許多家庭現(xiàn)在使用自動(dòng)吸塵器，該吸塵器內(nèi)置激光雷達(dá)傳感器，并使用 SLAM 來(lái)清潔地板。還有最后一英里的送貨機(jī)器人和倉(cāng)庫(kù)機(jī)器人，利用 SLAM 來(lái)快速適應(yīng)不斷變化的操作環(huán)境。

SLAM 受益于激光雷達(dá)和邊緣計(jì)算等新進(jìn)步，不斷發(fā)展并突破界限。SLAM 有許多變體，每種變體都有優(yōu)點(diǎn)和缺點(diǎn)，具體取決于用例。

SLAM 是機(jī)器人技術(shù)中的重要組成部分，可幫助機(jī)器人在地圖上估計(jì)其姿態(tài)（位置和方向），同時(shí)創(chuàng)建環(huán)境地圖以執(zhí)行自主活動(dòng)。

為什么要使用SLAM

通過(guò)利用 SLAM，吸塵器能夠僅更新與上次掃描相比發(fā)生變化的位置。這樣一來(lái)，它就能更高效地完成掃地的主要工作。機(jī)器人可以依靠墻壁來(lái)獲得一致的參考，但是當(dāng)一件家具位于意外位置時(shí)，機(jī)器人將更新地圖。

類似的好處也適用于其他自主機(jī)器人，例如最后一英里的送貨機(jī)器人。社區(qū)的總體地圖可以提供給送貨機(jī)器人，但機(jī)器人可以通過(guò) SLAM 來(lái)響應(yīng)任何新物體，例如停放的汽車或行人。 

礦井的 SLAM 輸出

當(dāng)無(wú)法獲取地圖時(shí)，例如礦井、火山隧道或火星，也可以使用 SLAM自主機(jī)器人能夠檢查此類未知條件，創(chuàng)建準(zhǔn)確的地圖，并與控制器共享結(jié)果以進(jìn)行進(jìn)一步的研究或探索。

基于相機(jī)的 SLAM

當(dāng)相機(jī)用于捕捉場(chǎng)景時(shí)，它能夠記錄具有豐富細(xì)節(jié)的高分辨率圖像。計(jì)算機(jī)視覺(jué)算法，例如SIFT（尺度不變特征變換）或ORB（定向FAST和旋轉(zhuǎn)BRIEF），可用于檢測(cè)特征。例如，如果機(jī)器人使用相機(jī)繪制倉(cāng)庫(kù)地圖，則記錄的圖片可能有托盤(pán)、貨架和門(mén)。通過(guò)檢查相鄰像素顏色的差異，機(jī)器人可以識(shí)別場(chǎng)景中存在不同的物體。

基于激光雷達(dá)的 SLAM

與基于相機(jī)的 SLAM 不同，激光雷達(dá)傳感器本身收集有關(guān)場(chǎng)景中捕獲的物體的深度和幾何形狀的信息。如果上面的同一倉(cāng)庫(kù)機(jī)器人使用激光雷達(dá)傳感器而不是相機(jī)，它將使用返回到傳感器的距離和形狀來(lái)識(shí)別物體。事實(shí)上，基于激光雷達(dá)的 SLAM 使用通過(guò)設(shè)備記錄的邊緣和平面作為特征，而不是相鄰像素來(lái)連接視覺(jué)信息并創(chuàng)建地圖。與相機(jī)不同，這種方法更擅長(zhǎng)創(chuàng)建 3D 地圖的數(shù)字孿生副本，更加真實(shí)。 

如何選擇合適的SLAM

SLAM 方法有很多種，其功能也截然不同。此外，每種方法都有優(yōu)點(diǎn)和缺點(diǎn)，具體取決于用例。讓我們看一下有助于決定 SLAM 算法的一些區(qū)別。 

