這兩種SLAM導航方式中，目前應用較為廣泛的是激光SLAM，激光SLAM脫胎于早期基于測距的定位方式（如超聲波、紅外單點測距）。 LIDAR距離測量相對準確，誤差模型簡單，在陽光直射以外的環(huán)境下運行穩(wěn)定，而且反饋信息本身包含直接的幾何關系，更容易進行機器人路徑規(guī)劃，導航直觀。激光SLAM的理論研究也比較成熟，實用產(chǎn)品也比較多。

VSLAM 具有強大的場景識別能力，因為它可以從環(huán)境中獲取大量冗余紋理信息。早期的視覺SLAM基于過濾理論，其非線性誤差模型和巨大的計算復雜度阻礙了實際實現(xiàn)。近年來，隨著稀疏非線性優(yōu)化理論（束調(diào)整）、相機技術和計算能力的進步，實時執(zhí)行視覺SLAM不再是夢想。

算法難度和計算要求

從算法難度和計算要求來看，VSLAM比激光SLAM更困難。這里說一下，2016年推出了基于Google開源模型的一整套LIDAR解決方案，通俗點講就是為激光SLAM提供了一個基礎平臺，可以在上面進行二次開發(fā)，我搭建的。從某種程度上來說，站在巨人的肩膀上看世界是相對容易的。

回顧Visual SLAM，首先，圖像處理本身就是一門非常深奧的學問，而基于非線性優(yōu)化的地圖構(gòu)建也是一個非常復雜且耗時的計算問題。在真實環(huán)境中，需要對現(xiàn)有的視覺SLAM框架進行優(yōu)化和改進，例如添加光照模型、利用深度學**提取特征點、利用單目、雙目、多眼融合視點等技術。這也是進一步提高視覺SLAM性能和實用性的必由之路。

從計算需求來看，主流的激光SLAM可以在常規(guī)ARM CPU上實時運行，而視覺SLAM本質(zhì)上需要相對強大的、半桌面級別的CPU或GPU支持。但業(yè)界也認識到這蘊藏著巨大的機遇，為視覺處理定制的ASICS市場已經(jīng)萌芽。例如，英特爾旗下的Movidius 可以處理圖像、視頻和深度神經(jīng)網(wǎng)絡，以瓦范圍內(nèi)的超低功耗提供桌面級GPU 吞吐量。

地圖構(gòu)建和累積誤差

從地圖構(gòu)建的角度來看，激光SLAM的特點是單點、單次測量精度較高，但地圖信息量較低，而視覺SLAM，特別是通過三角測量計算距離，該方法綜合性能較差單點、單次測量。雖然單次測量的精度不如激光雷達高，但重復觀測提高了重復性并提供了更豐富的地圖信息。

在累積誤差方面，激光SLAM普遍缺乏環(huán)回檢測，導致累積誤差難以消除。由于視覺SLAM使用了大量冗余紋理信息，環(huán)回檢測很容易，即使前端積累了一定量的誤差，也可以通過環(huán)回校正來消除誤差。

成本

與VSLAM相比，激光SLAM存在最大的成本問題。激光雷達有很多等級，所有等級都比視覺傳感器更昂貴。目前市場上最常見的SICK相機每臺售價數(shù)萬元，比高端工業(yè)相機和感光芯片貴得多。雖然量產(chǎn)后激光雷達的成本可能會大幅下降，但能否降低到同檔次相機水平仍然是一個很大的問號。

App登陸

隨著量產(chǎn)車型的不斷發(fā)展，AGV導航技術必然會向柔性化、柔性化、智能化方向發(fā)展，這意味著三代導航技術是互斥的。在各種應用環(huán)境中，比如一些工廠，磁條更適合高精度、安全且成熟的應用技術，甚至在電商無人倉以及很多服務場景中，磁條絕對是第三代技術，會朝著。

例如，億豐停車機器人車庫正式安裝在南京夫子廟地鐵入口，是全球首創(chuàng)的“激光導航+梳齒交換”方式，后臺系統(tǒng)實現(xiàn)了1000臺AGV機器人的同時調(diào)度，使得避免失誤，停車機器人可自動判斷。同時操作多臺AGV，實現(xiàn)最優(yōu)管理。同時，大大節(jié)省取車時間，實現(xiàn)2分鐘全自動停車取車。整個場館無人出現(xiàn)，安全風險顯著降低，停車效率提高。

目前應用最廣泛的是磁導航和二維碼導航，第三代激光SLAM也是比較成熟的定位導航方案，視覺SLAM是未來研究的主流。在無人倉庫中，環(huán)境簡單，通常只使用一種導航方式，但當涉及到人員或戶外工作時，多種傳感器的融合就成為必要。不同的導航技術可以取長補短，結(jié)合各自的優(yōu)勢，為市場打造真正有用且易于使用的導航解決方案。

看完請明星《高科技機器人》

就是這樣：

2018年12月17日至18日，由先進機器人主辦的“李元亨2018先進機器人年會暨鐵臂阿童木先進金球獎頒獎典禮”將在深圳維納斯皇家酒店（寶安沙井）舉行。點擊“閱讀原文”。請通過文章底部的“文字”進行注冊。

我過去推薦過的

點擊“閱讀原文”立即報名