SLAM英文全稱是 Simultaneous Localization and Mapping，意為(wei) 即時定位與(yu) 地圖構建。

SLAM最早由Smith、Self和Cheeseman於(yu) 1988年提出，至今已有30餘(yu) 年的發展曆史。

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

本文僅(jin) 對沒有接觸過SLAM的新人進行的科普。

近年來，移動機器人技術在世界範圍內(nei) 得到快速發展。人們(men) 致力於(yu) 把移動機器人應用於(yu) 各種場景中，從(cong) 室內(nei) 外搬運機器人，到服務型機器人，再到工業(ye) 機器人等，移動機器人的運用都得到了巨大突破。

在移動機器人研究中一個(ge) 最關(guan) 鍵的技術就是即時定位和建圖，也就是所謂的SLAM技術。SLAM它試圖解決(jue) 這樣的問題：一個(ge) 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(wei) 了實現這個(ge) 目標涉及到的諸多技術的總和。由於(yu) 其重要的理論與(yu) 應用價(jia) 值，被很多學者認為(wei) 是實現真正全自主移動機器人的關(guan) 鍵。

SLAM係統一般分為(wei) 五個(ge) 模塊：傳(chuan) 感器數據、視覺裏程計、後端、建圖及回環檢測。

傳(chuan) 感器數據：主要用於(yu) 采集實際環境中的各類型原始數據。包括激光掃描數據、視頻圖像數據、點雲(yun) 數據等。

視覺裏程計：主要用於(yu) 不同時刻間移動目標相對位置的估算。包括特征匹配、直接配準等算法的應用。

後端：主要用於(yu) 優(you) 化視覺裏程計帶來的累計誤差。包括濾波器、圖優(you) 化等算法應用。

建圖：用於(yu) 三維地圖構建。

回環檢測：主要用於(yu) 空間累積誤差消除

其工作流程大致為(wei) ：

傳(chuan) 感器讀取數據後，視覺裏程計估計兩(liang) 個(ge) 時刻的相對運動（Ego-motion），後端處理視覺裏程計估計結果的累積誤差，建圖則根據前端與(yu) 後端得到的運動軌跡來建立地圖，回環檢測考慮了同一場景不同時刻的圖像，提供了空間上約束來消除累積誤差。

目前，SLAM（即時定位與(yu) 地圖構建）技術主要被運用於(yu) 無人機、無人駕駛、機器人、AR、智能家居等領域。

按照核心的功能模塊來區分，目前常見的移動機器人SLAM係統一般具有兩(liang) 種形式：基於(yu) 激光雷達的SLAM(激光SLAM)和基於(yu) 視覺的SLAM(Visual SLAM或VSLAM)。

激光SLAM脫胎於(yu) 早期的基於(yu) 測距的定位方法(如超聲和紅外單點測距)。激光雷達(Light Detection And Ranging)的出現和普及使得測量更快更準，信息更豐(feng) 富。

激光雷達采集到的物體(ti) 信息呈現出一係列分散的、具有準確角度和距離信息的點，被稱為(wei) 點雲(yun) 。通常，激光SLAM係統通過對不同時刻兩(liang) 片點雲(yun) 的匹配與(yu) 比對，計算激光雷達相對運動的距離和姿態的改變，也就完成了對機器人自身的定位。

激光雷達距離測量比較準確，誤差模型簡單，在強光直射以外的環境中運行穩定，點雲(yun) 的處理也比較容易。同時，點雲(yun) 信息本身包含直接的幾何關(guan) 係，使得機器人的路徑規劃和導航變得直觀。激光SLAM理論研究也相對成熟，落地產(chan) 品更豐(feng) 富。

視覺SLAM主要通過攝像頭來實現。攝像頭品類繁多，主要分為(wei) 單目、雙目、單目結構光、雙目結構光、ToF幾大類。基於(yu) 深度攝像機的 V-SLAM，跟激光 SLAM 類似，通過收集到的點雲(yun) 數據，能直接計算障礙物距離；基於(yu) 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(ti) 的距離，並進行定位與(yu) 地圖構建。

