定位在無(wú)人駕駛中占據(jù)著不可替代的地位，而且未來(lái)有著可期的發(fā)展。目前無(wú)人駕駛中的定位都是依賴(lài)RTK配合高精地圖，這給無(wú)人駕駛的落地增加了不少成本與難度。試想一下人類(lèi)開(kāi)車(chē)，并非需要知道自己的全局高精定位及周?chē)脑敿?xì)環(huán)境，有一條全局導(dǎo)航路徑并配合車(chē)輛在該路徑上的位置，也就足夠了，而這里牽涉到的，便是SLAM領(lǐng)域的關(guān)鍵技術(shù)。

什么是SLAM

SLAM(Simultaneous Localization and Mapping)，也稱(chēng)為CML(Concurrent Mapping and Localization),即時(shí)定位與地圖構(gòu)建，或并發(fā)建圖與定位。問(wèn)題可以描述為：將一個(gè)機(jī)器人放入未知環(huán)境中的未知位置，是否有辦法讓機(jī)器人一邊逐步描繪出此環(huán)境完全的地圖，同時(shí)一邊決定機(jī)器人應(yīng)該往哪個(gè)方向行進(jìn)。比如掃地機(jī)器人就是一個(gè)很典型的SLAM問(wèn)題，所謂完全的地圖（a consistent map）是指不受障礙行進(jìn)到房間可進(jìn)入的每個(gè)角落。

SLAM最早由Smith、Self和Cheeseman于1988年提出。由于其重要的理論與應(yīng)用價(jià)值，被許多學(xué)者認(rèn)為是實(shí)現(xiàn)真正全自主移動(dòng)機(jī)器人的關(guān)鍵。

模擬人類(lèi)來(lái)到一個(gè)陌生的環(huán)境時(shí)，為了迅速熟悉環(huán)境并完成自己的任務(wù)（譬如找飯館，找旅館），這時(shí)應(yīng)當(dāng)依次做以下事情：

a.用眼睛觀察周?chē)貥?biāo)如建筑、大樹(shù)、花壇等，并記住他們的特征（特征提?。?/p>

b.在自己的腦海中，根據(jù)雙目獲得的信息，把特征地標(biāo)在三維地圖中重建出來(lái)（三維重建）

c.當(dāng)自己在行走時(shí)，不斷獲取新的特征地標(biāo)，并且校正自己頭腦中的地圖模型（bundle adjustment or EKF）

d.根據(jù)自己前一段時(shí)間行走獲得的特征地標(biāo)，確定自己的位置（trajectory）

e.當(dāng)無(wú)意中走了很長(zhǎng)一段路的時(shí)候，和腦海中的以往地標(biāo)進(jìn)行匹配，看一看是否走回了原路（loop-closure detection）。實(shí)際這一步可有可無(wú)。以上五步是同時(shí)進(jìn)行的，因此是Simultaneous Localization and Mapping。

激光SLAM與視覺(jué)SLAM

目前用在SLAM上的傳感器主要分兩大類(lèi)，激光雷達(dá)和攝像頭。激光雷達(dá)有單線(xiàn)多線(xiàn)之分，角分辨率及精度也各有千秋。

而VSLAM則主要用攝像頭來(lái)實(shí)現(xiàn)，攝像頭品種繁多，主要分為單目、雙目、單目結(jié)構(gòu)光、雙目結(jié)構(gòu)光、ToF幾大類(lèi)。他們的核心都是獲取RGB和depth map(深度信息)。由于受制成本的影響，視覺(jué)SLAM在近些年變得愈來(lái)愈流行，通過(guò)低成本的攝像頭進(jìn)行實(shí)時(shí)的建圖與定位，這里面的技術(shù)難度也是非常之大。以ToF（Time of Flight），一種很有前景的深度獲取方法為例。

傳感器發(fā)出經(jīng)調(diào)制的近紅外光，遇物體后反射，傳感器通過(guò)計(jì)算光線(xiàn)發(fā)射和反射時(shí)間差或相位差，來(lái)?yè)Q算被拍攝景物的距離，以產(chǎn)生深度信息。類(lèi)似于雷達(dá)，或者想象一下蝙蝠，softkinetic的DS325采用的就是ToF方案（TI設(shè)計(jì)的）。不過(guò)它的接收器微觀結(jié)構(gòu)比較特殊，有2個(gè)或者更多快門(mén)，測(cè)ps級(jí)別的時(shí)間差，但它的單位像素尺寸通常在100um的尺寸，所以目前分辨率不高。

在有了深度圖之后呢，SLAM算法就開(kāi)始工作了，由于Sensor和需求的不同，SLAM的呈現(xiàn)形式略有差異。大致可以分為激光SLAM（也分2D和3D）和視覺(jué)SLAM（也分Sparse、semiDense、Dense），但其主要思路大同小異。

SLAM算法實(shí)現(xiàn)的要素?

