OFweek机器人网络

SLAM表示同时定位和地图，这意味着实时定位和地图构建.

SLAM由Smith，Self和Cheeseman于1988年首次提出，具有30多年的发展历史.

与诸如深度学习，神经网络和大数据之类的流行词汇相比，对SLAM的了解较少，因为从事相关研究的国内机构数量甚至更少. 直到2015年左右，SLAM逐渐成为中国机器人技术和计算机视觉领域的流行研究方向，并在目前更流行的领域中崭露头角.

本文仅适用于尚未接触SLAM的新手的流行科学.

近年来，移动机器人技术在世界范围内发展迅速. 人们致力于在各种场景中应用移动机器人，从室内和室外搬运机器人到服务机器人再到工业机器人. 移动机器人的使用取得了巨大突破.

移动机器人研究中最关键的技术之一是实时定位和地图绘制，即所谓的SLAM技术. SLAM试图解决这样的问题: 机器人如何在未知环境中运动，如何通过观察环境确定自己的轨迹以及同时构建环境图.

SLAM技术是实现此目标所涉及的许多技术的总和. 由于其重要的理论和应用价值，许多学者认为移动机器人自主控制理论与技术，这是实现真正的全自动移动机器人的关键.

SLAM系统通常分为五个模块: 传感器数据，视觉里程表，后端，映射和环回检测.

传感器数据: 它主要用于在实际环境中收集各种类型的原始数据. 包括激光扫描数据，视频图像数据，点云数据等.

视觉里程表: 主要用于估计移动目标在不同时间的相对位置. 包括特征匹配，直接配准等算法的应用.

后端: 主要用于优化视觉里程表带来的累积误差. 包括过滤器和图形优化等算法.

映射: 用于3D地图构建.

循环检测: 主要用于消除空间累积误差

工作流程大致为:

在传感器读取数据之后，视觉里程表会估计两个时刻的相对运动（自我运动）. 后端处理视觉里程表估计结果的累积误差. 建立地图并考虑同一场景中不同时间的图像，并提供空间限制以消除累积误差.

目前，SLAM（即时定位和地图构建）技术主要用于无人机，无人驾驶，机器人技术，AR，智能家居等领域.

与核心功能模块不同，当前常见的移动机器人SLAM系统通常具有两种形式: 基于激光雷达的SLAM（激光SLAM）和基于视觉的SLAM（Visual SLAM或VSLAM）.

激光SLAM源于基于早期测距的定位方法（例如超声和红外单点测距）. 激光雷达的出现和普及（光检测和测距）使测量更快，更准确，信息更丰富.

激光雷达收集的物体信息显示了一系列具有精确角度和距离信息的分散点，称为点云. 通常，激光SLAM系统通过匹配和比较两点在不同时刻的点云来计算激光雷达相对运动的距离和姿态变化，从而完成机器人本身的定位.

激光雷达距离测量更准确，误差模型简单，在直射光以外的环境中操作稳定，并且点云的处理相对容易. 同时，点云信息本身包含直接的几何关系，从而使机器人的路径规划和导航变得直观. Laser SLAM理论研究也相对成熟，着陆产品也更加丰富.

Visual SLAM主要通过相机实现. 照相机的类型很多，主要分为单目，双目，单眼结构光，双目结构光和ToF. 基于深度相机的V-SLAM，类似于激光SLAM，可以通过收集的点云数据直接计算障碍物的距离；基于单眼和鱼眼镜头的V-SLAM方案使用多个图像帧来估计其自身的姿势变化，然后通过累积姿势变化来计算距对象的距离，并执行定位和地图构建.

激光SLAM与视觉SLAM的比较

很长一段时间以来，该行业对于谁在激光SLAM和视觉SLAM方面更胜一筹以及谁是未来的主流趋势有自己的看法. 以下是从以下角度进行的简单比较:

技术发展

早在2005年，对激光SLAM进行了深入研究，并初步确定了框架. Laser SLAM是目前最稳定，最主流的定位和导航方法； visual SLAM当前正处于进一步的开发和应用场景中. 扩张，产品逐渐降落.

使用环境

Laser SLAM主要用于室内；视觉SLAM可以在室内和室外均可使用，但是它对光线的依赖性很高，不能在黑暗的地方或某些无纹理的区域使用.

地图准确性

与两者相比，Laser SLAM可以高精度地构建地图，而不会产生累积误差，并且可以直接用于定位和导航.

通过比较移动机器人自主控制理论与技术，我们发现激光SLAM和视觉SLAM都比较出色. 与两者相比，激光SLAM构建的地图精度高，没有累积误差，可以直接用于定位导航.

当然，激光SLAM也有某些限制. 例如，在两边都是墙壁的长而直的走廊中，或者在动态变化的环境中，仅依靠激光SLAM容易造成定位丢失.

现代机器人是一家以控制与调度为核心的高科技企业. 它基于激光SLAM导航，集激光反射器导航，二维码导航，惯性制导，等功能于一体，并采用了多传感器融合算法. 使移动机器人的定位更准确，功能更强大且在环境中具有通用性，能够应对长廊，具有高动态特性的复杂环境以及地面坑洼.

在长廊和高度动态的环境中，可以自由切换到激光反射器导航和二维代码导航，以确保不会丢失定位. 在相对恶劣的地面条件下，您可以选择3D相机接地. 识别并检测出坑洼，三维障碍物等，并根据参数配置选择移动机器人停止或绕过.

此绕移动机器人的360°综合安全检测；在基于SRC的激光SLAM自动叉车解决方案中，通过3D，红外传感器，超声波和安全的触摸等方式来实现安全保护. 确保自动叉车在操作过程中人员和货物的安全.

实际上，如果您希望移动机器人应对各种复杂的使用场景，则激光SLAM和视觉SLAM将不可避免地在相互竞争和融合中发展. 多传感器融合导航必将成为未来的发展方向. 借助移动机器人的核心技术解决方案，它将取代体力劳动，完成简单，重复和繁重的工作，真正为人类服务.

关于先知

上海先之机器人科技是一家以移动机器人控制与调度为核心的高新技术企业. 作为一站式移动机器人解决方案专家，先至机器人已经掌握了具有自主知识产权的移动机器人的核心技术，并在工业自动化领域拥有丰富的项目经验. 仙之机器人致力于服务于各个行业的集成商，并为其提供一站式的移动机器人解决方案，包括移动机器人控制，调度和信息管理.

目前，先智机器人的产品，技术和解决方案已广泛应用于汽车制造，家用电器制造，3C电子制造，半导体制造，食品和烟草，电子商务仓储，安全检查，商业服务，医学教育和其他领域.

先知机器人积极履行“让智能创造价值”的企业使命，不断坚持技术创新，以开放，宽容，合作共赢的态度与合作伙伴合作，最大限度地提高客户对产品，技术和产品的满意度. 解决方案. 追求高品质，努力“成为机器人行业的创新者和领导者！”

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-161612-1.html