什么是SLAM技术？应用领域有哪些？

随着计算机技术和传感器技术的迅速发展，人们对机器人的智能化程度要求越来越高，而利用移动机器人对未知环境的感知则是机器人智能化研究的热点和难点，SLAM技术成为移动机器人实现环境感知的关键。那么，什么是SLAM技术?应用在哪些领域?本文将具体介绍。

1.SLAM技术

移动机器人即时定位与地图创建(Simultaneous Localization And Mapping，SLAM)技术，又称为CML(Concurrent Mapping andLocalization)，是移动机器人定位及导航的最基本环节，主要用来解决移动机器人在未知环境中的自主行驶问题。SLAM技术指的是移动机器人在未知环境中依靠自身所携带的各类传感器获取周围环境的感知信息并创建环境的地图，同时利用已创建的环境地图实现自身的可靠定位的技术。

SLAM最早由Smith、Self和Cheeseman于1988年提出，至今已有30余年的发展历史。

2.SLAM技术应用领域

(1)机器人定位导航

SLAM可用于生成移动机器人所处环境的地图。基于这个地图，机器人执行路径规划、自主定位、导航等任务。

(2)无人驾驶领域

SLAM技术可以提供视觉里程计功能，然后与GPS等其他定位方式相融合。

(3)无人机领域

SLAM可以构建局部地图，辅助无人机进行自主避障、规划路径。

(4)VR/AR方面

根据SLAM得到地图和当前视角对叠加虚拟物体做相应渲染，这样做可以使得叠加的虚拟物体看起来比较真实，没有违和感。

3.slam技术发展现状

自2015年起，SLAM进入了鲁棒感知阶段，与发展之初相比，其更加注重智能化、自动化，为移动机器人在室内环境下的运行指明了技术方向。移动机器人通过添加自适应模块来增强SLAM系统的自适应性，提高系统对故障的感知能力，同时，几何建图也在朝着语义建图方向发展，着重增强移动机器人系统的智能感知能力。目前，激光SLAM和视觉SLAM都在不断地发展和优化，近年来在多个领域都有所应用。

现阶段，由于深度学习在图像处理方面的优势，视觉SLAM和深度学习的结合有着很好的表现，但此方法的实际应用还不太广泛，大多处于研究阶段。人工智能的发展更加强调工作方式的智能化，面对不理想的场景，如光照强度变化大、检测目标移动速度快等，研究者们在 SLAM 算法中引入了深度学习技术。卷积神经网络可以直接输入图像的数据信息，避免了人工对图像进行处理和提取特征，较传统的几何方法提了效率，但目前多处于实验研究阶段。深度学习与视觉SLAM的结合主要体现在以下3个方面：帧间估计、闭环检测和语义地图的建立。视觉SLAM与深度学习结合，有效改善了在室内光照变化大的环境中相机的劣势，同时省略了特征提取的过程，深度学习的模型训练还在物体移动速度快的环境中提高了系统的鲁棒性。整体上看，此方法简捷高效，避免了复杂的计算量。

以上梳理了SLAM技术的定义、应用领域及发展现状，希望对你有所帮助，如果你想了解更多相关内容，敬请关注三个皮匠报告的行业知识栏目。

本文由@2200 发布于三个皮匠报告网站，未经授权禁止转载。

推荐阅读：

什么是机器人视觉?应用领域介绍

什么是机器人定位?原理是?机器人定位技术有哪些?

什么是智能机器人?关键技术是?发展阶段有哪些?