扫盲篇：关于SLAM技术

什么是SLAM？机器人在未知环境中，要实现智能化需要完成三个任务，第一个是定位，第二个是建图，第三个则是随后的路径规划。SLAM，即时定位与地图构建，或并发建图与定位。最早由Smith、Self和Cheeseman于1988年提出。由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。

无论是机器人还是无人汽车，其中最核心、最根本的问题有四个：定位技术、跟踪技术、路径规划技术、控制技术。这四个问题中的前三个，SLAM都扮演了最核心的功能。

SLAM更像是一个概念而不是一个算法，它本身包含许多步骤，其中的每一个步骤均可以使用不同的算法实现。主要用于解决移动机器人在未知环境中运行时即时定位与地图构建的问题。

机器人利用环境地图来描述其当前环境信息，并随着使用的算法与传感器差异采用不同的地图描述形式。

1、栅格地图

栅格地图就是把环境划分成一系列栅格，其中每一个栅格给定一个可能值，表示该栅格被占据的概率。

采用激光雷达、深度摄像头、超声波传感器等可以直接测量距离数据的传感器进行SLAM时，可以使用该地图。

2、特征点地图

特征点地图，是用有关的几何特征表示环境，常见于vSLAM（视觉SLAM）技术中。

一般通过如GPS、UWB以及摄像头配合稀疏方式的vSLAM算法产生，优点是相对数据存储量和运算量比较小，多见于最早的SLAM算法中。

3、直接表征法

直接表征法，省去特征或栅格这一中间环节，直接用传感器读取的数据来构造机器人的位置空间。

4、拓扑地图

拓扑地图，把室内环境表示为带结点和相关连接线的拓扑结构图，其中结点表示环境中的重要位置点，边表示结点间的连接关系。

目前，常见的测距单元包括激光测距、超声波测距以及图像测距三种。

因为计算机视觉技术的快速发展，摄像头和激光雷达成本的降低，SLAM正在机器人、AR、无人机、无人驾驶等领域火速入侵。

1、室内机器人

扫地机是最早用到SLAM技术的机器人，通过用SLAM算法结合激光雷达或者摄像头的方法，让扫地机可以高效绘制室内地图，智能分析和规划扫地环境。

2、AR

目前基于SLAM技术开发的代表性产品有微软的Hololens，谷歌的Project Tango以及同样有名的Magic Leap。

3、无人机

SLAM就是在先验信息未知的情况下，利用载体上安装的传感器逐渐获取周围环境的地图，同时确定载体在地图中的位置。SLAM是在Ayache、Faugeras和Chatila、Laumond工作的基础上，由Smith等在1990年提出的，从本质上来说，它是实现真正的自主导航的关键。

4、无人驾驶

基于激光雷达技术的Lidar Slam是指利用激光雷达作为外部传感器，获取地图数据，使机器人实现同步定位与地图构建。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，是目前最稳定、最可靠、高性能的SLAM方式。但是Lidar Slam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。