當今科技發(fā)展速度飛快，想讓用戶在AR/VR、機器人、無人機、無人駕駛領域體驗加強，還是需要更多前沿技術做支持，SLAM就是其中之一。實際上，有人就曾打比方，若是手機離開了WIFI和數據網絡，就像無人車和機器人，離開了SLAM一樣。

什么是SLAM

SLAM的英文全稱是 Simultaneous Localization and Mapping，中文稱作「同時定位與地圖創(chuàng)建」。

SLAM試圖解決這樣的問題：一個機器人在未知的環(huán)境中運動，如何通過對環(huán)境的觀測確定自身的運動軌跡，同時構建出環(huán)境的地圖。SLAM技術正是為了實現這個目標涉及到的諸多技術的總和。

SLAM通常包括如下幾個部分，特征提取，數據關聯，狀態(tài)估計，狀態(tài)更新以及特征更新等。

我們引用知乎上的一個解釋把它翻譯成大白話，就是：

當你來到一個陌生的環(huán)境時，為了迅速熟悉環(huán)境并完成自己的任務（比如找飯館，找旅館），你應當做以下事情：

a.用眼睛觀察周圍地標如建筑、大樹、花壇等，并記住他們的特征（特征提?。?/p>

b.在自己的腦海中，根據雙目獲得的信息，把特征地標在三維地圖中重建出來（三維重建）

c.當自己在行走時，不斷獲取新的特征地標，并且校正自己頭腦中的地圖模型（bundle adjustment or EKF）

d.根據自己前一段時間行走獲得的特征地標，確定自己的位置（trajectory）

e.當無意中走了很長一段路的時候，和腦海中的以往地標進行匹配，看一看是否走回了原路（loop-closure detection）。實際這一步可有可無。

以上五步是同時進行的，因此是simultaneous localization and mapping.

傳感器與視覺SLAM框架

智能機器人技術在世界范圍內得到了大力發(fā)展。人們致力于把機器人用于實際場景：從室內的移動機器人，到野外的自動駕駛汽車、空中的無人機、水下環(huán)境的探測機器人等等，均得到了廣泛的關注。

沒有準確的定位與地圖，掃地機就無法在房間自主地移動，只能隨機亂碰；家用機器人就無法按照指令準確到達某個房間。此外，在虛擬現實（Virtual Reality）和增強現實技術（Argument Reality）中，沒有SLAM提供的定位，用戶就無法在場景中漫游。在這幾個應用領域中，人們需要SLAM向應用層提供空間定位的信息，并利用SLAM的地圖完成地圖的構建或場景的生成。

當我們談論SLAM時，最先問到的就是傳感器。SLAM的實現方式與難度和傳感器的形式與安裝方式密切相關。傳感器分為激光和視覺兩大類，視覺下面又分三小方向。下面就帶你認識這個龐大家族中每個成員的特性。

1. 傳感器之激光雷達

激光雷達是最古老，研究也最多的SLAM傳感器。它們提供機器人本體與周圍環(huán)境障礙物間的距離信息。常見的激光雷達，例如SICK、Velodyne還有我們國產的rplidar等，都可以拿來做SLAM。激光雷達能以很高精度測出機器人周圍障礙點的角度和距離，從而很方便地實現SLAM、避障等功能。

主流的2D激光傳感器掃描一個平面內的障礙物，適用于平面運動的機器人（如掃地機等）進行定位，并建立2D的柵格地圖。這種地圖在機器人導航中很實用，因為多數機器人還不能在空中飛行或走上臺階，仍限于地面。在SLAM研究史上，早期SLAM研究幾乎全使用激光傳感器進行建圖，且多數使用濾波器方法，例如卡爾曼濾波器與粒子濾波器等。

激光的優(yōu)點是精度很高，速度快，計算量也不大，容易做成實時SLAM。缺點是價格昂貴，一臺激光動輒上萬元，會大幅提高一個機器人的成本。因此激光的研究主要集中于如何降低傳感器的成本上。對應于激光的EKF-SLAM理論方面，因為研究較早，現在已經非常成熟。與此同時，人們也對EKF-SLAM的缺點也有較清楚的認識，例如不易表示回環(huán)、線性化誤差嚴重、必須維護路標點的協方差矩陣，導致一定的空間與時間的開銷，等等。

