近年来，伴随移动机器人在各行各业的广泛应用，SLAM这个“名字”逐渐被更多的人所熟悉，但是SLAM具体是什么、SLAM有哪些应用领域、激光SLAM和视觉SLAM哪种方式更有优势等等这些问题却总是模糊不清。今天，小编就带大家来详细了解一下~

什么是SLAM ?

　　SLAM英文全称是 Simultaneous Localization and Mapping，意为即时定位与地图构建。SLAM最早由Smith、Self和Cheeseman于1988年提出，至今已有30余年的发展历史。

　　SLAM它试图解决这样的问题：一个机器人在未知的环境中运动，如何通过对环境的观测确定自身的运动轨迹，同时构建出环境的地图。SLAM技术正是为了实现这个目标涉及到的诸多技术的总和。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。

　　相较于深度学习、神经网络、大数据等热门词汇，听过SLAM的人少之又少，是因为国内从事相关研究的机构更是屈指可数。直至2015年左右，SLAM才逐渐成为国内机器人和计算机视觉领域的热门研究方向，在当前较为热门的领域崭露头角。

SLAM应用于哪些领域?

　　机器人定位导航

　　SLAM 可用于生成移动机器人所处环境的地图。基于这个地图，机器人执行路径规划、自主定位、导航等任务。

　　无人驾驶领域

　　SLAM 技术可以提供视觉里程计功能，然后与GPS等其他定位方式相融合。

　　无人机领域

　　SLAM可以构建局部地图，辅助无人机进行自主避障、规划路径。

　　VR/AR 方面

　　根据 SLAM 得到地图和当前视角对叠加虚拟物体做相应渲染，这样做可以使得叠加的虚拟物体看起来比较真实，没有违和感。

激光SLAM与视觉SLAM

　　按照传感器类型来划分，SLAM分为激光SLAM和视觉SLAM。

　　激光SLAM

　　激光SLAM脱胎于早期的基于测距的定位方法(如超声和红外单点测距)。激光SLAM的原理是通过激光雷达采集周围环境物体信息呈现出的一系列分散的、具有准确角度和距离信息的点，被称为点云。通常激光SLAM系统通过对不同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，从而完成对机器人自身的定位。

　　视觉SLAM

　　视觉SLAM又称为V-SLAM，主要通过摄像头来实现。摄像头品类繁多，主要分为单目、双目、单目结构光、双目结构光、ToF几大类。基于深度摄像机的 V-SLAM，跟激光 SLAM 类似，通过收集到的点云数据，能直接计算障碍物距离;基于单目、鱼眼相机的 V-SLAM 方案，则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距离物体的距离，并进行定位与地图构建。

激光SLAM与视觉SLAM比较

　　一直以来，业内对激光SLAM与视觉SLAM到底谁更胜一筹，谁是未来主流趋势都有自己的看法。下面从以下几个角度进行简单对比：

　　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。

　　使用环境

　　激光SLAM主要应用于室内;视觉SLAM在室内外均能开展工作，但是对光的依赖度高，在暗处或者一些无纹理区域无法进行工作。

　　地图精度

　　两者相较，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。

　　当然，激光SLAM也有一定的局限性。比如在又长又直、两侧是墙壁的长廊或是动态变化大的环境中，单纯依靠激光SLAM容易发生定位丢失的情况。

　　不过，针对这样的问题目前已有成熟的解决方案。如仙知机器人推出了激光导航移动机器人产品，支持多种导航方式任意切换，在长廊、高动态环境中可自由切换至激光反光板导航或二维码导航;同时可配合3D相机检测地面上的坑洞及立体障碍物，让移动机器人安全高效的运行。

　　从中可以发现，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。