激光测距具有光束窄、平行性好、散射小、测距方向分辨率高等优点，但同时它也受环境因素干扰比较大，因此采用激光测距时怎样对采集的信号进行去噪等也是一个比较大的难题，另外激光测距也存在盲区，所以光靠激光进行导航定位实现起来比较困难，在工业应用中，一般还是在特定范围内的工业现场检测，如检测管道裂缝等场合应用较多。
红外传感技术经常被用在多关节机器人避障系统中，用来构成大面积机器人“敏感皮肤”，覆盖在机器人手臂表面，可以检测机器人手臂运行过程中遇到的各种物体。
典型的红外传感器包括一个可以发射红外光的固态发光二极管和一个用作接收器的固态光敏二极管。由红外发光管发射经过调制的信号，红外光敏管接收目标物反射的红外调制信号，环境红外光干扰的消除由信号调制和专用红外滤光片保证。设输出信号Vo代表反射光强度的电压输出，则Vo是探头至工件间距离的函数：Vo＝f（x，p）式中，p—工件反射系数。p与目标物表面颜色、粗糙度有关。x—探头至工件间距离。
当工件为p值一致的同类目标物时，x和Vo一一对应。x可通过对各种目标物的接近测量实验数据进行插值得到。这样通过红外传感器就可以测出机器人距离目标物体的位置，进而通过其他的信息处理方法也就可以对移动机器人进行导航定位。
虽然红外传感定位同样具有灵敏度高、结构简单、成本低等优点，但因为它们角度分辨率高，而距离分辨率低，因此在移动机器人中，常用作接近觉传感器，探测临近或突发运动障碍，便于机器人紧急停障。
SLAM技术
xingyelingxian的服务机器人企业，大多都采用了SLAM技术。唯有（SLAMTEC）思岚科技在SLAM技术上独占优势，到底什么是SLAM技术呢？简单来说，SLAM技术是指机器人在未知环境中，完成定位、建图、路径规划的整套流程。
SLAM（Simultaneous Localization andMapping，即时定位与地图构建），自1988年被提出以来，主要用于研究机器人移动的智能化。对于完全未知的室内环境，配备激光雷达等核心传感器后，SLAM技术可以帮助机器人构建室内环境地图，助力机器人的自主行走。
SLAM问题可以描述为：机器人在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计和传感器数据进行自身定位，同时建造增量式地图。
SLAM技术的实现途径主要包括VSLAM、Wifi－SLAM与Lidar SLAM。
1．VSLAM（视觉SLAM）
指在室内环境下，用摄像机、Kinect等深度相机来做导航和探索。其工作原理简单来说就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。
但是，室内的VSLAM仍处于研究阶段，远未到实际应用的程度。一方面，计算量太大，对机器人系统的性能要求较高；另一方面，VSLAM生成的地图（多数是点云）还不能用来做机器人的路径规划，需要进一步探索和研究。
2．Wifi－SLAM
指利用智能手机中的多种传感设备进行定位，包括Wifi、GPS、陀螺仪、加速计和磁力计，并通过机器学习和模式识别等算法将获得的数据绘制出准确的室内地图。该技术的提供商已于2013年被苹果公司收购，苹果公司是否已经把Wifi－SLAM 的科技用到iPhone上，使所有 iPhone用户相当于携带了一个绘图小机器人，这一切暂未可知。毋庸置疑的是，更精准的定位不仅有利于地图，它会让所有依赖地理位置的应用（LBS）更加精准。
3．Lidar SLAM
指利用激光雷达作为传感器，获取地图数据，使机器人实现同步定位与地图构建。就技术本身而言，经过多年验证，已相当成熟，但Lidar成本昂贵这一瓶颈问题亟待解决。
Google无人驾驶汽车正是采用该项技术，车顶安装的激光雷达来自美国Velodyne公司，售价高达7万美元以上。这款激光雷达可以在高速旋转时向周围发射64束激光，激光碰到周围物体并返回，便可计算出车体与周边物体的距离。计算机系统再根据这些数据描绘出精细的3D地形图，然后与高分辨率地图相结合，生成不同的数据模型供车载计算机系统使用。激光雷达占去了整车成本的一半，这可能也是Google 无人车迟迟无法量产的原因之一。
激光雷达具有指向性强的特点，使得导航的精度得到有效保障，能很好地适应室内环境。但是，LidarSLAM却并未在机器人室内导航领域有出色表现，原因就在于激光雷达的价格过于昂贵