7 I! |' _2 w* D3 ]: k; b3 E+ y
" b* W. g" D, ], o 作者：
b( S9 Z2 l. \% c" w ; c! v* \6 Y v1 z7 E
, E- f1 f! [1 g
当你身处一个陌生的地方，要准确找到目的地和路线，十有八九会打开手机上的地图 app，然后定位、输入目的地、规划路线、导航。 % z, r, H, ^7 P2 q( d, p
3 h8 z, L0 M. t4 l2 H: a* c5 b8 X X
: K N8 ~5 u" _; B9 U% i 机器人也一样。当它们身处未知环境时，一样要通过以上步骤才能做出正确的运动。只不过，机器人靠的不是手机地图 app，而是 SLAM 技术。 4 p' w+ o0 r; y
0 s2 H; h) t! C4 h- s& o
; Z1 q l4 S/ O3 B9 G; [ SLAM 全称 Simultaneous Localization and Mapping，中文名曰「同步定位与地图构建」，主要用于解决机器人在未知环境运动时的定位和地图构建问题。这更像一个概念，而不是某种算法。它本身包含许多步骤，其中的每一个步骤均可以使用不同的算法实现。 # ^$ y1 Z" M3 d& a+ A
! g8 g4 y x6 |4 l- A% U+ M
3 @1 {/ [0 V( y; h' I( N. R 机器人、无人车、无人机、AR，无所不能的 SLAM
) W5 F- C9 O7 c) b) T% c
, f7 n5 h6 m |( ]- V8 `, r
. l$ g6 s2 d$ v8 t, V" Q 两年前，SLAM 最流行的应用场景还只是我们家里的扫地机器人。近几年，随着无人机、无人驾驶、服务机器人、仓储机器人以及 AR 的兴起，SLAM 作为其中核心技术的一种，正变得越来越重要。
- m9 c5 p% a! E& B. n2 |8 i5 f2 ~ - [' ?- i+ x, [; _
4 J- Z7 a" d4 N$ D, Y, s+ h
) X/ a4 i: y7 H) ~/ G4 r / O8 h* I. X$ a
: ~+ j5 V2 Z, b" m
曾引用 SLAM 技术发烧友 Guang Ling 的话，来强调 SLAM 技术的重要性：雷锋网过去一篇文章 - N' E' L) U6 [0 R7 V
/ D: J3 r. M4 e2 J0 c * X% `4 W7 D+ @8 p- q+ G
一个机器人也好，无人汽车也好，其中最核心，最根本的问题有四个，定位技术、 跟踪技术、 路径规划技术（Path Planning）, 还有就是控制技术（Controlling）。 8 N* T* e( u" a) j0 a6 G- y/ {) X
`5 }4 i3 \6 X6 ^4 u' m! ~2 P 8 f: y; c; w1 g( k( g% F: a# G
而这四个问题中的前三个，SLAM 都扮演了最核心的功能。打个比方，若是手机离开了 wifi 和数据网络，就像无人车和机器人，离开了 SLAM 一样。
( r; c* N0 v# N0 ]
* s- L" ~" }: w3 Z, S- z- k - x8 g7 T1 E/ x6 T* d
也许有读者好奇，为什么无人车也非常依赖 SLAM？因为无人车被看作移动机器人的一种，也需要首先解决定位、避障和导航的问题。目前用在无人驾驶汽车上的 SLAM 主要是基于激光雷达传感器，后面会详细提到。 # u! `9 ^$ { I' R' a4 d
x- B* ]6 q; |! Q
# J; ~+ W1 y% E4 h
( ?5 S9 \! k; c# Z$ h" j ! N. S8 q. C5 e8 i+ w
! [0 z( Q# b6 Z* d 天上飞的的无人机同样需要 SLAM 来「添翼」。SLAM 能让无人机知道障碍物在哪里，进而实现自动避障的功能。
# H7 b+ E6 v6 s * u$ h ?, T @- B0 h
/ @% x6 i& m0 |' c3 k X 香港科技大学助理研究员徐枭涵曾在知乎上如此形容 SLAM 对无人机的重要性： : n' f* S. a* r3 s) @1 i
: b' _3 i. y* d: k
; a$ Y4 I W1 g 所有的关于无人机的梦想都建立在 SLAM 之上，这是无人机能飞（具有定位，姿态确定以后）的时代以后，无人机最核心的技术。也是现代无人机和玩具的区别。
% S2 X" J% ]- } 1 Y( D+ z: J# m2 L/ X
