智东西（公众号:zhidxcom）

　　文 | 风和

　　4月11日，智东西创课邀请到速感科技CTO张一茗，就《从0到1了解SLAM》这一主题在智东西旗下「机器人」社群（有入群需求请天骄智小西微信zhidxrobot）开讲。本文为本场创课的全程图文实录，分为主讲+Q&A二部分。全文共计5026字，读完大概需要15分钟，你可以掌握：

　　1、SLAM的定义、发展史；

　　2、机器人视觉传感器的演进史；

　　3、三维深度传感器的不同技术路线及差异比较；

　　4、SLAM如何实现，尤其是vSLAM；

　　5、vSLAM应用在机器人上存在的问题；

　　关于嘉宾：张一茗，速感科技CTO，毕业于北京航空航天大学，参与总装备部、火箭军等多型号惯性及其组合导航定位系统设计，负责惯性/卫星/光学组合导航系统及算法设计，具有丰富的定位导航系统设计经验。

　　主讲实录

　　张一茗：感谢大家的支持，也感谢何总（注：智东西联合创始人何峰）的邀请，来到这里跟大家分享我在SLAM领域的认识和理解，也欢迎分享后和大家一起探讨SLAM技术在机器人行业的应用。

　　各位千万别客气，我先来按照我的思路来跟大家分享以下我对SLAM的理解吧。

　　SLAM全称simultaneous localization and mapping大家应该都比较熟悉了，字面可见分为两大部分：定位、构图。

　　定位（严格来说是定位、定姿）这个问题几千年来都是个炒的火热的问题。定位的场景千差万别，对精度的要求也越来越苛刻。与此同时，定位也是个细分市场，出于不同场景对于体积、成本、精度、更新频率需求的差异，衍生了多种多样的定位方式。比如GPS、惯导、DR、无线电甚至蓝牙、wifi等等。GPS具有体积小、米级定位精度、无累计误差可做差分、可授时等优势，缺点是要工作在室外，更新频率低，易受多径效应等影响。

　　惯性导航系统具有短时定位精度极高、输出频率极高，但是它的高成本、大体积、需初始对准的特性使它不会大规模进入消费类市场。消费级机器人领域，通过DR（Dead reckoning）航位推算方法，能够用很低成本的编码器，实现精准的速度控制和短时间的位置朝向估计，但是具有比较大的累计误差且不能实现重定位。随着Rangefinder、CMOS、高性能CPU的发展，人们能够用足够的算力和存储，采集足够的信息，利用场景模型等参数作为先验信息融入到位置姿态估计中。SLAM这种同时建模与构图的概念开始成为一个研究热点。

　　我这里有一篇论文《1991 Simultaneous map building and localization for an autonomous mobile robot》。（下载论文）

　　在1991年的时候，SLAM的开山鼻祖们使用了18个超声传感器，利用EKF设计了第一套针对移动机器人的SLAM系统。后来随着激光雷达的出现，系统能够更容易的识别2D平面的角点特征，雷达SLAM的实用性上升了一个级别。而后随着CPU算力的提升，图像的处理能力越来越强，基于单摄像头、多摄像头、深度摄像头的SLAM研究与应用如雨后春笋般冒出来。

　　基于视觉影像的SLAM系统体积小、功耗低、可靠性高，在提供准确定位的同时，也能够建立或稀疏或稠密的地图，给人无限遐想的空间。十多年来，学术界针对视觉SLAM的研究日新月异，创造了许多优秀的理论。然而到了今天大家也都发现，纯视觉的vSLAM依然有它的缺点，比如受光照条件影响大，高动态环境精度下降，对场景复杂度要求高等特点，以Visual-SLAM为基础的多传感器融合SLAM成为新的热点。

　　2012年美国军方提出了一个相当宏伟的概念，开展了在GPS服务被干扰、被阻断，即不能使用GPS服务背景下的高精度定位、导航与授时技术：“全源导航”（ASPN）技术研究，以期在未来对抗条件下的军事行动中保持、占据精确PNT（Position navigation time）能力的优势。希望建立一套算法和软硬件架构兼容10种以上的传感器。 尤其是最近几年，microPNT的概念也被军方炒的越来越火热。

　　目前的导航定位算法大多被迫在完备性与效率之间进行折中和选择。“全源导航”需要发展新的滤波算法，能够全面兼容各类导航算法，如高斯、非高斯统计算法，或线性、非线性测量模型算法等；同时，新的导航算法必须满足真实环境下实时运行的要求。新的导航算法应当能够处理平台运动和测量可用性之间产生的时变状态空间问题，能够对所有导航测量结果进行统计。因此，在执行任务时，新的导航算法应能够灵活地对传感器、敏感器，以及测量量的引入和去除进行调整，从而提供准确和可靠的导航解决方案。