作者：思岚科技
SLAM（同步定位与舆图构建），是指运动物体根据传感器的信息，一边打算自身位置，一边构建环境舆图的过程，办理机器人等在未知环境下运动时的定位与舆图构建问题。目前，SLAM 的紧张运用于机器人、无人机、无人驾驶、AR、VR 等领域。其用场包括传感器自身的定位，以及后续的路径方案、运动性能、场景理解。
由于传感器种类和安装办法的不同，SLAM 的实现办法和难度会有一定的差异。按传感器来分，SLAM 紧张分为激光 SLAM 和 VSLAM 两大类。个中，激光 SLAM 比 VSLAM 起步早，在理论、技能和产品落地上都相对成熟。基于视觉的 SLAM 方案目前紧张有两种实现路径，一种是基于 RGBD 的深度摄像机，比如 Kinect；还有一种便是基于单目、双目或者鱼眼摄像头的。VSLAM 目前尚处于进一步研发和运用处景拓展、产品逐渐落地阶段。
激光 SLAM：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。
激光 SLAM 舆图构建
VSLAM（基于视觉的定位与建图）：随着打算机视觉的迅速发展，视觉 SLAM 由于信息量大，适用范围广等优点受到广泛关注。
（1）基于深度摄像机的 Vslam，跟激光 SLAM 类似，通过网络到的点云数据，能直接打算障碍物间隔；
（2）基于单目、鱼眼相机的 VSLAM 方案，利用多帧图像来估计自身的位姿变革，再通过累计位姿变革来打算间隔物体的间隔，并进行定位与舆图构建；
视觉 SLAM 舆图构建，图片来源：百度 AI
一贯以来，不管是家当界还是学术界，对激光 SLAM 和 VSLAM 到底谁更胜一筹，谁是未来的主流趋势这一问题，都有自己的意见和见地。下面就大略从几个方面对比了一下激光 SLAM 和 VSLAM。
本钱
不管是 Sick，北洋，还是 Velodyne，价格从几万到几十万不等，成本相对来说比较高，但目前海内也有低本钱激光雷达（RPLIDAR）办理方案。VSLAM 紧张是通过摄像头来采集数据信息，跟激光雷达一比拟，摄像头的本钱显然要低很多。但激光雷达能更高精度的测出障碍点的角度和间隔，方便定位导航。
运用处景
从运用处景来说，VSLAM 的运用处景要丰富很多。VSLAM 在室内外环境下均能开展事情，但是对光的依赖程度高，在暗处或者一些无纹理区域是无法进行事情的。而激光 SLAM 目前紧张被运用在室内，用来进行舆图构建和导航事情。
舆图精度
激光 SLAM 在构建舆图的时候，精度较高，思岚科技的 RPLIDAR 系列构建的舆图精度可达到 2cm 旁边；VSLAM，比如常见的，大家也用的非常多的深度摄像机 Kinect，（测距范围在 3-12m 之间），舆图构建精度约 3cm；以是激光 SLAM 构建的舆图精度一样平常来说比 VSLAM 高，且能直接用于定位导航。
易用性
激光 SLAM 和基于深度相机的 VSLAM 均是通过直接获取环境中的点云数据，根据天生的点云数据，测算哪里有障碍物以及障碍物的间隔。但是基于单目、双目、鱼眼摄像机的 VSLAM 方案，则不能直接得到环境中的点云，而是形成灰色或彩色图像，须要通过不断移动自身的位置，通过提取、匹配特色点，利用三角测距的方法测算出障碍物的间隔。
安装办法
雷达最先开始运用于军事行业，后来逐渐民用。被大家广泛知晓最先该当是从谷歌的无人车上所知道的。当时 Velodyne 雷达体积、重量都较大，运用到一些实际场景中显然不适宜。比如无人机、AR、VR 这种，本身体积就很小，再搭载大体积的激光雷达的话，根本无法利用，也影响美感和性能。以是 VSLAM 的涌现，利用摄像头测距，填补了激光雷达的这一缺陷，安装办法可以随着场景的不同实现多元化。
其他
除了上面几点之外，在探测范围、运算强度、实时数据天生、舆图累计偏差等方面，激光 SLAM 和视觉 SLAM 也会存在一定的差距。
比如：
注：左为 Lidar SLAM，右为 VSLAM，数据来源：KITTI
可以明显看出，对付同一个场景，VSLAM 在后半程中涌现了偏差，这是由于累积偏差所引起的，以是 VSLAM 要进行回环考验。
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。以是，未来，多传感器的领悟是一种一定的趋势。取长补短，上风结合，为市场打造出真恰好用的、易用的 SLAM 方案。
SLAMTEC—思岚科技努力在自己的领域里，把激光 SLAM 定位导航方案进一步优化、升级，结合市场上的优质技能，努力做到为市场供应好用的定位导航办理方案。