* ]* \' w6 s# K
" _: a' Q5 f7 y
/ ` q c5 e: r2 m/ c$ r
* V( d' W3 R. y8 M# [: K; ^ 无人车、无人机，都可以算作机器人的一种，依赖 SLAM 很好理解。但与机器人没什么关系的 AR 设备，其实也是 SLAM 的一个重要应用。
2 Z/ A/ X" T3 y& t1 ~& y$ J s* c
6 H' Y9 v$ E' j* A1 t4 {5 O
- G. d9 I1 c5 s 如果没有 SLAM 加持，所有头戴眼镜就只是一个近眼投影设备。有了 SLAM，AR 眼镜才能知道自己的空间坐标和相对于室内各种障碍物的位置，同时识别出各种室内摆件的形状。这是 AR 设备人机交互的基础。 # ]/ m% }8 b5 \$ J/ [! s. D3 L
& Q" `, T+ Q; g7 v- V3 X/ y
( A$ ~, o$ W8 X1 m- C1 s( \8 i& O 0 m% v# g) r7 l2 d; R" B7 @; u' B
. p0 x5 o6 g- J( u + J/ @2 o S8 v& a
由于 AR 是将虚拟图像叠加在真实物体上，所以 SLAM 的应用讲究局部精度，要求避免出现漂移、抖动的现象，虚拟与真实才能完美地融合在一起。另外，AR 对帧率、硬件体积、计算量、功率、成本等问题都更敏感。
2 }( C5 r/ B+ U: x9 ?( l/ U 2 C# S i; Z( ~# M) ^6 v. j
8 R L: i" Z% K. f+ U. I
激光雷达、单目、双目、RGBD，SLAM 传感器的分类
; C+ S2 ^) e4 A% X/ I
, h0 ^* @& U2 g4 T % x2 U2 P# Y0 Z4 ^- v
实现 SLAM 的第一步，是选择传感器的形式和安装方式。传感器分为激光雷达和视觉两大类，视觉下面又分三小方向。 9 l b" ]- u5 ~( r! o$ {' E
3 y4 }4 h4 k, l% H& S! k% w0 l 4 k) j4 r& p9 T- Y# j( G9 Y
激光雷达 3 A" t3 h' q7 `" W% [: ]
: o' X4 b$ @, i7 B; l3 l
( p4 s, N! \, Y4 @* O1 t 激光雷达能以很高精度测出机器人周围障碍点的角度和距离，而且速度快，计算量也不大，容易做成实时 SLAM。激光雷达一般用于扫描一个平面内的障碍物，适用于适用于平面运动的机器人（如无人车、扫地机器人）。 4 S& Y' m9 a6 J4 ^( G) l# }4 q
' Y; g, s. U5 t7 P# Q. M2 \& K, y2 { & J$ V( p4 h8 [8 U" A" [) \# Y3 \) P
许多行业分析师认为，激光雷达是实现全自动驾驶的关键传感器，其产品被以 Google、百度为代表的企业认可。 5 }- s( |; h8 e& {2 d
) k& U u1 G# I3 v
7 l. Q: [3 v2 C, k w8 Z
7 ~4 l2 ~0 k o# r0 Z8 K( A8 P
6 ]& h& a) D5 r+ t& s" k0 F9 [8 ? * a* ^* s2 }# k! T5 P# W
不过，激光雷达制造成本高，价格十分昂贵，比如 Google 无人车目前使用的激光传感器单个定制成本在 8 万美元左右，百度采购一台激光雷达也要 70 万人民币。
( C* q; a8 X1 m# T* |
+ c+ T6 K( ?7 l
, s0 O6 D4 S1 y& q/ d+ _& j 成本已然成为激光雷达普及最大的拦路虎。2016 年 8 月福特和百度一起投资了激光雷达厂商 Velodyne LiDAR 1.5 亿美元，目的就是帮助 Velodyne 降低激光传感器的成本。Velodyne 希望将激光雷达的价格降到 300 到 500 美元之间，以满足大众汽车市场。 ; b5 D1 e; r' [; U% O
5 }3 ?& R8 u& n' Q
* O! @ M1 t& W) C! w/ Y
视觉 SLAM
" a$ f" a) D- ] 3 d c8 Q3 G0 ^+ Q
+ M3 F0 H- z( j T5 v) A7 ^
视觉 SLAM 是 21 世纪 SLAM 研究热点之一。CPU、GPU 处理速度的增长和硬件的提高，让许多以前被认为无法实时化的视觉算法，得以在 10 Hz 以上的速度运行。