2.、傳感器之視覺SLAM

視覺SLAM是21世紀SLAM研究熱點之一，一方面是因為視覺十分直觀，不免令人覺得：為何人能通過眼睛認路，機器人就不行呢？另一方面，由于CPU、GPU處理速度的增長，使得許多以前被認為無法實時化的視覺算法，得以在10 Hz以上的速度運行。硬件的提高也促進了視覺SLAM的發(fā)展。

以傳感器而論，視覺SLAM研究主要分為三大類：單目、雙目（或多目）、RGBD。其余還有魚眼、全景等特殊相機，但是在研究和產品中都屬于少數。此外，結合慣性測量器件（Inertial Measurement Unit，IMU）的視覺SLAM也是現在研究熱點之一。就實現難度而言，我們可以大致將這三類方法排序為：單目視覺>雙目視覺>RGBD。

單目相機SLAM簡稱MonoSLAM，即只用一支攝像頭就可以完成SLAM。這樣做的好處是傳感器特別的簡單、成本特別的低，所以單目SLAM非常受研究者關注。相比別的視覺傳感器，單目有個最大的問題，就是沒法確切地得到深度。這是一把雙刃劍。

一方面，由于絕對深度未知，單目SLAM沒法得到機器人運動軌跡以及地圖的真實大小。直觀地說，如果把軌跡和房間同時放大兩倍，單目看到的像是一樣的。因此，單目SLAM只能估計一個相對深度，在相似變換空間Sim(3)中求解，而非傳統(tǒng)的歐氏空間SE(3)。如果我們必須要在SE(3)中求解，則需要用一些外部的手段，例如GPS、IMU等傳感器，確定軌跡與地圖的尺度（Scale）。

另一方面，單目相機無法依靠一張圖像獲得圖像中物體離自己的相對距離。為了估計這個相對深度，單目SLAM要靠運動中的三角測量，來求解相機運動并估計像素的空間位置。即是說，它的軌跡和地圖，只有在相機運動之后才能收斂，如果相機不進行運動時，就無法得知像素的位置。同時，相機運動還不能是純粹的旋轉，這就給單目SLAM的應用帶來了一些麻煩，好在日常使用SLAM時，相機都會發(fā)生旋轉和平移。不過，無法確定深度同時也有一個好處：它使得單目SLAM不受環(huán)境大小的影響，因此既可以用于室內，又可以用于室外。

相比于單目，雙目相機通過多個相機之間的基線，估計空間點的位置。與單目不同的是，立體視覺既可以在運動時估計深度，亦可在靜止時估計，消除了單目視覺的許多麻煩。不過，雙目或多目相機配置與標定均較為復雜，其深度量程也隨雙目的基線與分辨率限制。通過雙目圖像計算像素距離，是一件非常消耗計算量的事情，現在多用FPGA來完成。

RGBD相機是2010年左右開始興起的一種相機，它最大的特點是可以通過紅外結構光或Time-of-Flight原理，直接測出圖像中各像素離相機的距離。因此，它比傳統(tǒng)相機能夠提供更豐富的信息，也不必像單目或雙目那樣費時費力地計算深度。目前常用的RGBD相機包括Kinect/Kinect V2、Xtion等。不過，現在多數RGBD相機還存在測量范圍窄、噪聲大、視野小等諸多問題。出于量程的限制，主要用于室內SLAM。

SLAM框架之視覺里程計

視覺SLAM幾乎都有一個基本的框架。一個SLAM系統(tǒng)分為四個模塊（除去傳感器數據讀?。篤O、后端、建圖、回環(huán)檢測。

Visual Odometry，即視覺里程計。它估計兩個時刻機器人的相對運動（Ego-motion）。在激光SLAM中，我們可以將當前的觀測與全局地圖進行匹配，用ICP求解相對運動。而對于相機，它在歐氏空間里運動，我們經常需要估計一個三維空間的變換矩陣——SE3或Sim3（單目情形）。求解這個矩陣是VO的核心問題，而求解的思路，則分為基于特征的思路和不使用特征的直接方法。