SLAM技術(shù)非常實(shí)用，同時(shí)難度也相當(dāng)大，在時(shí)刻需要精確定位的無(wú)人駕駛領(lǐng)域，想要完成SLAM落地也是困難重重。一般來(lái)說(shuō)，SLAM算法在實(shí)現(xiàn)的時(shí)候主要考慮以下4個(gè)方面：

1、地圖表示問(wèn)題，譬如dense和sparse都是它的不同表達(dá)方式，這個(gè)需要根據(jù)實(shí)際場(chǎng)景需求去抉擇；

2、信息感知問(wèn)題，需要考慮如何全面的感知這個(gè)環(huán)境，RGBD攝像頭FOV通常比較小，但激光雷達(dá)比較大；

3、數(shù)據(jù)關(guān)聯(lián)問(wèn)題，不同的sensor的數(shù)據(jù)類(lèi)型、時(shí)間戳、坐標(biāo)系表達(dá)方式各有不同，需要統(tǒng)一處理；

4、定位與構(gòu)圖問(wèn)題，就是指怎么實(shí)現(xiàn)位姿估計(jì)和建模，這里面涉及到許多數(shù)學(xué)問(wèn)題，物理模型建立，狀態(tài)估計(jì)和優(yōu)化；其他的還有回環(huán)檢測(cè)問(wèn)題，探索問(wèn)題（exploration），以及綁架問(wèn)題（kidnapping）。

目前比較流行的視覺(jué)SLAM框架主要包含前端和后端：

前端

前端相當(dāng)于VO（視覺(jué)里程計(jì)），研究幀與幀之間變換關(guān)系。

首先提取每幀圖像特征點(diǎn)，利用相鄰幀圖像，進(jìn)行特征點(diǎn)匹配，然后利用RANSAC去除大噪聲，然后進(jìn)行匹配，得到一個(gè)pose信息（位置和姿態(tài)），同時(shí)可以利用IMU（Inertial measurement unit慣性測(cè)量單元）提供的姿態(tài)信息進(jìn)行濾波融合后端則主要是對(duì)前端出結(jié)果進(jìn)行優(yōu)化，利用濾波理論（EKF、UKF、PF）、或者優(yōu)化理論TORO、G2O進(jìn)行樹(shù)或者圖的優(yōu)化。最終得到最優(yōu)的位姿估計(jì)。

后端

后端這邊難點(diǎn)比較多，涉及到的數(shù)學(xué)知識(shí)也比較多，總的來(lái)說(shuō)大家已經(jīng)慢慢拋棄傳統(tǒng)的濾波理論走向圖優(yōu)化去了。

因?yàn)榛跒V波的理論，濾波器穩(wěn)度增長(zhǎng)太快，這對(duì)于需要頻繁求逆的EKF（擴(kuò)展卡爾曼濾波器），PF壓力很大。

而基于圖的SLAM，通常以keyframe（關(guān)鍵幀）為基礎(chǔ)，建立多個(gè)節(jié)點(diǎn)和節(jié)點(diǎn)之間的相對(duì)變換關(guān)系，譬如仿射變換矩陣，并不斷地進(jìn)行關(guān)鍵節(jié)點(diǎn)的維護(hù)，保證圖的容量，在保證精度的同時(shí)，降低了計(jì)算量。

SLAM未來(lái)在無(wú)人駕駛領(lǐng)域的應(yīng)用

Slam技術(shù)目前已經(jīng)在多個(gè)領(lǐng)域都取得了不錯(cuò)的落地效果與成績(jī)，包括室內(nèi)的移動(dòng)機(jī)器人，AR場(chǎng)景以及無(wú)人機(jī)等等。而在無(wú)人駕駛領(lǐng)域，SLAM技術(shù)卻一直未得到太多的重視，一方面由于定位在目前的無(wú)人駕駛行業(yè)中大多通過(guò)RTK來(lái)解決，并不會(huì)投入過(guò)多的資源去進(jìn)行深入的研究，另一方面也是由于目前技術(shù)還不成熟，在無(wú)人駕駛這種關(guān)乎生命的領(lǐng)域，任何一種新技術(shù)都得經(jīng)過(guò)時(shí)間的檢驗(yàn)才能被接受。

在未來(lái)，伴隨傳感器精度的逐漸提升，SLAM也會(huì)在無(wú)人駕駛領(lǐng)域大顯身手，其成本的低昂性，性能的魯棒性，都將為無(wú)人駕駛帶來(lái)革命性的變化。而伴隨SLAM技術(shù)的逐漸火熱，也將有愈來(lái)愈多的定位人才涌進(jìn)無(wú)人駕駛領(lǐng)域，為無(wú)人駕駛注入新鮮血液，帶來(lái)新的技術(shù)方向與研究領(lǐng)域。