机器人主流定位技术激光SLAM与视觉SLAM谁更胜一筹

定位技术是机器人构建自律定位导航的最基本环节，是机器人在二维工作环境中相对于全局座标的方位及其本身的姿态。目前SLAM（SimultaneousLocalizationandMapping即时定位与地图建构）是业内主流的定位技术，有激光SLAM和视觉SLAM之分。什么是激光SLAM？激光SLAM一脉相承于早期的基于测距的定位方法(如成像和红外单点测距)。激光雷达(LightDetectionAndRanging)的经常出现和普及使得测量更慢更加定，信息更加非常丰富。

激光雷达收集到的物体信息呈现一系列集中的、具备精确角度和距离信息的点，被称作点云。一般来说，激光SLAM系统通过对有所不同时刻两片点云的给定与核对，计算出来激光雷达相对运动的距离和姿态的转变，也就已完成了对机器人自身的定位。激光雷达距离测量较为精确，误差模型非常简单，在强光照射以外的环境中运行平稳，点云的处置也较为更容易。

同时，点云信息本身包括必要的几何关系，使得机器人的路径规划和导航系统显得直观。激光SLAM理论研究也比较成熟期，落地产品更加非常丰富。什么是视觉SLAM？眼睛是人类提供外界信息的主要来源，视觉SLAM也具备类似于特点，它可以从环境中提供海量的、极富校验的纹理信息，享有极强的场景识别能力。

早期的视觉SLAM基于滤波理论，其非线性的误差模型和极大的计算出来量沦为了它简单落地的障碍。近年来，随着具备稠密性的非线性优化理论(BundleAdjustment)以及照相机技术、计算出来性能的变革，动态运营的视觉SLAM早已仍然是梦想。一般来说，一个视觉SLAM系统由前端和后端构成。

前端负责管理通过视觉增量式计算出来机器人的位姿，速度较慢。后末端，主要负责管理两个功能：一是在经常出现回环(即判断机器人返回了之前采访过的地点附近)时，找到回环并修正两次采访中间各处的方位与姿态；二是当前末端追踪遗失时，根据视觉的纹理信息对机器人展开新的定位。

非常简单说道，前端负责管理较慢定位，后末端负责管理较快的地图确保。视觉SLAM的优点是它所利用的非常丰富纹理信息。例如两块尺寸完全相同内容却有所不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以只能辨别。

这带给了重定位、场景分类上无可比拟的极大优势。同时，视觉信息可以更为更容易的被用来追踪和预测场景中的动态目标，如行人、车辆等，对于在简单动态场景中的应用于这是至关重要的。第三，视觉的投影模型理论上可以让无限远处的物体都转入视觉画面中，在合理的配备下(如长基线的双目照相机)可以展开很大尺度场景的定位与地图建构。仍然以来，业内对激光SLAM与视觉SLAM究竟谁更胜一筹，谁是未来主流趋势都有自己的观点，以下将非常简单从几个方面展开对比。

应用于场景从应用于场景来说，VSLAM的应用于场景要非常丰富很多。VSLAM在室内外环境下皆能积极开展工作，但是对光的倚赖程度低，在伺机或者一些无纹理区域是无法展开工作的。而激光SLAM目前主要被应用于在室内，用来展开地图建构和导航系统工作。

定位和地图建构精度在静态且非常简单的环境中，激光SLAM定位总体来讲高于视觉SLAM，但在较大尺度且动态的环境中，视觉SLAM因为其具备的纹理信息，展现出出有更佳的效果。在地图建构上，激光SLAM精度较高，国内思岚科技的RPLIDAR系列建构的地图精度可超过2cm左右。

本文来源：鼎盛平台官网-www.lowtideinvestments.com