一、SLAM技术概述：从理论到量产的全景图
大家好，我是你们这门课的主讲。在机器人或自动驾驶领域摸爬滚打了十几年，我越来越觉得，SLAM 是真正意义上的「卡脖子」技术之一。今天咱们先不急着写代码，而是把 SLAM 的来龙去脉、技术流派、以及量产时那些让人头疼的坑，一次性讲清楚。
1.1 什么是SLAM？
SLAM，全称 Simultaneous Localization and Mapping，中文叫「同步定位与地图构建」。说白了，就是让一个移动的机器人，在完全陌生的环境里，一边走路一边画地图，同时还得知道自己在地图上的哪个位置。
你想想看，这其实是个「先有鸡还是先有蛋」的问题：要定位，你得先有地图；要建图，你得先知道自己在哪。SLAM 的核心，就是通过概率和优化，把这个死循环给解开了。
核心公式（简化版）：
P(x, m | z, u) —— 给定观测z和控制u，估计状态x和地图m嗯，这里要注意，实际工程中我们很少直接算这个全概率，而是用图优化或者滤波器来近似。
我在项目中遇到过最典型的场景：一台 AGV 小车在仓库里跑，突然 WiFi 断了，GPS 也没有。这时候如果 SLAM 做不好，小车直接就「失忆」了，撞货架是小事，伤到人就麻烦了。
1.2 视觉SLAM的发展历程
视觉 SLAM 的发展，我把它分成三个阶段，每个阶段都有标志性的工作。
| 阶段 | 时间 | 代表工作 | 核心特点 |
|---|---|---|---|
| 古典时代 | 2007-2012 | MonoSLAM, PTAM | 基于滤波器，稀疏特征，实时性差 |
| 黄金时代 | 2013-2018 | ORB-SLAM, LSD-SLAM, DSO | 基于图优化，特征法/直接法分庭抗礼 |
| 量产时代 | 2019-至今 | ORB-SLAM3, VINS-Fusion, DroidSLAM | 多传感器融合，深度学习加持，嵌入式优化 |
我记得 2015 年刚接触 ORB-SLAM 时，被它的回环检测效果震撼到了。一个单目摄像头，绕着办公室走一圈，居然能自动修正累积误差，把地图闭合得严丝合缝。那时候我就知道，视觉 SLAM 要爆发了。
1.3 主流视觉SLAM框架对比
现在市面上框架很多，但真正经过量产检验的，其实就那么几个。我挑三个最有代表性的，给大家做个横向对比。
ORB-SLAM3
这是目前最完整的特征点法 SLAM 系统。支持单目、双目、RGB-D，甚至支持 IMU 紧耦合。它的三大线程（跟踪、局部建图、回环检测）设计得非常清晰，代码质量也高。
- 优点： 精度高，回环检测强，支持纯视觉和视觉惯性
- 缺点： 特征提取耗时，弱纹理场景容易丢
- 我的经验： 在室内白墙场景，ORB 特征经常提取不到足够的点。我后来加了边缘特征，才勉强稳住。
VINS-Mono
港科大沈劭劼团队的作品，视觉惯性紧耦合的标杆。它的初始化非常鲁棒，能在运动激励不足的情况下快速收敛。
- 优点： IMU 预积分做得好，初始化快，代码工程化程度高
- 缺点： 纯视觉模式下精度不如 ORB-SLAM3
- 避坑指南： 我曾经在无人机上跑 VINS，发现 IMU 的零偏估计在剧烈振动时会发散。后来加了加速度计饱和检测，才解决这个问题。
LSD-SLAM
直接法的开山之作，由慕尼黑工大的 Cremers 团队提出。它不提取特征点，而是直接对图像像素做半稠密深度估计。
- 优点： 能建半稠密地图，在纹理丰富场景表现好
- 缺点： 对光照变化敏感，计算量大，不适合低算力平台
- 我的看法： 直接法在学术上很有价值，但量产时我很少用。因为嵌入式芯片跑直接法，帧率很难保证。
个人建议： 如果你刚开始学 SLAM，先从 ORB-SLAM3 入手。它的代码结构最清晰，文档也最全。等你把特征法吃透了，再去看直接法和深度学习 SLAM，会事半功倍。
1.4 应用场景与量产挑战
SLAM 的应用场景，现在已经非常广泛了。我简单列几个我实际参与过的：
- 扫地机器人： 这是 SLAM 量产最成熟的领域。科沃斯、石头、iRobot 都在用。核心挑战是低成本传感器（单目+陀螺仪）下的鲁棒性。
- 自动驾驶： L4 级以上的自动驾驶，SLAM 是冗余定位的关键一环。但量产时最大的问题是「长尾场景」——比如隧道、雨雪天、高架桥下。
- AR/VR： HoloLens、Apple Vision Pro 都依赖视觉惯性 SLAM。这里对延迟要求极高，必须做到 10ms 以内。
- 无人机： 大疆的无人机在无 GPS 环境下，全靠 VIO 做定位。我参与过一款农业无人机，在麦田里飞，纹理重复度极高，SLAM 经常丢。
量产挑战（我踩过的坑）：
- 算力限制： 你以为的 2TOPS 算力，实际能用的可能只有 0.5TOPS。因为 NPU 的利用率很难做到 100%。
- 传感器标定： 相机和 IMU 的外参，出厂时标好了，但运输振动后可能就偏了。我曾经遇到过一台设备，外参偏了 0.5 度，导致定位误差在 10 米外累积到 1 米。
- 动态物体： 行人、车辆、飘动的窗帘，都会破坏 SLAM 的静态世界假设。我见过一个方案，在商场里跑，因为人太多，地图直接被「撑爆」了。
- 光照变化： 从室内到室外，光照变化 100 倍，特征点匹配率直接掉到 10% 以下。
1.5 本章知识体系总览
为了让大家对本章内容有个整体印象，我画了一张图。这张图把 SLAM 的核心问题、发展脉络、主流框架、以及量产挑战串在了一起。你可以把它当作后续学习的「导航图」。
这张图里，我把 SLAM 的核心问题放在中心，四个方向分别对应定义、发展、框架和应用。你会发现，所有技术最终都要落到「量产挑战」上。这也是我们这门课的核心主线——从理论到量产，中间隔着一道巨大的鸿沟。
一个小建议： 学 SLAM 不要只盯着算法。多想想你的算法最终要跑在什么芯片上，要面对什么样的环境。我见过太多优秀的论文算法，到了嵌入式平台上直接「躺平」——跑不动，或者跑不稳。
好了，第一章的内容就到这里。下一章我们会深入 SLAM 的数学基础，从坐标系变换开始，一步步搭建你的 SLAM 知识体系。