激光SLAM與(yu) 視覺SLAM比較

一直以來，業(ye) 內(nei) 對激光SLAM與(yu) 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。下麵從(cong) 以下幾個(ge) 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 目前尚處於(yu) 進一步研發和應用場景拓展、產(chan) 品逐漸落地階段。

使用環境

激光SLAM主要應用於(yu) 室內(nei) ；視覺SLAM在室內(nei) 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(liang) 者相較，激光 SLAM 構建的地圖精度高，不存在累計誤差，且能直接用於(yu) 定位導航。

通過對比我們(men) 發現，激光SLAM和視覺SLAM各擅勝場。兩(liang) 者相較，激光 SLAM 構建的地圖精度高，不存在累計誤差，且能直接用於(yu) 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(liang) 側(ce) 是牆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(diu) 失的情況。

仙知機器人作為(wei) 一家以控製和調度為(wei) 核心的高新技術企業(ye) ，在激光SLAM導航的基礎上，融合了激光反光板導航、二維碼導航、慣導、攝像頭等，采用多傳(chuan) 感器融合算法讓移動機器人定位更精確、性能更強大，並具有環境普適性，能夠應對長廊、高動態的複雜環境及地麵坑洞等。

在長廊、高動態的環境中，可自由切換至激光反光板導航、二維碼導航，確保定位不會(hui) 丟(diu) 失；在地麵環境相對較差的情況下，可選配3D相機對地麵坑洞、立體(ti) 障礙物等進行識別檢測，並根據參數配置讓移動機器人選擇停障或繞行。

另外，為(wei) 保證移動機器人使用安全，仙知機器人還擁有一係列方法來確保移動機器人在使用過程中機器人、人員和貨物的安全。如雙激光解決(jue) 方案，通過雙激光完成移動機器人周圍360°全方位的安全檢測；在基於(yu) SRC的激光SLAM自動叉車解決(jue) 方案中，通過3D相機、紅外傳(chuan) 感器、超聲、安全觸邊等進行安全防護，確保自動叉車在作業(ye) 過程中人員和貨物的安全。

其實，要想讓移動機器人應對各種複雜的使用場景，激光SLAM與(yu) 視覺SLAM必將在相互競爭(zheng) 和融合中發展，多傳(chuan) 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(jue) ，將替代人工完成簡單、重複、勞動量大的繁雜工作，真正為(wei) 人類服務。

有關(guan) 仙知

上海仙知機器人科技有限公司，是一家以移動機器人控製與(yu) 調度為(wei) 核心的高新技術企業(ye) 。作為(wei) 一站式移動機器人方案專(zhuan) 家，仙知機器人掌握了具有自主知識產(chan) 權的移動機器人核心技術，並在工業(ye) 自動化領域內(nei) 擁有豐(feng) 富的項目經驗。仙知機器人致力於(yu) 服務各行業(ye) 集成商，並為(wei) 其提供包括移動機器人控製、調度與(yu) 信息管理在內(nei) 的一站式移動機器人解決(jue) 方案。

目前，仙知機器人的產(chan) 品、技術及解決(jue) 方案已在汽車製造、家電製造、3C電子製造、半導體(ti) 製造、食品煙草、電商倉(cang) 儲(chu) 、安防巡檢、商用服務、醫療教育等領域廣泛應用。

仙知機器人積極踐行企業(ye) 使命—“讓智能創造價(jia) 值”，不斷堅持技術創新，並以開放包容、合作共贏的姿態攜手合作夥(huo) 伴，最大程度地滿足客戶對產(chan) 品、技術與(yu) 解決(jue) 方案的高品質追求，力爭(zheng) “成為(wei) 機器人產(chan) 業(ye) 的創新者與(yu) 引領者！”