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。