpływające na ilość danych

Główne parametry, które decydują o liczbie generowanych punktów i wielkości danych:

liczba wiązek (channels) — na przykład 16, 32, 64; większa liczba generuje więcej punktów,
prędkość obrotowa (RPM) — wyższe RPM zwiększa liczbę skanów na sekundę,
kąt pionowy — większy zakres pionowy generuje punkty nad i pod robotem,
rozdzielczość kątowa — mniejszy kąt między skanami daje gęstszą chmurę,
tryb pracy — skan ciągły vs. skan zatrzymany; tryb ciągły zwiększa ilość danych.

Warto pamiętać, że parametry te wpływają też na moc obliczeniową potrzebną do przetwarzania danych w czasie rzeczywistym oraz na zużycie energii.

Przykładowe scenariusze i liczby praktyczne

Poniżej przedstawione przykłady obrazują przekład parametrów na konkretne ilości danych:
– małe mieszkanie 50 m², LiDAR 2D generujący 10 000 punktów/s: surowe dane ≈ 600 000 punktów/min ≈ 10.8 MB/min,
– dom 150 m², LiDAR 3D generujący 300 000 punktów/s: surowe dane ≈ 18 mln punktów/min ≈ 324 MB/min,
– profesjonalny statyczny skan jednego pokoju z 1 mln punktów ≈ 18 MB surowych; po kompresji do mapy 3D wynik może wynieść 2–20 MB w zależności od użytej metody.

Jak roboty przetwarzają i przechowują dane

Proces przetwarzania jest zoptymalizowany pod kątem ograniczonej pamięci i mocy obliczeniowej:
– algorytmy SLAM łączą kolejne skany i zapisują tylko istotne zmiany oraz punkty referencyjne,
– filtry usuwają szum i redukują redundancję (np. downsampling, outlier removal),
– mapy occupacyjne i grafowe przechowują tylko istotne informacje nawigacyjne zamiast całej chmury.
Dla większości użytkowników lokalne przechowywanie map w pamięci robota wystarcza, a przesyłanie pełnych sesji do chmury odbywa się tylko wtedy, gdy użytkownik włączy synchronizację lub analizę w chmurze.

Bezpieczeństwo i prywatność danych LiDAR

LiDAR rejestruje głównie geometrię (kształty i odległości), a nie kolory; jednak hybrydowe systemy łączące LiDAR z kamerami mogą przechowywać obrazy zawierające rozpoznawalne szczegóły. Najważniejsze kwestie:

mapy lokalne przechowywane na urządzeniu zwykle zajmują od kilkuset KB do kilku MB,
pełne sesje skanowania przesyłane do chmury mogą zajmować od dziesiątek MB do kilku GB,
producenci oferują opcje anonimizacji i lokalnej retencji danych; przed włączeniem synchronizacji warto sprawdzić politykę prywatności.

W kontekście bezpieczeństwa warto zauważyć, że LiDAR sam w sobie nie rejestruje identyfikowalnych obrazów, ale połączenie z kamerą zmienia model prywatności.

Praktyczne wskazówki optymalizacyjne

Zachowanie kilku prostych zasad pozwoli uzyskać szybsze i dokładniejsze mapowanie oraz zmniejszyć zbędne zapisywanie danych:

usuń drobne przedmioty z podłogi przed pierwszym skanem,
otwórz drzwi do pomieszczeń, które chcesz zmapować,
zapewnij około 1 m wolnej przestrzeni wokół stacji dokującej podczas pierwszego mapowania,
uruchom skanację nocą, jeśli chcesz uniknąć zakłóceń od ruchu domowników i zwierząt.

Dodatkowo regularne aktualizowanie map po przestawieniu mebli poprawia efektywność nawigacji; hybrydowe systemy potrafią aktualizować mapę automatycznie i mogą oszczędzić do 50% czasu podczas sprzątania w porównaniu z urządzeniami bez tej funkcji.

Wpływ zmiany aranżacji wnętrza na ilość danych

Mapy aktualizują się dynamicznie. Przy niewielkich zmianach robot często zapisuje jedynie fragmenty mapy dotyczące nowych konturów. Przykłady:
– przestawienie kanapy powoduje zapis nowych konturów i przesłanie jedynie zmienionych fragmentów mapy, co oszczędza miejsce,
– pojawienie się nowych przeszkód (zabawki, kable) generuje dodatkowe punkty tylko w strefach konfliktowych, jeśli robot wykryje ruch.

Studia, testy i ciekawostki

Kilka wyników badań i testów dotyczących LiDAR w robotach domowych:
– testy z RS-LiDAR-16 pokazały skrócenie czasu skanowania o 42% przy automatyzacji względem metod manualnych, przy jednoczesnym wzroście gęstości danych,
– hybrydowe systemy LiDAR + kamera rozpoznają ponad 200 typów przeszkód w testach rzeczywistych środowisk domowych, co znacząco poprawia selektywne omijanie i klasyfikację obiektów,
– czujnik Unitree L1 waży zaledwie 230 g i ma wymiary 75×75×65 mm, co umożliwia dynamiczne skanowanie bez konieczności długotrwałego zatrzymywania robota.
Te dane potwierdzają, że rozwój hybrydowych sensorów zwiększa funkcjonalność robotów bez proporcjonalnego wzrostu wymagań pamięciowych dzięki inteligentnemu przetwarzaniu danych.

Czego oczekiwać podczas pierwszego uruchomienia

Pierwsze pełne automatyczne mapowanie domu trwa zwykle od 5 do 30 minut w zależności od powierzchni i gęstości przeszkód. Mapy 2D są dostępne natychmiast po pierwszym przebiegu, natomiast mapy 3D i zaawansowane analizy mogą być przetwarzane w tle i zajmować więcej przestrzeni dyskowej. Jeśli zależy Ci na maksymalnej dokładności rekonstrukcji 3D, przygotuj przestrzeń zgodnie z powyższymi wskazówkami i rozważ chwilowe wyłączenie ruchu w pomieszczeniu podczas skanowania.

LiDAR dostarcza precyzyjne dane przestrzenne w dużych ilościach, co umożliwia dokładne mapowanie, rozpoznawanie przeszkód i adaptacyjną nawigację w domu. Dzięki odpowiedniej konfiguracji, przetwarzaniu i kompresji dane te są praktycznie użyteczne i nie obciążają nadmiernie pamięci urządzenia.