SLAM中LiDAR和Visual 传感器的对比

激光雷达（LiDAR）和视觉相机（Visual Camera）是SLAM中最常用的两类sensor，他们有什么优缺点？研究者和工程师们又该怎么却选择呢？针对该问题将从以下方面进行一些分析。

 

1、sensor 感知真实物理世界的能力（源数据好不好）

毫无疑问，sensor是用来感知真实物理世界的，因此sensor所编码输出的数据（归根到底都是一串无聊的二进制码）所反映物理世界的完备度、精准度、鲁棒度，是一些重要的指标。

LiDAR输出3d离散点云，辐射信息多数不靠谱。说是3d，但其实更像2.5d，因为现实物理世界是一个3D实体空间，而LiDAR的点云只是一层有深度差异的表面surface模型，surface背后的信息它并无法穿透去感知，因此严格讲是2.5d。辐射信息不太可靠，多光谱激光雷达尚处于实验室阶段。

Visual Camera 输出2d图像信息，由于分辨率比较高可以认为是连续性的，根据辐射值分为灰度图像和RGB图像。

1）完备性方面：2.5d vs 3d+rgb；前者几何信息更丰富，多0.5d，后者有更多辐射信息。前者离散采样，后者连续采样，局部后者采样丰富。

2）精确度方面：几何上前者比后者多了深度信息，更精确；后者有辐射信息；

3）鲁棒度方面：点云在角点处噪声更大；影像在不同光照条件下辐射值会变化。

2、pose估计的能力

SLAM中用到的pose估计发生在三个地方： 相邻单帧匹配；关键帧（局部子图\窗口图）匹配；全局闭环检测匹配。

相邻单帧匹配，点云鲁棒性更高，精度在不同环境中各有千秋；

关键帧（局部子图\窗口图）匹配，但由于点云数据的离散型，选取关键帧时距离不能太大，运动距离大时相邻两帧点云的采样密度差异比较大；此时影像更能适应较长的窗口。

全局闭环检测匹配，很难说。