SLAM技术研究现状

SLAM技术发展至今已有30多年的历史，之前的大部分时间都是在按部就班的发展。在国内研究SLAM技术的实验室及企业更是少之又少。除了当时市场需求较少外，入门难度也是另一大问题。但随着机器人、无人驾驶、AR/VR等领域的兴起，SLAM技术迎来了发展的春天。

SLAM技术是机器人及其他智能体实现自主移动的关键，可帮助解决机器人在未知环境运动时的定位和地图构建问题，随着SLAM技术重要性的凸显及应用市场的不断扩大，目前，已有越来越多企业开始投入到SLAM技术研发中。

现下主流SLAM技术

按照不同的传感器来划分，SLAM技术目前可分为两种，一种是基于激光雷达的激光SLAM技术，另一种是基于视觉传感器的视觉SLAM技术。

激光SLAM

激光SLAM一般采用单线或多线激光雷达，单线激光雷达主要用于服务机器人上，如日常生活中我们常见的家庭扫地机器人及商用场景中的各类服务型机器人，而多线激光雷达则多用于无人驾驶领域。

激光雷达的出现使得测量更快更准，信息也更为丰富，激光雷达采集到的物体信息会呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常，激光SLAM通过对不用时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了机器人自身的定位。

视觉SLAM

视觉SLAM主要是采用深度摄像机，基于单目、双目、鱼眼相机的视觉SLAM方案，利用多帧图像来估计自身的位姿变化，再通过累计位姿变化来计算物体的距离，并进行定位与地图构建。

视觉SLAM可以从环境中获取海量的、富于冗余的纹理信息，拥有超强的场景辨识能力。早期的视觉SLAM基于滤波理论，其非线性的误差模型和巨大的计算量成了它实用落地的障碍。近年来，随着具有稀疏性的非线性优化理论(Bundle Adjustment)以及相机技术、计算性能的进步，实时运行的视觉SLAM已不再是梦。

激光SLAM与视觉SLAM技术较量

对于激光SLAM与视觉SLAM技术谁更胜一筹业内存在很多争议，以下将从简单的几个方面来对比激光SLAM与视觉SLAM。

从成本上来说，业内人士大多认为激光雷达的价格相对比较高，尤其是国外的Velodyne，Sick，北洋等激光雷达产品，价格在几万到几十万不等。但目前随着我国激光雷达技术的不断发展，国内已有低成本激光雷达解决方案，尤其是机器人身上的激光雷达。视觉SLAM所采用的摄像头成本要比激光雷达低很多，虽在成本上占有优势，但激光雷达能更高精度的测出障碍点的角度和距离，方便定位导航。

从应用场景上来说，视觉SLAM的应用场景要丰富很多。视觉SLAM在室内外环境下均能开展工作，但是对光的依赖程度高，在暗处或者一些无纹理区域是无法进行工作的。而激光SLAM目前主要被应用在室内，用来进行地图构建和导航工作。

从地图精度上来说，激光SLAM在构建地图的时候，精度较高，国内一些企业所研发的激光雷达，构建的地图精度可达到2cm左右；视觉SLAM，比如常见的，大家也用的非常多的深度摄像机Kinect，（测距范围在3-12m之间），地图构建精度约3cm；所以激光SLAM构建的地图精度一般来说比视觉SLAM高，且能直接用于定位导航。

从易用性上来说，激光SLAM和基于深度相机的视觉SLAM均是通过直接获取环境中的点云数据，根据生成的点云数据，测算哪里有障碍物以及障碍物的距离。但是基于单目、双目、鱼眼摄像机的视觉SLAM方案，则不能直接获得环境中的点云，而是形成灰色或彩色图像，需要通过不断移动自身的位置，通过提取、匹配特征点，利用三角测距的方法测算出障碍物的距离。

从安装方式来看，雷达最先开始应用于军事行业，后来逐渐民用。被大家广泛知晓最先应该是从谷歌的无人车上所知道的。当时Velodyne雷达体积、重量都较大，应用到一些实际场景中显然不适合。比如无人机、AR、VR这种，本身体积就很小，再搭载大体积的激光雷达的话，根本无法使用，也影响美感和性能。所以视觉SLAM的出现，利用摄像头测距，弥补了激光雷达的这一缺点，安装方式可以随着场景的不同实现多元化。

总体来说，激光SLAM及视觉SLAM各有优缺点，从长远来看，两者融合将是大势所趋，但就目前而言，激光SLAM技术相对更为成熟，落地应用也更为丰富。

国内企业SLAM技术研究现状

由于SLAM技术在机器人、无人驾驶及AR/VR等领域的重要性，国内已有越来越多企业投入到SLAM技术的研发中，有部分作为自用而研发的机器人企业，也不乏一些专注机器人自主定位导航技术的企业。思岚科技就是其中一家，作为机器人定位导航技术的领先企业，思岚科技主要以激光SLAM取胜。

其推出的SLAM 3.0技术采用了图优化的方式进行构图，能实现百万平米级别的实时地图构建能力，同时拥有主动式回环闭合纠正能力，能很好的消除长时间运行导致的里程累计误差。

思岚科技的SLAM 3.0 采用SharpEdge精细化构图技术，可构建高精度、厘米级别地图，超高分辨率。同时，构建的地图规则、精细，进一步提升了定位的精确性。无需二次优化修饰，直接满足用户预期。

相比较粒子滤波每次直接将传感器数据更新进入栅格地图进行增量式构建的做法，基于图优化的SLAM 3.0 摒弃固定的栅格地图，存储地图构建过程中调整了图结构中每个节点的pose和对应的传感器信息以及所有关键点构建的位姿关系图，利用全部的机器人位姿信息和对应传感器数据生成环境地图。

当机器人运动到已经探索过的原环境时，SLAM 3.0可依赖内部的拓扑图进行主动式的闭环检测。当发现了新的闭环信息后，SLAM 3.0使用Bundle Adjuestment(BA)等算法对原先的位姿拓扑地图进行修正（即进行图优化），从而能有效的进行闭环后地图的修正，实现更加可靠的环境建图。即使当时地图上看误差较大，SLAM 3.0也可灵活对已产生的地图进行调整。

如今，在思岚科技最新SLAMWARE自主定位导航方案及相应的机器人开发平台中，均采用了SLAM 3.0技术，使得机器人能轻松面对各类复杂的商用环境。

思岚科技是我国最早将SLAM技术应用于服务机器人的企业，经过多年的发展，如今基于思岚科技机器人定位导航方案的企业已不在少数，业内知名服务机器人项目中大多采用了思岚科技产品。随着服务机器人市场需求的不断加剧，相信思岚科技的激光SLAM定位导航方案将会在更多机器人中出现。