視覺SLAM技術(shù)在各領(lǐng)域的應(yīng)用盤點(diǎn)

當(dāng)今科技發(fā)展速度飛快，想讓用戶在AR/VR、機(jī)器人、無(wú)人機(jī)、無(wú)人駕駛領(lǐng)域體驗(yàn)加強(qiáng)，還是需要更多前沿技術(shù)做支持，SLAM就是其中之一。實(shí)際上，有人就曾打比方，若是手機(jī)離開了WIFI和數(shù)據(jù)網(wǎng)絡(luò)，就像無(wú)人車和機(jī)器人，離開了SLAM一樣。

什么是SLAM

SLAM的英文全稱是Simultaneous Localization and Mapping，中文稱作“同時(shí)定位與地圖創(chuàng)建”。

SLAM試圖解決這樣的問(wèn)題：一個(gè)機(jī)器人在未知的環(huán)境中運(yùn)動(dòng)，如何通過(guò)對(duì)環(huán)境的觀測(cè)確定自身的運(yùn)動(dòng)軌跡，同時(shí)構(gòu)建出環(huán)境的地圖。SLAM技術(shù)正是為了實(shí)現(xiàn)這個(gè)目標(biāo)涉及到的諸多技術(shù)的總和。

SLAM通常包括如下幾個(gè)部分，特征提取，數(shù)據(jù)關(guān)聯(lián)，狀態(tài)估計(jì)，狀態(tài)更新以及特征更新等。

我們引用知乎上的一個(gè)解釋把它翻譯成大白話，就是：

當(dāng)你來(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)（比如找飯館，找旅館），你應(yīng)當(dāng)做以下事情：

a.用眼睛觀察周圍地標(biāo)如建筑、大樹、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（bundleadjustmentorEKF）

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-closuredetection）。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。

傳感器與視覺SLAM框架

智能機(jī)器人技術(shù)在世界范圍內(nèi)得到了大力發(fā)展。人們致力于把機(jī)器人用于實(shí)際場(chǎng)景：從室內(nèi)的移動(dòng)機(jī)器人，到野外的自動(dòng)駕駛汽車、空中的無(wú)人機(jī)、水下環(huán)境的探測(cè)機(jī)器人等等，均得到了廣泛的關(guān)注。

沒有準(zhǔn)確的定位與地圖，掃地機(jī)就無(wú)法在房間自主地移動(dòng)，只能隨機(jī)亂碰；家用機(jī)器人就無(wú)法按照指令準(zhǔn)確到達(dá)某個(gè)房間。此外，在虛擬現(xiàn)實(shí)（VirtualReality）和增強(qiáng)現(xiàn)實(shí)技術(shù)（ArgumentReality）中，沒有SLAM提供的定位，用戶就無(wú)法在場(chǎng)景中漫游。在這幾個(gè)應(yīng)用領(lǐng)域中，人們需要SLAM向應(yīng)用層提供空間定位的信息，并利用SLAM的地圖完成地圖的構(gòu)建或場(chǎng)景的生成。

當(dāng)我們談?wù)揝LAM時(shí)，最先問(wèn)到的就是傳感器。SLAM的實(shí)現(xiàn)方式與難度和傳感器的形式與安裝方式密切相關(guān)。傳感器分為激光和視覺兩大類，視覺下面又分三小方向。下面就帶你認(rèn)識(shí)這個(gè)龐大家族中每個(gè)成員的特性。

1.傳感器之激光雷達(dá)

激光雷達(dá)是最古老，研究也最多的SLAM傳感器。它們提供機(jī)器人本體與周圍環(huán)境障礙物間的距離信息。常見的激光雷達(dá)，例如SICK、Velodyne還有我們國(guó)產(chǎn)的rplidar等，都可以拿來(lái)做SLAM。激光雷達(dá)能以很高精度測(cè)出機(jī)器人周圍障礙點(diǎn)的角度和距離，從而很方便地實(shí)現(xiàn)SLAM、避障等功能。

主流的2D激光傳感器掃描一個(gè)平面內(nèi)的障礙物，適用于平面運(yùn)動(dòng)的機(jī)器人（如掃地機(jī)等）進(jìn)行定位，并建立2D的柵格地圖。這種地圖在機(jī)器人導(dǎo)航中很實(shí)用，因?yàn)槎鄶?shù)機(jī)器人還不能在空中飛行或走上臺(tái)階，仍限于地面。在SLAM研究史上，早期SLAM研究幾乎全使用激光傳感器進(jìn)行建圖，且多數(shù)使用濾波器方法，例如卡爾曼濾波器與粒子濾波器等。

