编者按：本文来自物流搜索微信平台（微信公众号ID：wxsoo56）

前言

SLAM应用领域广泛，按其应用行业也可分为两大类，即工业领域和商业领域。

工业用途主要集中在AGV领域，随着制造业以及电商仓储领域对柔性化搬运的需求不断上升，将SLAM运用在AGV物流小车上，可以不用预先铺设任何轨道，方便工厂生产线的升级改造和导航路线的变更，实时避障，环境适应能力强，同时能够更好地实现多AGV小车的协调控制，借此实现真正的自然导航，基于以上优势，SLAM导航应用将越来越普遍。

关于SLAM

SLAM的英文全称是 Simultaneous Localization and Mapping，中文称作「同时定位与地图创建」。

通常是指在机器人或其他载体上，通过对各种传感器数据进行采集和计算，生成对其自身位置姿态的定位和场景地图信息的系统。

SLAM技术对于机器人或其他智能体的行动和交互能力至为关键，因为它代表了这种能力的基础：知道自己在哪里，知道周围环境如何，进而知道下一步该如何自主行动。

目前它的主要应用领域有：自动驾驶、服务型机器人、AGV、无人机、AR/VR等。

SLAM分类

目前用在SLAM上的传感器主要分为这两类，激光SLAM(Lidar SLAM)和视觉SLAM(Visual SLAM,缩写为V SLAM.

激光SLAM

激光SLAM采用2D或3D激光雷达（也叫单线或多线激光雷达），2D激光雷达一般用于室内机器人上（如扫地机器人），而3D激光雷达一般使用于无人驾驶领域。激光雷达的出现和普及使得测量更快更准，信息更丰富。激光雷达采集到的物体信息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，也就完成了对机器人自身的定位。

激光+SLAM产生的高精度地图

激光雷达测距比较准确，误差模型简单，在强光直射以外的环境中运行稳定，点云的处理也比较容易。同时，点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变得直观。

激光SLAM导航是目前机器人自主定位导航所使用的主流技术。激光测距相比较于图像和超声波测距，具有良好的指向性和高度聚焦性，是目前最可靠、稳定的定位技术。

视觉SLAM

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为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落地已不再是难题。

视觉 SLAM 地图构建，图片来源：百度 AI

视觉SLAM的优点是它所利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以轻易分辨。这带来了重定位、场景分类上无可比拟的巨大优势。同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等，对于在复杂动态场景中的应用这是至关重要的。

激光SLAM和VSLAM比较

应用场景

一、激光SLAM导航技术运用领域

SLAM具有广泛的应用范围，其工业用途主要集中在AGV叉车领域。随着制造业和电子商务仓储领域对灵活处理的需求不断增加，SLAM导航迎来了广阔的市场。通过在AGV叉车上使用SLAM，可以消除预先铺设任何轨道的需要，便于工厂生产线的升级和导航路线的改变，以避免实时障碍，具有强大的环境适应性强，更好地实现多台AGV叉车的协调控制。

1、无人驾驶汽车：

2、叉车AGV:目前较多采用SLAM技术的国内代表品牌有昆船、机科、海康、上汽安吉物流、诺力、台朔、今天国际、合力、杭叉、仙知、怡丰等

3、 AMR:目前较多采用SLAM技术的自主移动机器人代表品牌有：海康、极智嘉、仙知、马路创新等

二、视觉SLAM导航应用

1、移动机器人自主导航：采用此类技术导航的企业有：海康机器人、马路创新等

2、辅助驾驶

基于GPS定位精度较差（10m左右），无法准确定位具体车道线，而vSLAM定位精度可达厘米级。此外，在GPS无法工作的特殊场景（隧道，山洞等）下SLAM可以接管定位工作。

3、增强现实

SLAM可以在未知环境中定位自身方位并同时构建环境三维地图, 从而保证叠加的虚拟与现实场景在几何上的一致性（也就是让虚拟物体看起来像是被“固定”住了一样）。

4、三维重建

利用摄像机（单面、双目、RGB-D等）扫描物体（小尺度）、场景（大尺度），获得扫描物体或者场景的三维模型。

未来

激光SLAM和视觉SLAM各擅胜场，单独使用都有其局限性，视觉在纹理丰富的动态环境中稳定工作，并能为激光SLAM提供非常准确的点云匹配，而激光雷达提供的精确方向和距离信息在正确匹配的点云上会发挥更大的威力。而在光照严重不足或纹理缺失的环境中，激光SLAM的定位工作使得视觉可以借助不多的信息进行场景记录。目前迦智为适应环境需要，将激光slam和视觉导航两种技术进行融合。

激光 SLAM 是目前比较成熟的定位导航方案，视觉 SLAM 是未来研究的一个主流方向。未来，多传感器的融合是一种必然的趋势，融合使用则可能具有巨大的取长补短的潜力。