SLAM，是現(xiàn)在導(dǎo)航定位技術(shù)中的熱門技術(shù)，能讓機器人和無人駕駛汽車在未知的環(huán)境中進行自主定位并規(guī)劃路徑，構(gòu)建出增量式的地圖。SLAM重要的理論與應(yīng)用價值被認為是實現(xiàn)機器人自主移動以及汽車無人駕駛的關(guān)鍵技術(shù)。

無人設(shè)備的迅速普及加速了SLAM行業(yè)發(fā)展，Global Info Research調(diào)研給出的數(shù)據(jù)是全球SLAM技術(shù)近五年年復(fù)合增長率達到34.2%，可見行業(yè)增長之快。SLAM應(yīng)用和軟件技術(shù)、硬件技術(shù)都強相關(guān)，既需要傳感器在前端提供優(yōu)質(zhì)的感知信號，也需要后端先進的算法對位姿圖進行優(yōu)化處理。嚴格來說，SLAM技術(shù)本身雖然是一項算法技術(shù)，但是應(yīng)用SLAM的基礎(chǔ)是性能優(yōu)異的傳感器。

視覺傳感器與SLAM

從目前市面上主流的SLAM產(chǎn)品來看，主要分為兩條路線，一是視覺SLAM，二是激光雷達SLAM。當(dāng)然也有其他的技術(shù)路線，但是這兩類是最受關(guān)注，也最有可能快速大規(guī)模落地的方向。視覺SLAM，即在感知層使用視覺傳感器來采集圖像的SLAM技術(shù)。

視覺SLAM導(dǎo)航已經(jīng)有很多案例，在機器人、自動駕駛、ARVR方向這些主要的SLAM應(yīng)用方向上不少都用的視覺方案。不同的傳感器實現(xiàn)的視覺SLAM效果天差地別，普通相機（廣角、魚眼和球形相機）、復(fù)眼相機（立體相機和多相機）和 RGB-D相機（深度相機和ToF相機）實現(xiàn)出的SLAM效果各不相同。

單目是成本最低的方案，分辨率可以做到2K還是很高的，算法難度適中。單目SLAM能做到對已經(jīng)識別出的物體避障，通過傳感出的圖像預(yù)估距離，整體的精度不算高，避障效果中規(guī)中矩。

雙目在單目的基礎(chǔ)上進一步匹配RDB特征，分辨率同樣很高，整體硬件成本稍有上升，算法難度大幅提升，因為可以收集到深度信息大大增加了算法處理難度。整個SLAM效果比單目提升很多。

也有使用3D結(jié)構(gòu)光和3D ToF的SLAM方案，分辨率比單、雙目相機就差一些，但在避障距離、障礙物識別上各有優(yōu)勢。

激光雷達與SLAM

使用激光雷達傳感器的SLAM，利用激光雷達傳感輸出的二維或三維點云數(shù)據(jù)進行構(gòu)圖與定位。對比相機和其他圖像傳感器，分辨率不占優(yōu)勢的激光雷達，在點云上提供了高精確度距離測度數(shù)據(jù)，在深度信息獲取和精確度上的優(yōu)勢很明顯。

激光雷達提供的點云數(shù)據(jù)直接影響了最后SLAM效果，而且就點云密度而言，因為不如視覺傳感器精細，所以為了保證充足的特征來進行匹配，激光SLAM通常都需要搭配復(fù)雜的算法通過高處理能力來實現(xiàn)從傳感到構(gòu)圖定位的一系列流程，這也很大程度上拉高了激光雷達SLAM成本。

激光雷達有2D和3D之分，在激光雷達SLAM自然也有2D與3D之分。2D激光雷達SLAM受限于傳感器性能，只能識別二維平面，不能適用于復(fù)雜的三維環(huán)境。對于場景復(fù)雜的場景，如無人機和自動駕駛，基于多線激光雷達的 3D SLAM定位技術(shù)，是目前全球最領(lǐng)先的3D SLAM定位導(dǎo)航技術(shù)。

基于多線激光雷達的3D SLAM技術(shù)理論上可以構(gòu)建百萬平米的超大場景3D點云地圖，當(dāng)然這建立在傳感器性能足夠好的基礎(chǔ)上。實現(xiàn)高精度的定位導(dǎo)航，激光雷達SLAM還需要其他傳感器提供的數(shù)據(jù)進行融合，如何降低硬件成本也是該技術(shù)落地的挑戰(zhàn)。

小結(jié)

視覺SLAM和激光雷達SLAM目前還沒有定論到底哪個更勝一籌，雖然硬件成本更低更親民的視覺SLAM在精度上受限，但現(xiàn)在融合其他傳感器（如IMU）的視覺SLAM研究也很熱，融合突破后的視覺SLAM未嘗不能實現(xiàn)更好的導(dǎo)航定位。

而激光雷達SLAM的成本近幾年也的確有下探的趨勢，很多傳感器廠商將傳感器加SLAM整套方案打包的方式也有助于成本逐步下探，假以時日視覺SLAM的成本優(yōu)勢或許就不再明顯，未來二者相容也不是不可能。