SLAM（同步定位与地图构建），是指运动物体凭证传感器的信息，一边盘算自身位置，一边构建情形地图的历程，解决机械人等在未知情形下运动时的定位与地图构建问题
。现在，SLAM的主要应用于机械人、无人机、无人驾驶、AR、VR等领域
。其用途包括传感器自身的定位，以及后续的路径妄想、运动性能、场景明确
。

由于传感器种类和装置方法的差别，SLAM的实现方法和难度会有一定的差别
。按传感器来分，SLAM主要分为激光SLAM和VSLAM两大类
。其中，激光SLAM比VSLAM起步早，在理论、手艺和产品落地上都相对成熟

；谑泳醯腟LAM计划现在主要有两种实现路径，一种是基于RGBD的深度摄像机，好比Kinect
；尚有一种就是基于单目、双目或者鱼眼摄像头的
。VSLAM现在尚处于进一步研发和应用场景拓展、产品逐渐落地阶段
。

激光SLAM：早在2005年的时间，激光SLAM就已经被研究的较量透彻，框架也已起源确定
。激光SLAM，是现在最稳固、最主流的定位导航要领
。

VSLAM（基于视觉的定位与建图）：随着盘算机视觉的迅速生长，视觉SLAM由于信息量大，适用规模广等优点受到普遍关注
。

（1）基于深度摄像机的Vslam，跟激光SLAM类似，通过网络到的点云数据，能直接盘算障碍物距离
；

（2）基于单目、鱼眼相机的VSLAM计划，使用多帧图像来预计自身的位姿转变，再通过累计位姿转变来盘算距离物体的距离，并举行定位与地图构建
；

一直以来，不管是工业界照旧学术界，对激光SLAM和VSLAM究竟谁更胜一筹，谁是未来的主流趋势这一问题，都有自己的看法和看法
。下面就简朴从几个方面临比了一下激光SLAM和VSLAM
。

本钱

不管是Sick，北洋，照旧Velodyne，价钱从几万到几十万不等，成内情对来说较量高，但现在海内也有低本钱激光雷达（RPLIDAR）解决计划
。VSLAM主要是通过摄像头来屎厕数据信息，跟激光雷达一比照，摄像头的本钱显然要低许多
。但激光雷达能更高精度的测出障碍点的角度和距离，利便定位导航
。

应用场景

从应用场景来说，VSLAM的应用场景要富厚许多
。VSLAM在室内外情形下均能开展事情，可是对光的依赖水平高，在暗处或者一些无纹理区域是无法举行事情的
。而激光SLAM现在主要被应用在室内，用来举行地图构建和导航事情
。

地图精度

激光SLAM在构建地图的时间，精度较高，思岚科技的RPLIDAR系列构建的地图精度可抵达2cm左右
；VSLAM，好比常见的，各人也用的很是多的深度摄像机Kinect，（测距规模在3-12m之间），地图构建精度约3cm
；以是激光SLAM构建的地图精度一样平常来说比VSLAM高，且能直接用于定位导航
。

易用性

激光SLAM和基于深度相机的VSLAM均是通过直接获取情形中的点云数据，凭证天生的点云数据，测算那里有障碍物以及障碍物的距离
。可是基于单目、双目、鱼眼摄像机的VSLAM计划，则不可直接获得情形中的点云，而是形成灰色或彩色图像，需要通过一直移动自身的位置，通过提取、匹配特征点，使用三角测距的要领测算出障碍物的距离
。

装置方法

雷达最先最先应用于军事行业，厥后逐渐民用
。被各人普遍知晓最先应该是从谷歌的无人车上所知道的
。其时Velodyne雷达体积、重量都较大，应用到一些现实场景中显然不适合
。好比无人机、AR、VR这种，自己体积就很小，再搭载概略积的激光雷达的话，基础无法使用，也影响美感和性能
。以是VSLAM的泛起，使用摄像头测距，填补了激光雷达的这一弱点，装置方法可以随着场景的差别实现多元化
。

其他

除了上面几点之外，在探测规模、运算强度、实时数据天生、地图累计误差等方面，激光SLAM和视觉SLAM也会保存一定的差别
。

关于统一个场景，VSLAM会因累积误差爆发误差，以是VSLAM要举行回环磨练
。可是，一样平常情形下，关于可控非线性系统，使用纯粹激光SLAM计划不可带来全局位姿和旋转的能观性，且不可消除累计误差
。（仔细明确）

激光SLAM是现在较量成熟的定位导航计划，视觉SLAM是未来研究的一个主流偏向
。以是，未来，多传感器的融合是一种一定的趋势
。取长补短，优势团结，为市场打造出真正好用的、易用的SLAM计划
。