1 SLAM概览

什么是SLAM

刚开始接触SLAM时，对“同时定位与建图”的第一印象上有种似懂非懂的样子。其中《视觉惯性slam理论与源码解析》这本书讲的比较通俗易懂。
以扫地机器人为例，它在工作时：
1）在一个未知环境里（如房间），需要知道自己位于什么位置？这个是定位（Localization）
2）需要知道自己所在的这个未知环境是怎样的？这个是建图（Mapping）
那么问题来了，既然都知道自己在房间的位置，不就可以完成清扫了吗，那么为什么还要建图呢？
建图之后，机器人可以知道自己位于地图中的位置，这样就能判断是否来过该位置，可以形成一个很好的闭环效果，对与扫地机器人而言，有了定位和地图，可以进行运动规划，设计最优路线。此外，周围世界可能会随时发生变化，比如刚才走过的地方过了一会儿多了个障碍物，下次经过时会更新之前的地图，确保运动定位与地图构建尽量保持一致。

这里给出比较容易理解的定义：
SLAM是指移动智能体（机器人、手机、无人机、汽车等等）从一个未知环境里的未知地点出发，在运动过程中通过自身传感器观测周围环境，并根据环境定位自身的位置，再根据自身位置进行增量式的地图构建，从而达到同时定位和建图的目的。
其中，定位和建图是相辅相成的，地图可以提供更好的定位，定位又可以进一步扩展地图。

从定义以及实际使用可以发现，SLAM非常强调在未知环境下自身和环境的相对位置，这其实和人类到了一个陌生环境后，通过观察周围环境来判断自己的位置是同样的道理，这个过程中人脑海里也有对周遭环境进行建图，探索过程中能够知道自己是否经过同样的地点。

SLAM与地图导航软件的区别

1）精度不同
SLAM的精度可以达到厘米级别，甚至更高，而一般的民用导航，都很难做到车道级别
2）使用环境不同
手机导航采用的卫星定位仅适用于室外开阔环境，建筑物内部、洞穴、水下等，以及某些卫星信号弱的地方，卫星定位则会失效。而SLAM则能在上述环境下发挥作用
3）自由度不同
导航软件的定位通常只是一个2D的平面坐标，也就是2个自由度，而SLAM可以得到6个自由度（位置和姿态）

SLAM应用领域

对比项目	自主移动机器人	自动驾驶汽车	增强/虚拟现实	无人机
主要传感器	鱼眼摄像头、双目摄像头、RG-D摄像头、激光雷达、轮速计	环视摄像头、激光雷达、毫米波雷达、IMU、RTK、轮速计	鱼眼摄像头、双目摄像头、RGB-D摄像头、IMU	双目摄像头、IMU、超声波、GPS
精度	关注全局定位精度，需要获得全局一致地图，误差需控制在一定范围，循环回路要能闭合	对定位精度要求较高	关注局部定位精度，要求估计的位姿非常准确，特别是AR的的虚实融合，否则可能出现明显的漂移、重影、抖动	工作范围大，对定位精度要求不高
运行效率	低于运行机器人对效率要求不高	出于安全考虑，对时效性要求非常高	在有限的计算资源下实时运行，对运行效率要求很高	在有限的计算资源下实时运行，对运行效率要求很高
鲁棒性	一般要求	出于安全考虑，鲁棒性要求非常高	要求较高	出于安全考虑，鲁棒性要求很高
硬件配置	可配置高性能硬件，对体积、功耗要求不高	可配置高性能硬件，对体积、功耗要求不高	要求硬件体积尽量小，低功耗、低成本	要求硬件体积尽量小，低功耗