機器人主流定位技術解讀及優缺點分析

定位技術是機器人實現自主定位導航的最基本環節，是機器人在二維工作環境中相對于全局坐標的位置及其本身的姿態。目前SLAM （Simultaneous Localization and Mapping即時定位與地圖構建）是業內主流的定位技術，有激光SLAM和視覺SLAM之分。

什么是激光SLAM？

激光SLAM脫胎于早期的基于測距的定位方法(如超聲和紅外單點測距)。激光雷達(Light Detection And Ranging)的出現和普及使得測量更快更準，信息更豐富。激光雷達采集到的物體信息呈現出一系列分散的、具有準確角度和距離信息的點，被稱為點云。通常，激光SLAM系統通過對不同時刻兩片點云的匹配與比對，計算激光雷達相對運動的距離和姿態的改變，也就完成了對機器人自身的定位。

激光雷達距離測量比較準確，誤差模型簡單，在強光直射以外的環境中運行穩定，點云的處理也比較容易。同時，點云信息本身包含直接的幾何關系，使得機器人的路徑規劃和導航變得直觀。激光SLAM理論研究也相對成熟，落地產品更豐富。

什么是視覺SLAM？

眼睛是人類獲取外界信息的主要來源，視覺SLAM也具有類似特點，它可以從環境中獲取海量的、富于冗余的紋理信息，擁有超強的場景辨識能力。早期的視覺SLAM基于濾波理論，其非線性的誤差模型和巨大的計算量成為了它實用落地的障礙。近年來，隨著具有稀疏性的非線性優化理論(Bundle Adjustment)以及相機技術、計算性能的進步，實時運行的視覺SLAM已經不再是夢想。

通常，一個視覺SLAM系統由前端和后端組成。前端負責通過視覺增量式計算機器人的位姿，速度較快。后端，主要負責兩個功能：

一是在出現回環(即判定機器人回到了之前訪問過的地點附近)時，發現回環并修正兩次訪問中間各處的位置與姿態；

二是當前端跟蹤丟失時，根據視覺的紋理信息對機器人進行重新定位。簡單說，前端負責快速定位，后端負責較慢的地圖維護。

視覺SLAM的優點是它所利用的豐富紋理信息。例如兩塊尺寸相同內容卻不同的廣告牌，基于點云的激光SLAM算法無法區別他們，而視覺則可以輕易分辨。這帶來了重定位、場景分類上無可比擬的巨大優勢。同時，視覺信息可以較為容易的被用來跟蹤和預測場景中的動態目標，如行人、車輛等，對于在復雜動態場景中的應用這是至關重要的。第三，視覺的投影模型理論上可以讓無限遠處的物體都進入視覺畫面中，在合理的配置下(如長基線的雙目相機)可以進行很大尺度場景的定位與地圖構建。

一直以來，業內對激光SLAM與視覺SLAM到底誰更勝一籌，誰是未來主流趨勢都有自己的看法，以下將簡單從幾個方面進行對比。

應用場景

從應用場景來說，視覺SLAM 的應用場景要豐富很多。視覺SLAM 在室內外環境下均能開展工作，但是對光的依賴程度高，在暗處或者一些無紋理區域是無法進行工作的。而激光 SLAM 目前主要被應用在室內，用來進行地圖構建和導航工作。

定位和地圖構建精度

在靜態且簡單的環境中，激光SLAM定位總體來講優于視覺SLAM，但在較大尺度且動態的環境中，視覺SLAM因為其具有的紋理信息，表現出更好的效果。在地圖構建上，激光 SLAM精度較高，國內思嵐科技的 RPLIDAR 系列構建的地圖精度可達到 2cm 左右。而視覺SLAM，比如大家常見的，也用的非常多的深度攝像機 Kinect，（測距范圍在 3-12m 之間），地圖構建精度約 3cm；所以激光 SLAM 構建的地圖精度一般來說比 視覺SLAM 高，且能直接用于定位導航。

易用性

激光 SLAM 和基于深度相機的 視覺SLAM 均是通過直接獲取環境中的點云數據，根據生成的點云數據，測算哪里有障礙物以及障礙物的距離。但是基于單目、雙目、魚眼攝像機的 視覺SLAM 方案，則不能直接獲得環境中的點云，而是形成灰色或彩色圖像，需要通過不斷移動自身的位置，通過提取、匹配特征點，利用三角測距的方法測算出障礙物的距離。

除了上面幾點之外，在探測范圍、運算強度、實時數據生成、地圖累計誤差等方面，激光 SLAM 和視覺 SLAM 也會存在一定的差距。

注：左為 Lidar SLAM，右為 視覺SLAM，數據來源：KITTI

可以明顯看出，對于同一個場景，視覺SLAM 在后半程中出現了偏差，這是因為累積誤差所引起的，所以 視覺SLAM 要進行回環檢驗。

總體來說，激光 SLAM 是目前比較成熟的機器人定位導航技術，而視覺 SLAM是未來研究的主流方向。未來，多傳感器的融合是一種必然的趨勢。取長補短，優勢結合，為市場打造出真正好用的、易用的 SLAM 方案。