近年來，伴隨移動機器人在各行各業的廣泛應用，SLAM這個“名字”逐漸被更多的人所熟悉，但是SLAM具體是什么、SLAM有哪些應用領域、激光SLAM和視覺SLAM哪種方式更有優勢等等這些問題卻總是模糊不清。今天，小仙就帶大家來詳細了解一下~

什么是SLAM ？

SLAM英文全稱是 Simultaneous Localization and Mapping，意為即時定位與地圖構建。SLAM最早由Smith、Self和Cheeseman于1988年提出，至今已有30余年的發展歷史。

SLAM它試圖解決這樣的問題：一個機器人在未知的環境中運動，如何通過對環境的觀測確定自身的運動軌跡，同時構建出環境的地圖。SLAM技術正是為了實現這個目標涉及到的諸多技術的總和。由于其重要的理論與應用價值，被很多學者認為是實現真正全自主移動機器人的關鍵。

相較于深度學習、神經網絡、大數據等熱門詞匯，聽過SLAM的人少之又少，是因為國內從事相關研究的機構更是屈指可數。直至2015年左右，SLAM才逐漸成為國內機器人和計算機視覺領域的熱門研究方向，在當前較為熱門的領域嶄露頭角。

SLAM應用于哪些領域？

機器人定位導航

SLAM 可用于生成移動機器人所處環境的地圖。基于這個地圖，機器人執行路徑規劃、自主定位、導航等任務。

無人駕駛領域

SLAM 技術可以提供視覺里程計功能，然后與GPS等其他定位方式相融合。

無人機領域

SLAM可以構建局部地圖，輔助無人機進行自主避障、規劃路徑。

VR/AR 方面

根據 SLAM 得到地圖和當前視角對疊加虛擬物體做相應渲染，這樣做可以使得疊加的虛擬物體看起來比較真實，沒有違和感。

激光SLAM與視覺SLAM

按照傳感器類型來劃分，SLAM分為激光SLAM和視覺SLAM。

激光SLAM

激光SLAM脫胎于早期的基于測距的定位方法(如超聲和紅外單點測距)。激光SLAM的原理是通過激光雷達采集周圍環境物體信息呈現出的一系列分散的、具有準確角度和距離信息的點，被稱為點云。通常激光SLAM系統通過對不同時刻兩片點云的匹配與比對，計算激光雷達相對運動的距離和姿態的改變，從而完成對機器人自身的定位。

視覺SLAM

視覺SLAM又稱為V-SLAM，主要通過攝像頭來實現。攝像頭品類繁多，主要分為單目、雙目、單目結構光、雙目結構光、ToF幾大類。基于深度攝像機的 V-SLAM，跟激光 SLAM 類似，通過收集到的點云數據，能直接計算障礙物距離；基于單目、魚眼相機的 V-SLAM 方案，則利用多幀圖像來估計自身的位姿變化，再通過累計位姿變化來計算距離物體的距離，并進行定位與地圖構建。

激光SLAM與視覺SLAM比較

一直以來，業內對激光SLAM與視覺SLAM到底誰更勝一籌，誰是未來主流趨勢都有自己的看法。下面從以下幾個角度進行簡單對比：

• 技術發展

早在 2005 年的時候，激光 SLAM 就已經被研究的比較透徹，框架也已初步確定，激光 SLAM是目前最穩定、最主流的定位導航方法；視覺SLAM 目前尚處于進一步研發和應用場景拓展、產品逐漸落地階段。

• 使用環境

激光SLAM主要應用于室內；視覺SLAM在室內外均能開展工作，但是對光的依賴度高，在暗處或者一些無紋理區域無法進行工作。

• 地圖精度

兩者相較，激光 SLAM 構建的地圖精度高，不存在累計誤差，且能直接用于定位導航。

當然，激光SLAM也有一定的局限性。比如在又長又直、兩側是墻壁的長廊或是動態變化大的環境中，單純依靠激光SLAM容易發生定位丟失的情況。

不過，針對這樣的問題目前已有成熟的解決方案。如仙知機器人推出了激光導航移動機器人產品，支持多種導航方式任意切換，在長廊、高動態環境中可自由切換至激光反光板導航或二維碼導航；同時可配合3D相機檢測地面上的坑洞及立體障礙物，讓移動機器人安全高效的運行。

從中可以發現，要想讓移動機器人應對各種復雜的使用場景，激光SLAM與視覺SLAM必將在相互競爭和融合中發展，多傳感器融合導航必然是未來發展方向。伴隨移動機器人核心技術的解決，將替代人工完成簡單、重復、勞動量大的繁雜工作，真正為人類服務。