特征匹配

基于特征的方法是目前VO的主流方式。對于兩幅圖像，首先提取圖像中的特征，然后根據兩幅圖的特征匹配，計算相機的變換矩陣。最常用的是點特征，例如Harris角點、SIFT、SURF、ORB。如果使用RGBD相機，利用已知深度的特征點，就可以直接估計相機的運動。給定一組特征點以及它們之間的配對關系，求解相機的姿態(tài)，該問題被稱為PnP問題（Perspective-N-Point）。PnP可以用非線性優(yōu)化來求解，得到兩個幀之間的位置關系。

不使用特征進行VO的方法稱為直接法。它直接把圖像中所有像素寫進一個位姿估計方程，求出幀間相對運動。例如，在RGBD SLAM中，可以用ICP（Iterative Closest Point，迭代最近鄰）求解兩個點云之間的變換矩陣。對于單目SLAM，我們可以匹配兩個圖像間的像素，或者像圖像與一個全局的模型相匹配。直接法的典型例子是SVO和LSD-SLAM。它們在單目SLAM中使用直接法，取得了較好的效果。目前看來，直接法比特征VO需要更多的計算量，而且對相機的圖像采集速率也有較高的要求。

SLAM框架之后端

在VO估計幀間運動之后，理論上就可以得到機器人的軌跡了。然而視覺里程計和普通的里程計一樣，存在累積誤差的問題（Drift）。直觀地說，在t1和t2時刻，估計的轉角比真實轉角少1度，那么之后的軌跡就全部少掉了這1度。時間一長，建出的房間可能由方形變成了多邊形，估計出的軌跡亦會有嚴重的漂移。所以在SLAM中，還會把幀間相對運動放到一個稱之為后端的程序中進行加工處理。

早期的SLAM后端使用濾波器方式。由于那時還未形成前后端的概念，有時人們也稱研究濾波器的工作為研究SLAM。SLAM最早的提出者R. Smith等人就把SLAM建構成了一個EKF（Extended Kalman Filter，擴展卡爾曼濾波）問題。他們按照EKF的形式，把SLAM寫成了一個運動方程和觀測方式，以最小化這兩個方程中的噪聲項為目的，使用典型的濾波器思路來解決SLAM問題。

當一個幀到達時，我們能（通過碼盤或IMU）測出該幀與上一幀的相對運動，但是存在噪聲，是為運動方程。同時，通過傳感器對路標的觀測，我們測出了機器人與路標間的位姿關系，同樣也帶有噪聲，是為觀測方程。通過這兩者信息，我們可以預測出機器人在當前時刻的位置。同樣，根據以往記錄的路標點，我們又能計算出一個卡爾曼增益，以補償噪聲的影響。于是，對當前幀和路標的估計，即是這個預測與更新的不斷迭代的過程。

21世紀之后，SLAM研究者開始借鑒SfM（Structure from Motion）問題中的方法，把捆集優(yōu)化（Bundle Adjustment）引入到SLAM中來。優(yōu)化方法和濾波器方法有根本上的不同。它并不是一個迭代的過程，而是考慮過去所有幀中的信息。通過優(yōu)化，把誤差平均分到每一次觀測當中。在SLAM中的Bundle Adjustment常常以圖的形式給出，所以研究者亦稱之為圖優(yōu)化方法（Graph Optimization）。圖優(yōu)化可以直觀地表示優(yōu)化問題，可利用稀疏代數進行快速的求解，表達回環(huán)也十分的方便，因而成為現今視覺SLAM中主流的優(yōu)化方法。

SLAM框架之回環(huán)檢測

回環(huán)檢測，又稱閉環(huán)檢測（Loop closure detection），是指機器人識別曾到達場景的能力。如果檢測成功，可以顯著地減小累積誤差。回環(huán)檢測實質上是一種檢測觀測數據相似性的算法。對于視覺SLAM，多數系統(tǒng)采用目前較為成熟的詞袋模型（Bag-of-Words, BoW）。詞袋模型把圖像中的視覺特征（SIFT, SURF等）聚類，然后建立詞典，進而尋找每個圖中含有哪些“單詞”（word）。也有研究者使用傳統(tǒng)模式識別的方法，把回環(huán)檢測建構成一個分類問題，訓練分類器進行分類。

