当下激光雷达Slam和视觉Slam的瓶颈是什么？

作者 | 孙成浩  编辑 | 3D视觉之心

原文链接：https://www.zhihu.com/question/660844700/answer/89494980006

点击下方卡片，关注“3D视觉之心”公众号

第一时间获取3D视觉干货

>>点击进入→3D视觉之心技术交流群

已经（基本）解决的问题

1. 低动态场景下的建图；

2. 基于先验地图的厘米级定位；

3. 室外与gps互补，提供高频平滑的轨迹；

工程上的一些不足（多数从业者可以解决的问题）

1. 视觉slam：低纹理场景下鲁棒性不足（可以通过引入多摄像头和以superpoint为代表的学习类匹配方法改善）

2. 激光slam：几何结构相似场景的定位/重定位（面对具体业务场景，可以通过多种trick解决，例如加反光柱）

3. 通病：高动态场景地图的维护与稳定定位（建图时选择静态场景，定位时轮式机器人通过轮速计，腿式机器人通过pdr实现定位约束）

4. 更低的占用，更高的频率，更高的精度与鲁棒性。这些其实不是问题哈哈哈，看具体项目吧。

真正的危机

1. 如何长时高动态的自动地图维护：面对以年为时间单位的动态地图，如何自主的维护地图，并智能实现高召回率的重定位与鲁棒的定位。

2. 如何建立更好的语义地图。如何使用预训练的vlm模型，建立一个高信息密度的语义地图，实现多种地图查询任务。这涉及到大模型，具身智能，导航等相关技术，未来的slam肯定不是一个独立的工作站，而是要向端到端靠拢。

3. slam这个技术栈的重要性在减弱。面对大多数场景，其实不需要高精度的定位（想想人类的定位模式）。在具身智能时代，我们更希望机器人在简单的拓扑地图先验下，使用粗精度（米级）的定位与实时环境感知完成导航与操作任务。

【3D视觉之心】技术交流群

3D视觉之心是面向3D视觉感知方向相关的交流社区，由业内顶尖的3D视觉团队创办！聚焦三维重建、Nerf、点云处理、视觉SLAM、激光SLAM、多传感器标定、多传感器融合、深度估计、摄影几何、求职交流等方向。扫码添加小助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）

扫码添加小助理进群

【3D视觉之心】知识星球

3D视觉之心知识星球主打3D感知全技术栈学习，星球内部形成了视觉/激光/多传感器融合SLAM、传感器标定、点云处理与重建、视觉三维重建、NeRF与Gaussian Splatting、结构光、工业视觉、高精地图等近15个全栈学习路线，每天分享干货、代码与论文，星球内嘉宾日常答疑解惑，交流工作与职场问题。