.jpg)
随着我国各行业的不断发展，现代社会对生产效率提高的需要和人们对智能生活方式的向往，移动机器人技术得到了发展，并广泛应用与生产和生活。移动机器人的控制需要计算机控制系统、传感器、定位系统、路径跟踪规划，从20世纪80年代概率理论的广泛应用开始，SLAM的发展也进入了快车道。
SLAM（Simultaneous Localization and Mapping） 指机器人在未知的环境、未知的位置中，一边移动一边利用自身携带的传感器测绘出该环境的完整地图，并确定自己所处的位置。由于SLAM的重要学术价值和应用价值，一直以来都被认为是实现全自主移动机器人的关键技术。
激光SLAM和视觉SLAM的区别
目前，SLAM技术被广泛运用于机器人、无人机、无人驾驶、AR、VR等领域，依靠传感器可实现机器的自主定位、建图、路径规划等功能。按传感器来分，SLAM主要分为激光SLAM和VSLAM两大类。其中，激光SLAM比VSLAM起步早，在理论、技术和产品落地上都相对成熟。基于视觉的SLAM方案目前主要有两种实现路径，一种是基于RGBD的深度摄像机，比如Kinect；还有一种就是基于单目、双目或者鱼眼摄像头的。VSLAM目前尚处于进一步研发和应用场景拓展、产品逐渐落地阶段。
|
类型 |
激光SLAM |
视觉SLAM |
|
技术发展
|
早在2005年的时候，激光SLAM就已经被研究的比较透彻，框架也已初步确定。激光SLAM，是目前最稳定、最主流的定位导航方法。 |
视觉SLAM目前尚处于进一步研发和应用场景拓展、产品逐渐落地阶段，成熟的应用案例并不多。 |
|
使用环境
|
激光SLAM主要应用于室内环境，部分室外场景。
|
视觉SLAM可以在室内外开展活动，但是对光的依赖程度高，在暗处或者在一些无纹理区域无法进行工作。 |
|
地图精度
|
激光SLAM构建的地图精度高，不存在累计误差，且能直接用于定位导航。 |
视觉SLAM构建的地图精度较低，存在一定的累计误差，且不能直接应用于定位导航。 |
传感器成本
激光雷达事实上有许多档次，成本都高于视觉传感器。最昂贵如Velodyne的室外远距离多线雷达动辄数十万元人民币，而室外使用的高端中远距离平面雷达如SICK和Hokuyo大约在数万元人民币的等级。室内应用较广的中低端近距离平面激光雷达也需要千元级，其价格相当于比较高端的工业级摄像头和感光芯片。激光雷达量产后成本可能会大幅下降，但能否降到同档次摄像头的水平仍有一个大大的问号。
02
技术问题
传感器安装和稳定性
目前常见的激光雷达都是旋转扫描式的，内部长期处于旋转中的机械结构会给系统带来不稳定性，在颠簸震动时影响尤其明显。而摄像头不包含运动机械结构，对空间要求更低，可以在更多的场景下安装使用。不过，固态激光雷达的逐步成熟可能会为激光SLAM扳回这项劣势。
累计误差问题
激光SLAM总体来讲较为缺乏回环检测的能力，累计误差的消除较为困难。而视觉SLAM使用了大量冗余的纹理信息，回环检测较为容易，即使在前端累计一定误差的情况下仍能通过回环修正将误差消除。
定位和地图的构建精度
在静态且简单的环境中，激光SLAM定位总体来讲优于视觉SLAM；但在较大尺度且动态的环境中，视觉SLAM因为其具有的纹理信息，表现出更好的效果。在地图构建上，激光SLAM的特点是单点和单次测量都更精确，但地图信息量更小；视觉SLAM特别是通过三角测距计算距离的方法，在单点和单次测量精度上表现总体来讲不如激光雷达，但可以通过重复观测反复提高精度，同时拥有更丰富的地图信息。
03
应用场景
在应用场景上，激光SLAM依据所使用的激光雷达的档次基本被分为室内应用和室外应用，而视觉SLAM在室内外都有丰富的应用环境。视觉SLAM的主要问题是光照变化，例如在室外正午和夜间的跨时间定位与地图构建，其工作稳定性不如高端室外多线激光雷达。近年来，光照模型修正和基于深度学习的高鲁棒性特征点被广泛应用于视觉SLAM的研究中，体现出良好的效果，视觉SLAM会随着这些技术的进步将会在光照变化的环境中拥有更稳定的表现。
激光SLAM不擅长动态环境中的定位，比如有大量人员遮挡其测量的环境，也不擅长在类似的几何环境中工作，比如在一个又长又直、两侧是墙壁的环境。由于重定位能力较差，激光SLAM在追踪丢失后很难重新回到工作状态。而视觉SLAM在无纹理环境(比如面对整洁的白墙面)，以及光照特别弱的环境中，表现较差。
三、
未来的发展前景
SLAM技术不仅仅是MR平台的核心算法，由於其强大和实用的运用能力，使其变得太重要导致各个大厂都想拥有。国内外顶尖公司纷纷开展部署自己的SLAM产品。
在AR运用方面，Google将SLAM技术运用在其增强现实项目Tango，配合其独特的移动设备和SDK可以方便的在应用中使用AR技术，以及苹果的ARKit , Facebook的Oculus和华为的AR Engine。
大疆公司为主的无人机和机器人公司将SLAM运用在其消费级产品上面，为无人机和机器人提供实时的3D环境信息用於导航避障。
以特斯拉为主的无人车公司，使用SLAM技术帮助车辆感知周围环境，更好的完成导航、避障、路径规劃等高级任务。
未来SLAM仍会在机器人、无人驾驶、AR和MR平台上大放异彩。
同时随着SLAM技术不断进步，将会在智能玩具、医疗、教育更多领域为更多消费级产品提供支持。
同时随着5G时代的到来，展望未来的MR平台上的SLAM技术也将会发展成终端和云端协同工作的端云协同的混合现实网络架构。
其实，要想让移动机器人应对各种复杂的使用场景，激光SLAM与视觉SLAM必将在相互竞争和融合中发展，多传感器融合导航必然是未来发展方向。伴随移动机器人核心技术的解决，将替代人工完成简单、重复、劳动量大的繁杂工作，真正为人类服务。
激光SLAM是目前比较成熟的定位导航方案，视觉SLAM是未来研究的一个主流方向。所以，未来，多传感器的融合是一种必然的趋势。取长补短，优势结合，为市场打造出真正好用的、易用的SLAM方案，科聪目前在激光导航上可以做到业内领先的±5mm的精度，我们公司在slam及vslam算法上均有着深厚的研究，两者技术其实是相同的，目前行业内的现状，客户大多以激光导航为主，因此科聪也更着重与激光导航的技术研究和产品的落地。