一類是SLAM算法的輸出。例如，如果您在公園，您是否想知道樹(shù)木和長(zhǎng)凳的相對(duì)位置（拓?fù)浞ǎ┗蛩鼈冎g的確切距離（公制法）？此外，您是否計(jì)劃重新創(chuàng)建公園的數(shù)字副本（體積法）或僅僅足夠的信息來(lái)區(qū)分對(duì)象（基于特征的方法）？正如您可以想象的那樣，某些輸出需要大量資源，甚至需要不同類型的傳感器來(lái)完成這項(xiàng)工作。

另一個(gè)因素是環(huán)境的性質(zhì)。您運(yùn)行 SLAM 算法的位置是不會(huì)隨時(shí)間變化的靜態(tài)位置還是需要更新的動(dòng)態(tài)位置？想象一下，一個(gè)機(jī)器人在倉(cāng)庫(kù)空蕩蕩的過(guò)道上漫步，但在回來(lái)的路上發(fā)現(xiàn)了成堆的托盤(pán)。它是否能夠關(guān)閉循環(huán)并建立在同一位置但僅添加不同對(duì)象的連接？

最后但并非最不重要的是多機(jī)器人實(shí)例。當(dāng)多個(gè)機(jī)器人在倉(cāng)庫(kù)內(nèi)自主導(dǎo)航時(shí)，可能會(huì)面臨不同的挑戰(zhàn)。一個(gè)挑戰(zhàn)是能夠在沒(méi)有其他機(jī)器人的情況下創(chuàng)建干凈的地圖。如何確保每個(gè)機(jī)器人都知道其他機(jī)器人的位置，以便能夠在映射中排除它們？如果機(jī)器人可以相互通信，每個(gè)機(jī)器人是否可以在本地創(chuàng)建較小的地圖并與中央系統(tǒng)共享以創(chuàng)建整個(gè)地圖？ 

正如您所看到的，沒(méi)有一種 SLAM 算法可以滿足所有用例。然而，SLAM仍在隨著技術(shù)的進(jìn)步而不斷發(fā)展。為了取得成功，需要真正理解用例并靈活地測(cè)試不同的算法以找到最 佳解決方案。

SLAM 之后會(huì)發(fā)生什么

一開(kāi)始我們用在異地醒來(lái)的例子來(lái)解釋SLAM是繪制周圍環(huán)境的地圖并在地圖上定位你所在位置的行為。然而，這排除了地圖上的“什么”。當(dāng)我們看到一棵樹(shù)時(shí)，我們就知道它是一棵樹(shù)，但機(jī)器人卻不知道。我們需要讓他們知道，他們面前中心散布著點(diǎn)的高大物體實(shí)際上是一棵樹(shù)。在 SLAM 輸出中添加語(yǔ)義可以提高機(jī)器人可以實(shí)現(xiàn)的自主水平。例如，如果機(jī)器人能夠識(shí)別人類并在他們附近減速以防止突然移動(dòng)而發(fā)生事故，那么它就可以更安全地在倉(cāng)庫(kù)周圍移動(dòng)。 

隨著機(jī)器學(xué)習(xí)的發(fā)展，向 SLAM 添加語(yǔ)義變得越來(lái)越容易，進(jìn)一步擴(kuò)展了 AGV 和 AMR 的用例。自動(dòng)叉車可以識(shí)別托盤(pán)及其孔以便運(yùn)輸托盤(pán)，自動(dòng)挖掘機(jī)可以移動(dòng)到特定位置挖掘土壤。

結(jié)論

我們了解了同步定位和建圖是什么、實(shí)現(xiàn) SLAM 的不同算法，以及增強(qiáng)自主水平的語(yǔ)義的添加。正如您所見(jiàn)，SLAM 并不是一個(gè)容易理解的概念，即使對(duì)于經(jīng)驗(yàn)豐富的從業(yè)者來(lái)說(shuō)，也不容易應(yīng)用到用例中。在實(shí)施之前有許多考慮因素需要仔細(xì)檢查。