( g1 B4 u( G4 Z8 X# r% e& p : k+ h' B. m, \& ~' ~
! l& [0 n. o! M5 O 按照摄像头的数量和种类分，视觉 SLAM 分 3 个子方向：单目、双目（或多目）、RGBD。此外，还有鱼眼、全景等特殊摄像头，但是都属于少数。 , g% \3 N2 \0 ?. h) u! \8 x
* y3 g, E7 [& \8 t" f) R# L " t( ?+ D, p- {
单目相机 SLAM 只需要一个普通的 2D 摄像头，成本优势大。但普通 2D 摄像头没法获取深度信息，它捕获的仅仅是一张 2D 图像。深度信息缺失有什么影响？引用：知乎用户「半闲居士」的一个回答 6 b: k0 w+ i7 n6 n$ G- C
7 R) s, o" Y; h$ o& k4 p8 R
( f( G5 j" F0 h- \; M& m 没有距离信息，我们不知道一个东西的远近——所以也不知道它的大小。它可能是一个近处但很小的东西，也可能是一个远处但很大的东西。只有一张图像时，你没法知道物体的实际大小（Scale）。
/ G# a) v7 A2 V/ _3 V* j' J5 i
% ]! B3 Q% j% q/ y0 h; j2 n
9 K* }/ A! _/ `) b' L7 Z8 t# M # h0 s" p3 B. M; C
4 Y' ?; d# ]* c' Y# t
' Y, ]' O, Q; [# o' Q 另一方面，单目相机也无法依靠一张图像获得图像中物体离自己的相对距离。
4 x9 } I' e1 A. e2 b# z( I
/ r; m0 V0 H7 I$ T, U o: `
6 |' P6 p; C$ E4 L+ d+ d; J 但这两个问题都有对应的解决办法。比如，通过借助 GPU 和 IMU（Inertial Measurement Unit，惯性测量器件）确定物体的大小，依靠运动中的三角测量，来求解相机运动并估计像素的空间位置。
$ p4 D3 c: [$ P e0 j+ }- } , ]! l3 I. R5 s% K. ]
1 M/ B$ K# m; y$ I
双目 SLAM 消除了单目的很多麻烦。双目视觉和人眼类似，通过左右眼图像的差异来计算距离——也就是所谓的立体视觉（Stereo）。
1 j6 W6 f. z. ]; R4 } : [3 W/ d' c2 a% U+ u! H
, K# u! G: V4 [4 }" \+ Z" M6 B6 {
但双目 SLAM 的计算量非常大，通常需要用到可编程门阵列 FPGA。而且其其深度量程也受双目的基线与分辨率限制。 . N* g) O& b8 ~; ?8 r
$ ^- d( S* M6 [9 O+ n6 |; C
8 _2 p/ Y/ l' m2 K- H
RGBD SLAM 的传感器是深度摄像头，能直接记录深度信息。深度摄像头通过把光投射到物体表面，再测量反射的信息来计算距离，具体原理有两种：结构光或 Time-of-Flight。它比传统相机能够提供更丰富的信息，也不必像单目或双目那样费时费力地计算深度。Kinect 就是一种比较常见的深度摄像头。不过，现在多数 RGBD 相机还存在测量范围窄、噪声大、视野小等诸多问题。 4 }) ?% @! e7 K/ v- `( f' I
' q' T/ @, T2 M
: `# Q% Z# ?5 ] C
$ e& _' k+ y$ [% ]" D# f: w
7 i1 @& x9 F7 \0 A, K1 @' [
+ L; |& q: |2 p5 f4 y
总的来说，SLAM 的实现方法多种多样，应用场景也不断打开。但「由于产品和硬件高度差异化，而 SLAM 相关技术的整合和优化又很复杂，导致算法和软件高度碎片化，所以市场上目前还没有一套通用普适的解决方案，在短时间内也不会有」。 : y' ~: G. A+ O) C3 ~" b
# q( S" J6 M% i 9 ~8 H K. V1 x I2 s2 m$ q
OD
2 s! R n5 Q# Y% w& |0 X. y
7 `. ]6 c I( H" Y/ \( g - w( P$ g. f: \! E! u
举报/反馈
$ g3 Z2 ` ^( ]) ^9 G Q Z+ d4 Z$ x" r! }9 {
: Z6 ]9 C' ]4 k, n
" Q2 w- \9 [0 E/ |' R
, d+ x+ `1 i% `3 f6 ^1 q
. s& B6 h" n. j/ v4 j' m/ p | 
