SLAM技术，让真正的智能机器人触手可及 - 全文

　　有一个机器人，它被关进了一间空屋子，里面放满了杂七杂八的东西。机器人感到很害怕，因为这个地方他从来没来过，一点儿也不了解。让他感到害怕的主要是三个问题：

　　1.自己在哪里？

　　2.这是什么地方？

　　3.怎么离开这个地方？

　　在SLAM（Simultaneous Localization And Mapping，即时定位与地图构建）理论中，第一个问题称为定位（Localization），第二个称为建图（Mapping），第三个则是随后的路径规划（Navigation）。

　　简单来说，SLAM是指机器人依靠自身传感器在未知环境中获得感知信息，递增地创建周围环境的地图，同时利用创建的地图实现自主定位。

　　实际上，有地图的定位和有定位的地图创建都是容易解决的，但无地图的定位和未解决定位的地图创建如同“鸡生蛋蛋生鸡”的问题（完美的定位需要用到一个无偏差的地图，但这样的地图又需要精确的位置估测来描绘），无从下手。

　　利用机器人内部安装的传感器（包括里程仪、罗盘、加速度计等），由于没有参考外部信息，在长时间的行走后误差的积累会比较大，实用性较差。因此，在依靠内部传感器的同时，借助外部传感器（如视觉传感器、激光雷达等）感知环境，就能帮助机器人解决这个难题。

　　一个由德国达姆施塔特理工大学研发的机器人正使用激光成像探测与测距技术来给迷宫绘图

　　上图的机器人描绘出的地图

　　目前，SLAM技术的实现途径主要包括VSLAM、Wifi-SLAM与Lidar SLAM。

　　1.VSLAM（视觉SLAM）

　　指在室内环境下，用摄像机、Kinect等深度相机来做导航和探索。其工作原理简单来说就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。

　　但是，室内的VSLAM仍处于研究阶段，远未到实际应用的程度。一方面，计算量太大，对机器人系统的性能要求较高；另一方面，VSLAM生成的地图（多数是点云）还不能用来做机器人的路径规划，需要进一步探索和研究。

　　2.Wifi-SLAM

　　指利用智能手机中的多种传感设备进行定位，包括Wifi、GPS、陀螺仪、加速计和磁力计，并通过机器学习和模式识别等算法将获得的数据绘制出准确的室内地图。该技术的提供商已于2013年被苹果公司收购，苹果公司是否已经把 Wifi-SLAM 的科技用到iPhone上，使所有 iPhone 用户相当于携带了一个绘图小机器人，这一切暂未可知。毋庸置疑的是，更精准的定位不仅有利于地图，它会让所有依赖地理位置的应用（LBS）更加精准。

　　3.Lidar SLAM

　　指利用激光雷达作为传感器，获取地图数据，使机器人实现同步定位与地图构建。该技术是目前最稳定、最可靠、高性能的SLAM方式。就技术本身而言，经过多年验证，已相当成熟，但Lidar成本昂贵这一瓶颈问题亟待解决。

　　采用Lidar SLAM构建出的室内地图

　　Google无人驾驶汽车正是采用该项技术，车顶安装的激光雷达来自美国Velodyne公司，售价高达7万美元以上。这款激光雷达可以在高速旋转时向周围发射64束激光，激光碰到周围物体并返回，便可计算出车体与周边物体的距离。计算机系统再根据这些数据描绘出精细的3D地形图，然后与高分辨率地图相结合，生成不同的数据模型供车载计算机系统使用。激光雷达占去了整车成本的一半，这可能也是 Google 无人车迟迟无法量产的原因之一。

　　激光雷达具有指向性强的特点，使得导航的精度得到有效保障，能很好地适应室内环境。但是，Lidar SLAM却并未在机器人室内导航领域有出色表现，原因就在于激光雷达的价格过于昂贵。