深度剖析SLAM技术

年末将至，小编决定为大家奉上超级干货，答谢大家对ARinChina的关注和热爱。于是小编十分有幸联系上了Watchhhh SLAM的开发者浙大博士刘浩敏，并向他咨询了一些关于SLAM技术的问题。

小编了解到的SLAM （simultaneous localization and mapping）是即时定位与地图构建技术，目前使用的方向主要是智能机器人、无人驾驶汽车、无人机等智能产品上。

一开始，小编的问题是关于SLAM技术在AR行业的应用，跟在机器人上使用时有什么不同跟相同的地方。刘博士给的答案很详细，大概分为以下3点：

1）精度上，AR一般更关注于局部精度，要求恢复的相机运动避免出现漂移、抖动，这样叠加的虚拟物体才能看起来与现实场景真实地融合在一起;机器人一般更关注全局精度，需要恢复的整条运动轨迹误差累积不能太大，循环回路要能闭合，而在某个局部的漂移、 抖动等问题往往对机器人应用来说影响不大。

2）效率上，AR需要在有限的计算资源下实时求解，人眼的刷新率为24帧，所以AR的计算效率通常需要到达30帧以上;机器人本身运动就很慢，可以把帧率降低，所以对算法效率的要求相对较低。

3）配置上，AR对硬件的体积、功率、成本等问题比机器人更敏感，比如机器人上可以配置鱼眼、双目或深度摄像头、高性能CPU等硬件来降低SLAM的难度，而AR应用更倾向于采用更为高效、鲁邦的算法达到需求。

接下来小编的问题是关于SLAM技术能做什么?除了SLAM技术，还有什么技术能达到SLAM一样的效果?如果有的话AR行业为何选择SLAM的问题，刘博士给出了非常精细的解释。

SLAM技术解决的是设备实时定位问题。除了SLAM传统方法常见的有下面几种：

1）在场景中贴marker，通过识别marker在图像中的位置反向恢复相机三维运动。该方案缺点为，需要marker始终处于画面中才能进行定位，使用场景无法扩展至marker之外的区域。

2）事先布置场景，比如场景各处布置信号发射源，移动设备接收信号，通过信号强弱判断自身位置;或是相反的在场景各处布置信号接收器，接受移动设备发射的信号来定位设备位置。这类方法精度通常不会太高，而且需要事先布置场景，一般应用于在特定场景执行特定任务的机器人，不适用AR。

3）GPS结合贯导进行定位，只适用于室外大场景中的定位，且通常局部精度比较低，直接用于AR的话，会频繁出现虚拟物体跳跃和漂移的现象;而高精度的GPS和贯导目前还非常昂贵，成本在数十万人民币的量级。

这些传统的定位方案要应用于AR的话都有明显的局限，相比之下，SLAM无需事先布置场景或采用昂贵的设备，不用摆放marker，能够随时扩展AR使用场景，并且可以保证局部的定位精度，使虚拟物体在用户看来能被稳稳地摆在现实场景之中，因此目前是AR理想的解决方案。

通过刘博士的介绍小编知道了SLAM在AR行业的用途，但是目前来看，目前能看到AR行业中用到SLAM技术的应用大多数是用在家居方面的，对此刘博士解释道：“AR的成熟应用本身就不多，使用了SLAM的AR应用自然也少。实际上SLAM在AR行业的应用还是非常广泛的。只要是需要虚拟信息叠加到真实场景中的应用，都离不开实时定位（并不是一定要采用SLAM来实时定位，但SLAM是一个最理想的方案）。

家具展示是个例子，虚拟家具必须放在真实的房间里。又比如车载实景导航，导航信息要出现在真实的路面或建筑上。还有AR眼镜，比如magic leap能把youtube放到桌上，把邮件放在空中，以及玩各种与场景交互的AR游戏，从桌上拿枪，天花板上掉下敌人后站在地上等等，都需要实时定位眼镜在真实场景中的方位。

问到关于是否是目前的硬件性能限制了SLAM技术的应用时，刘博士也给了很详细的回答，他认为如今的摄像头、IMU等硬件设备已经足够廉价，其性能也足以应付实时定位的需求。限制SLAM的并不是获取信息的硬件设备还未“达标”，而是来单一的信息源本身存在其固有的局限性，无论硬件性能如何突破都很难完全解决。

比如，基于图像的SLAM依赖于场景特征的丰富程度，当面对一面完全纯色、 没有任何纹理或光影的白墙，人都很难判断自身的运动，即使图像质量再高也无济于事; 基于深度的SLAM，如果某一时刻只捕捉了单一平面的深度，那么恢复的运动就存在歧义; IMU捕获的数据存在偏移量，且该偏移量会因磁场、温度、运动等因素不断变化，所以单 靠IMU数据恢复的运动误差累积地非常快。

然而，不同信息源之间的特性往往能取长补短。比如，近年来机器人领域非常火的一个研究方向，是将结合图像和IMU数据做SLAM， 当特征足够丰富的时候用图像特征标定IMU的偏移量，当特征不足时由IMU获得设备运动。 Google的Project Tango就是采用这一方案。

总得来说，硬件能给SLAM带来的提升在于，如果通过硬件能够获取更为丰富的信息源，又有相应的软件算法将这些信息相互融合，取长补短，那么势必能非常显著地提升SLAM的精度和稳定性。”

对于国内的AR行业，刘博士认为目前主流的定位解决方案还是非常简单和传统的marker跟踪，缺乏核心竞争力。Watchhhh SLAM是国内首个自主开发的SLAM系统，也是自metaio和13th Lab相继被收购后，全球范围内屈指可数的可商用SLAM系统。

非常感谢刘博士于百忙中抽出时间接受采访，为大家解答SLAM技术。