從零開始一起學習SLAM | SLAM有什麼用？

來自專欄計算機視覺life11 人贊了文章

SLAM是 Simultaneous Localization And Mapping的英文首字母組合，一般翻譯為：同時定位與建圖、同時定位與地圖構建。

「同時定位與地圖構建」這幾個詞，乍一聽起來非常拗口，為了不在一開始就嚇跑讀者，我們先不對其進行專業的解釋，用一個日常生活中形象的例子來進行說明。

初步認識SLAM

我們知道現在有不少家用的掃地機器人，可以代替人對室內進行自動清掃。早期的掃地機器人並不智能，它只是具有簡單的避障功能，在室內隨機遊走，遇到障礙物就轉彎，這樣會導致有很多地方會漏掉，掃地效率非常低。

而現在隨著SLAM技術在掃地機器人中的應用，現在的掃地機器人已經變的非常智能，可以通過自身的感測器對室內進行掃描建圖，根據當前的定位進行Z字形規劃清掃，還能實現自動回充、斷點續掃等高級功能。

根據前面介紹，我們總結一下，要想真正實現智能的清掃，掃地機器人至少需要知道以下幾件事情：

1、我在哪裡？也就是掃地機器人在工作過程中要知道自己在房間的具體位置。對應的術語叫：定位（Localization)。

2、我周圍的環境是什麼樣子？也就是掃地機器人需要知道整個房間的地面結構信息。對應的術語叫：建圖(Mapping)。

3、我怎樣到達指定地點（充電器）？當掃地機器人電量不足時，如何以最短的路徑到達充電器所在位置進行自動充電。對應的術語叫：路徑規劃（Route Planning）。

有了以上的幾個能力，掃地機器人就變的非常智能了，不再像無頭蒼蠅一樣在室內亂跑，而是可以從任意位置出發，按照建立好的地圖進行規劃清掃。當然房間裏的物品擺放也會發生變化，所以掃地機器人每次清掃也會根據當前的定位及掃描情況，在建好的地圖基礎上對進行更新。隨著使用時間的增長，掃地機器人建立的地圖會越來越準確，規劃的清掃路線越來越高效，變的越來越智能。

看明白了上面的例子，我們給出SLAM的定義。SLAM是指當某種移動設備（如機器人、無人機、手機等）從一個未知環境裏的未知地點出發，在運動過程中通過感測器（如激光雷達、攝像頭等）觀測定位自身位置、姿態、運動軌跡，再根據自身位置進行增量式的地圖構建，從而達到同時定位和地圖構建的目的。定位和建圖是兩個相輔相成的過程，地圖可以提供更好的定位，而定位也可以進一步擴建地圖。需要說明的是，上述掃地機器人例子中，定位和建圖是SLAM的基本要求，而路徑規劃是在此基礎上的高級功能，不屬於SLAM的討論範疇。

SLAM的應用

SLAM所使用的感測器主要分為激光雷達和視覺兩大類。在SLAM研究史上，早期SLAM研究幾乎全使用激光雷達作為感測器，其優點是精度高，解決方案相對成熟。但是缺點也非常明顯，比如價格貴、體積大，信息少不夠直觀等。

視覺SLAM就是用攝像頭作為主感測器，用拍攝的視頻流作為輸入來實現同時定位與建圖。視覺SLAM廣泛應用於AR、自動駕駛、智能機器人、無人機等前沿領域。我們知道SLAM的兩大核心：定位和建圖。下面分別進行說明。

1、定位相關應用

SLAM在自動駕駛中最主要的功能就是更加精確的確定汽車自身的位置（當然建圖也很重要）。說到這裡，很多人會有疑問：現在手機上的百度/高德/騰訊等地圖類App就可以定位，為什麼還需要SLAM來定位呢？

原因是這樣的：目前地圖類App在室外定位、導航方面確實做的很不錯，而且衍生出很多基於地理位置的遊戲、社交、生活類應用。不過現在的定位系統仍然存在以下兩個主要問題。

1、地圖類App背後使用的是GPS技術，但民用GPS最多也就達到幾米的定位精度，駕車的讀者應該深有體會：這些地圖類App導航時並不知道當前車輛在哪個車道上。

2、GPS只能在室外使用。而在建築物內、洞穴、海底等很多地方，GPS會失效。而往往這些地方對於定位的需求很強烈，要想解決GPS失效區域的定位，目前最有效的就是SLAM技術。

如下圖所示是著名開源演算法ORB-SLAM2使用架設在汽車上的攝像頭進行定位的結果。從圖中不難看出，演算法非常清晰的展現了汽車當前所在的車道。

同樣的，對於室內使用的自主移動機器人來說，定位也完全依賴SLAM技術。如下圖是單目SLAM的過程。此外像京東，阿里這種大型的電商已經在自己的倉庫配備了倉儲機器人，也稱AGV（Automated Guided Vehicle），可以根據建立的地圖確定自身的位置，然後根據任務需求進行路徑規劃來搬運貨物。