这个概念很难，难在要适用于水下，地下，丛林，郁闭森林，郊区，城市峡谷，建筑室内，开放区域等各种环境、同时还要满足步行，无人机（所有规格），潜水器，轮式车辆，履带式车辆，飞机，小型机器人等各种平台，测量影像，速度，加速度，旋转速率，时间，位置，海拔高度，方向，相位来实现组合定位导航。

　　除了2D/3D成像系统以外，他们采用了倾角罗盘，，距离/伪距测距仪，气压计，温度传感器，方位角速率传感器，GPS，激光雷达，加速度计，陀螺仪，磁力计，回转罗盘，计时器，毫米波雷达以及其他雷达，1、2、3轴AOA/LOB/TDOA传感器，计步器，星敏感器，红外传感器，无线局域网（WiFi）/射频接收机，声学传感器等等传感器。也只有用上这些传感器，才有可能实现真正全天候、全场景、全平台的定位导航系统。

　　这是他们大概的架构，可想而知有多复杂。

　　ASPN的项目给了我最大的一个警示就是：不谈场景去谈定位就是在耍流氓。所以咱们来好好谈谈针对机器人领域中的vSLAM方案。

　　vSLAM在机器人上最难的问题我认为是这句话：start as a scientist, end as an eigineer。

　　Dyson出了一款360deg的omnidirectional的vSLAM扫地机，他们的研发起于21世纪初，做了十多年，才把一个扫地机做的漂亮（受一些客观条件限制，效果没有它的外观那么漂亮）。

　　学术界上各种各样vSLAM算法天花乱坠，可是如果没有自己的技术积累和工程化经验，这离实际的产品化差距还是太远。

　　对于机器人的vSLAM而言，视觉传感器在其中举重若轻。一个好的视觉传感器就是一个明亮的眼睛。今天咱们按照维度的高低来简单介绍下：

　　传统面阵相机/多目被动式相机采用面阵CMOS作为核心元件，随着手机行业对于镜头的强劲需求，使得整个CMOS、镜头制造行业迅猛发展，低成本廉价的镜头成为轻而易举的事情。满足了机器人行业对于监控、目标识别与分析、跟踪与定位的需求。

　　机器人行业的兴起带火了很多摄像头公司，如果归类的话依然脱离不了以下几类:

　　对于单目结构光：激光投射器通过DOE投射出特征明显的散斑，被红外摄像头捕获，然后解算出深度信息。图中可以看到Kinect（采用primesense方案）透射出去的散斑图，atv，DOE二维光学结构使得激光穿过DOE时，先扩散成伪随机散斑，然后衍射为9束，形成看似随机其实略有玄机的散斑。

　　然后受投射器功率的影响，单目结构光很难工作在室外。双目结构光则可以规避这个缺陷当然还有一些其他的结构光

　　这个是hptg提供的pattern图案，他们设计的一体化投射器模组能够实现小体积低温漂移的点阵图案，他是由两幅十分规律的散斑组成，最后同时被红外相机获得，精度相对较高。

　　还有一种比较独特的方案，它采用mems微镜的方式，类似DLP原理，将激光器进行调频，通过微镜反射出去，并快速改变微镜姿态，进行行列扫描，实现结构光的投射。比如Intel的realsense方案，这种方案可以做到比hptg还要薄的厚度，缺点是信噪比相对较差，动态效果略差一点，也算是体积与性能之间的一种折中。