激光的優(yōu)點(diǎn)是精度很高，速度快，計(jì)算量也不大，容易做成實(shí)時(shí)SLAM。缺點(diǎn)是價(jià)格昂貴，一臺(tái)激光動(dòng)輒上萬(wàn)元，會(huì)大幅提高一個(gè)機(jī)器人的成本。因此激光的研究主要集中于如何降低傳感器的成本上。對(duì)應(yīng)于激光的EKF-SLAM理論方面，因?yàn)檠芯枯^早，現(xiàn)在已經(jīng)非常成熟。與此同時(shí)，人們也對(duì)EKF-SLAM的缺點(diǎn)也有較清楚的認(rèn)識(shí)，例如不易表示回環(huán)、線性化誤差嚴(yán)重、必須維護(hù)路標(biāo)點(diǎn)的協(xié)方差矩陣，導(dǎo)致一定的空間與時(shí)間的開銷，等等。

2.、傳感器之視覺SLAM

視覺SLAM是21世紀(jì)SLAM研究熱點(diǎn)之一，一方面是因?yàn)橐曈X十分直觀，不免令人覺得：為何人能通過(guò)眼睛認(rèn)路，機(jī)器人就不行呢？另一方面，由于CPU、GPU處理速度的增長(zhǎng)，使得許多以前被認(rèn)為無(wú)法實(shí)時(shí)化的視覺算法，得以在10Hz以上的速度運(yùn)行。硬件的提高也促進(jìn)了視覺SLAM的發(fā)展。

以傳感器而論，視覺SLAM研究主要分為三大類：?jiǎn)文?、雙目（或多目）、RGBD。其余還有魚眼、全景等特殊相機(jī)，但是在研究和產(chǎn)品中都屬于少數(shù)。此外，結(jié)合慣性測(cè)量器件（InertialMeasurementUnit，IMU）的視覺SLAM也是現(xiàn)在研究熱點(diǎn)之一。就實(shí)現(xiàn)難度而言，我們可以大致將這三類方法排序?yàn)椋簡(jiǎn)文恳曈X>雙目視覺>RGBD。

單目相機(jī)SLAM簡(jiǎn)稱MonoSLAM，即只用一支攝像頭就可以完成SLAM。這樣做的好處是傳感器特別的簡(jiǎn)單、成本特別的低，所以單目SLAM非常受研究者關(guān)注。相比別的視覺傳感器，單目有個(gè)最大的問(wèn)題，就是沒法確切地得到深度。這是一把雙刃劍。

一方面，由于絕對(duì)深度未知，單目SLAM沒法得到機(jī)器人運(yùn)動(dòng)軌跡以及地圖的真實(shí)大小。直觀地說(shuō)，如果把軌跡和房間同時(shí)放大兩倍，單目看到的像是一樣的。因此，單目SLAM只能估計(jì)一個(gè)相對(duì)深度，在相似變換空間Sim(3)中求解，而非傳統(tǒng)的歐氏空間SE(3)。如果我們必須要在SE(3)中求解，則需要用一些外部的手段，例如GPS、IMU等傳感器，確定軌跡與地圖的尺度（Scale）。

另一方面，單目相機(jī)無(wú)法依靠一張圖像獲得圖像中物體離自己的相對(duì)距離。為了估計(jì)這個(gè)相對(duì)深度，單目SLAM要靠運(yùn)動(dòng)中的三角測(cè)量，來(lái)求解相機(jī)運(yùn)動(dòng)并估計(jì)像素的空間位置。即是說(shuō)，它的軌跡和地圖，只有在相機(jī)運(yùn)動(dòng)之后才能收斂，如果相機(jī)不進(jìn)行運(yùn)動(dòng)時(shí)，就無(wú)法得知像素的位置。同時(shí)，相機(jī)運(yùn)動(dòng)還不能是純粹的旋轉(zhuǎn)，這就給單目SLAM的應(yīng)用帶來(lái)了一些麻煩，好在日常使用SLAM時(shí)，相機(jī)都會(huì)發(fā)生旋轉(zhuǎn)和平移。不過(guò)，無(wú)法確定深度同時(shí)也有一個(gè)好處：它使得單目SLAM不受環(huán)境大小的影響，因此既可以用于室內(nèi)，又可以用于室外。