SLAM技术是一种计算机程序，用于建立座椅周围环境的虚拟地图，并更新其实时坐标。这一多阶段过程涉及使用各种算法来对齐传感器数据，这些算法使用图形处理单元(GPU)的并行处理功能。

长期以来，机器人大多在具有预定义环境维度的区域中工作。在仓库或医院等日常场所工作的大多数机器人都事先了解环境，并执行一组固定的任务。

现在，随着机器人获得更大的自主性，并在室外和室内环境中执行任务，它们需要远离周围环境，才能安全有效地工作。然而，对于机器人来说，在没有预先存在的信息的情况下，导航新的、复杂的和动态的地形并不容易。

而SLAM技术有助于解决这个问题。SLAM技术可以在各种环境下引导自主机器人。

什么是SLAM技术？

SLAM技术是一种计算机程序，用于建立座椅周围环境的虚拟地图，并更新其实时坐标。这一多阶段过程涉及使用各种算法来对齐传感器数据，这些算法使用图形处理单元(GPU)的并行处理功能。

SLAM技术可以在不事先知道机器人位置的情况下，收集智能体环境的空间信息，构建地图，帮助机器人导航。使用不同类型的传感器收集信息。一种相对较新的SLAM技术使用摄像头，称为视觉SLAM或VSLAM。

虽然以前的技术如GPS可以绘制智能体或人类的地图，但机器人不能使用GPS，因为它不能部署在室内环境中，并且因为导航任务需要英寸级的精度，所以它不能在室外足够精确。

它是如何工作的？

SLAM技术使用定位方法将机器人放置在环境中，并创建地图来帮助机器人导航。这些方法有两种形式——相对位置测量和绝对位置环境。

在相对位置测量中，SLAM根据传感器测得的车轮转动或惯性测量(如速度或行驶距离)来计算机器人的位置。这些计算使用传感器(也称为触觉传感器)，如车轮里程表和惯性测量单元(IMU)来测量机器人内部的值。然而，这种方法有其局限性，因为传感器容易出错。

绝对定位测量使用灵敏度传感器以及摄像机和激光器。感知传感器从机器人的环境中收集信息。

诸如声学传感器的外源传感器发射声纳波来计算飞行时间(ToF)。激光传感器也被用来计算ToF。然而，这些传感器在大规模环境和开放走廊中效率低下。

因为现在都是用摄像头来采集数据，SLAM技术的精度是一流的。单目摄像机用于更便宜和更小的解决方案。立体相机(读取两个相机)可以计算三维尺寸和深度，但范围有限。目前，大多数SLAM系统使用RGB-D相机通过结构光或ToF技术生成3D地图，直接提供深度信息。

组合的传感器流(也称为“传感器融合”)可以更好地估计机器人的运动。卡尔曼滤波算法和基于序贯蒙特卡罗方法的粒子滤波算法用于这些传感器输入。

当使用有限数量的对象时，生成的地图采取二维占领网格的形式。使用VSLAM，您可以通过连续的摄像机跟踪一组点，以三角测量它们的3D位置。

有哪些应用？

VSLAM技术用于增强现实任务中，可以将虚拟图像精确地投射到物理世界中。

该应用也用于各种现场机器人。火星上的漫游者和登陆者、无人飞行器、自主地面车辆、农业机器人等。广泛使用VSLAM技术。

随着VSLAM在商业上变得越来越可行，它可能会在大多数应用中取代GPS。

SLAM是嵌入式视觉领域的重大创新之一。该技术已成为提高机器人自主性的重要技术，具有许多潜在的应用和光明的未来发展前景。hfy