回環(huán)檢測的難點在于，錯誤的檢測結果可能使地圖變得很糟糕。這些錯誤分為兩類：1.假陽性（False Positive），又稱感知偏差（Perceptual Aliasing），指事實上不同的場景被當成了同一個；2.假陰性（False Negative），又稱感知變異（Perceptual Variability），指事實上同一個場景被當成了兩個。感知偏差會嚴重地影響地圖的結果，通常是希望避免的。一個好的回環(huán)檢測算法應該能檢測出盡量多的真實回環(huán)。研究者常常用準確率-召回率曲線來評價一個檢測算法的好壞。

SLAM技術目前主要應用在哪些領域？

目前，SLAM（即時定位與地圖構建）技術主要被運用于無人機、無人駕駛、機器人、AR、智能家居等領域，從各應用場景入手，促進消費升級。

機器人

激光+SLAM是目前機器人自主定位導航所使用的主流技術。激光測距相比較于圖像和超聲波測距，具有良好的指向性和高度聚焦性，是目前最可靠、穩(wěn)定的定位技術。激光雷達傳感器獲取地圖信息，構建地圖，實現路徑規(guī)劃與導航。

無人駕駛

無人駕駛是近年來較火的話題之一，Google、Uber、百度等企業(yè)都在加速研發(fā)無人駕駛相關技術，搶占先機。

隨著城市物聯網和智能系統(tǒng)的完善，無人駕駛必是大勢所趨。無人駕駛利用激光雷達傳感器（Velodyne、IBEO等）作為工具，獲取地圖數據，并構建地圖，規(guī)避路程中遇到的障礙物，實現路徑規(guī)劃。跟SLAM技術在機器人領域的應用類似，只是相比較于SLAM在機器人中的應用，無人駕駛的雷達要求和成本要明顯高于機器人。

無人機

無人機在飛行的過程中需要知道哪里有障礙物，該怎么規(guī)避，怎么重新規(guī)劃路線。顯然，這是SLAM技術的應用。但無人機飛行的范圍較大，所以對精度的要求不高，市面上其他的一些光流、超聲波傳感器可以作為輔助。

AR

AR通過電腦技術，將虛擬的信息應用到真實世界，真實的環(huán)境和虛擬的物體實時地疊加到了同一個畫面或空間同時存在。這一畫面的實現，離不開SLAM技術的實時定位。雖然在AR行業(yè)有很多可代替技術，但是，SLAM技術是最理想的定位導航技術。

相較于SLAM在機器人、無人駕駛等領域的應用，在AR行業(yè)的應用則有很多不同點。

1、精度上：AR一般更關注于局部精度，要求恢復的相機運動避免出現漂移、抖動，這樣疊加的虛擬物體才能看起來與現實場景真實地融合在一起。但在機器人和無人駕駛領域則一般更關注全局精度，需要恢復的整條運動軌跡誤差累積不能太大，循環(huán)回路要能閉合，而在某個局部的漂移、 抖動等問題往往對機器人應用來說影響不大。

2、效率上：AR需要在有限的計算資源下實時求解，人眼的刷新率為24幀，所以AR的計算效率通常需要到達30幀以上; 機器人本身運動就很慢，可以把幀率降低，所以對算法效率的要求相對較低。

3、配置上：AR對硬件的體積、功率、成本等問題比機器人更敏感，比如機器人上可以配置魚眼、雙目或深度攝像頭、高性能CPU等硬件來降低SLAM的難度，而AR應用更傾向于采用更為高效、魯邦的算法達到需求。

多傳感器融合、優(yōu)化數據關聯與回環(huán)檢測、與前端異構處理器集成、提升魯棒性和重定位精度都是SLAM技術接下來的發(fā)展方向，但這些都會隨著消費刺激和產業(yè)鏈的發(fā)展逐步解決。就像手機中的陀螺儀一樣，在不久的將來，也會飛入尋常百姓家，改變人類的生活。