SLAM技术的具体实现步骤

经历了近30余年的发展，SLAM技术已日益成熟，从最早在军事中应用，如勇气号火星探测车，为了执行任务，借助SLAM技术在无法实时遥控的未知行星上来进行导航与避障。到如今，SLAM技术已广泛应用于民用场所，小到家庭中的扫地机，大到无人驾驶的汽车都应用了SLAM技术，以及在AR及VR领域均有SLAM技术的身影。

SLAM，自主移动的核心技术

正常来说，凡涉及到自主移动的机器人都离不开SLAM技术，SLAM通过传感器获取的信息来进行当前位姿的推算、轨迹估计与环境建图，相比传统的卫星导航、惯性导航、路标导航等定位方式，SLAM技术的所有算法都是围绕传感器收集的信息来展开的。

总体来说，SLAM技术大致包含了感知、定位、建图三个过程：

感知——机器人通过传感器（激光雷达或视觉传感器）来获取周围环境的信息。

定位——通过传感器实时获取自身位置及姿态。

建图——根据自身位置及传感器获取的信息，描述出当下所在环境的地图

感知是实现SLAM的必要条件，只有先感知到周围的环境信息，才能可靠确定定位及构建环境地图。

当下主流的SLAM技术

在SLAM技术中包含了激光SLAM与视觉SLAM两大类，其中激光SLAM是目前应用最广泛也最为成熟的SLAM技术，在扫地机器人、送餐机器人、导购机器人等服务机器人中普遍搭载了激光SLAM，激光雷达的出现使得测量更快更精准，信息也更为丰富。

激光雷达可对周围物体实现360度全方位扫描测距，其采集到的物体信息会呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常激光SLAM系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。

相对来说，激光雷达距离测量比较精准，误差模型简单，在强光直射外的环境中运行稳定、点云的数据处理也较为容易，因点云信息本身包含直接的几何关系，所以机器人的路径规划及导航也变得更为直观。

总体来说，激光SLAM理论研究更为成熟、落地也更为丰富。

 

SLAM技术是如何实现的？

以下是一个完整的SLAM和导航系统的主要框架图：

在SLAM技术核心过程主要包含：预处理、匹配、地图融合这3个主要步骤。

1.预处理

激光雷达和其他类似设备一样，在某一时刻只能获取它所在位置的环境信息。

上图就是我们所说的点云，它只能反映机器人所在环境中的一个部分。而预处理主要是对激光雷达原始数据进行优化，并将一些有问题的数据进行剔除，或进行滤波。

2.匹配

匹配是很关键的一步，它的好坏将会直接影响SLAM构建的地图精度，其主要是把当前在局部环境上的一个点云数据，在已经建立地图上寻找到对应的位置。与我们玩的拼图游戏有点相似，就是在已经拼好的画面中找到相似之处，确定新的拼图该放的位置。而在SLAM过程中，需要将激光雷达当前采集的点云（红色部分）匹配拼接到原有地图中。

如果不进行匹配的过程，所构建的地图可能就乱成一团，导致机器人无法使用。

3.地图融合

地图融合就是将来自激光雷达的新数据拼接到原始地图中，最终完成地图的更新。

如下图，该过程是永远伴随SLAM过程的。

数据融合与简单的贴图是有很大差异的，因为外部环境不仅有静态的，还有动态的，此时，如果在机器人旁边闯入了一只小狗，实际在进程数据融合的过程会更为复杂，需要用到很多概率算法，且处理难度很大。

举例来说，如果遇到回环问题，匹配算法不够优秀，或者在环境中存在很不巧的干扰，当机器人绕着环境走一圈后，便有可能出现原本应该闭合的一个环形走廊断开了。

比如正常地图应该这样：

但如果处理不好，实际地图就有可能变成这样：

在环境较大场景，回环问题是不得不面对的，但现实总是不理想，即使拥有了高精度的激光雷达传感器，也难免存在一定误差，而回环的难点在于，在一开始的少许误差并不会被发觉，直到机器人走完一圈后，随着误差的不断累积，导致了环路无法闭合，出现这种情况一般很难回天。

当然，并不是说出现该问题就没有解决方法了，一个好的商用化SLAM系统就能很好的解决环境问题。

以下是思岚科技员工在他们办公室进行的测试，当机器人已经绕场一周后，ROS构建的地图出现了中断，而利用SLAMWARE模块构建的地图是一个完美的闭环，它与思岚科技办公室的设计图完美重合。

除了算法层面的回环问题，SLAM技术实际应用中还会碰到其他坑，比如走廊问题与外界干扰问题。以外界干扰问题来说，通常，激光雷达作为机器人的眼睛，一般是安装在底盘上的，它能看到的视野很有限。当受到外界干扰（人类或者宠物等等）后，机器人很容易丢失定位精度，无法正常完成后续的建图工作。

当机器人安装SLAMWARE后，机器人受到干扰，可以完全不受影响，照样能够正常工作。目前，SLAM的开源实现代表多为学术界，实际应用有很多corner case要处理，需要传感器、系统参数、其他辅助设备的联合调优。

一般来说，上述的SLAM过程对于运算消耗是巨大的，虽然并没有达到像训练神经网络动用服务器集群那种地步，但传统上需要PC级别的处理器。

除配备激光雷达外，还需要机器人具有IMU（惯性测量单元）、里程计来为激光雷达提供辅助数据，否则SLAM系统也难以得到运行。总的来说，SLAM技术本身是一个对于外部系统有着多种依赖的算法，这是一个切实的工程问题。我们知道很多机器人，比如扫地机是不可能装一个PC进去的。为了让SLAM能在这类设备里运行，除了解决激光雷达成本外，还要对SLAM技术做出很好的优化。

思岚科技一直在朝这个方向努力，一方面在SLAM算法上很好的解决了各类实际算法难点，另一方面，把SLAM这个复杂的系统做了很大的优化，可以放到一个硬币那么大的模块内部，降低尺寸功耗。此外，还集成了IMU等配套传感器，力求做到对于SLAM的使用的便捷性。

另外，为了帮助机器人适应多种应用环境，思岚科技日前已推出了全新的SLAM 3.0系统，即使面对复查的大场景，机器人也能轻松完成导航任务，相比传统SLAM，升级后的SLAM 3.0系统采用了图优化方式进行构图，能实现百万平米级别的地图构建能力，同时拥有主动式回环闭合纠正能力，能很好消除长时间运行导致的里程累计误差，成为目前行业中最受欢迎的定位导航方式。目前在SLAMWARE及思岚科技最新平台产品均采用了最新的SLAM 3.0技术，配合激光雷达在商用复杂环境中应用已逐渐普及。