1. 视觉SLAM概述：什么是SLAM、发展历程与核心价值
大家好，我是这门课的主讲。今天咱们聊聊视觉SLAM——这个在机器人圈子里越来越火的技术。说实话，我最早接触SLAM是在2015年，那时候做AGV小车，轮子上装个编码器，跑着跑着就偏了。后来换成视觉方案，才真正体会到什么叫「定位定姿，一步到位」。
1.1 什么是SLAM？
SLAM，全称是Simultaneous Localization and Mapping，中文叫「同步定位与地图构建」。说白了，就是让一个机器人进入陌生环境后，一边往前走，一边回答两个问题：
- 我在哪？——定位问题
- 周围长啥样？——建图问题
你想想看，这两个问题是互相依赖的。要知道自己位置，得先有地图；要建地图，又得先知道位置。这不就是「先有鸡还是先有蛋」吗？SLAM就是专门解决这个死循环的。
核心定义：SLAM是指移动机器人在未知环境中，利用自身携带的传感器（如相机、激光雷达），实时估计自身位姿并同时构建环境地图的过程。
我在项目中遇到过不少同学，一上来就问「SLAM和GPS有什么区别？」其实很简单：GPS是告诉你「你在哪」，但前提是得有卫星信号。SLAM是告诉你「你在哪，而且周围长什么样」，不需要任何外部基础设施。这就是为什么室内机器人、地下矿井、甚至火星车都用SLAM。
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。嗯，这样讲比较清晰。
| 阶段 | 时间 | 代表方法 | 特点 |
|---|---|---|---|
| 萌芽期 | 1986-2004 | 基于扩展卡尔曼滤波（EKF） | 计算量小，但只能处理小场景 |
| 发展期 | 2004-2015 | PTAM、ORB-SLAM | 引入关键帧和BA优化，精度大幅提升 |
| 成熟期 | 2015-至今 | ORB-SLAM2/3、VINS、DROID-SLAM | 多传感器融合、深度学习加持、鲁棒性更强 |
萌芽期（1986-2004）：最早SLAM是用激光雷达做的，后来有人尝试用相机。那时候主要靠扩展卡尔曼滤波，说白了就是「猜一下当前位置，然后用观测值修正」。我刚开始学SLAM时，照着EKF公式推导了三页纸，结果跑起来发现——嗯，场景稍微大一点就崩了。
发展期（2004-2015）：2007年，PTAM（Parallel Tracking and Mapping）横空出世。它把跟踪和建图分开在两个线程跑，这个思路影响深远。2015年ORB-SLAM发布，用ORB特征点做匹配，稳定性和精度都上了一个台阶。我记得当时在实验室跑ORB-SLAM，看着它把整个走廊建出来，那种感觉——真的很爽。
成熟期（2015-至今）：现在视觉SLAM已经相当成熟了。ORB-SLAM2支持单目、双目、RGB-D三种模式；VINS-Mono把IMU和视觉融合，解决了纯视觉在快速运动时容易跟丢的问题。最近几年，深度学习也开始渗透进来，比如用神经网络做特征提取、深度估计，甚至端到端的位姿回归。
个人建议：如果你是初学者，我建议从ORB-SLAM2入手。代码规范、文档齐全，而且社区活跃。我曾经带过一个实习生，两周就能跑通并理解核心流程。
1.3 视觉SLAM在机器人导航中的核心价值
视觉SLAM在机器人导航中到底有什么用？我总结了三点：
- 提供实时位姿估计——机器人要知道自己「在哪、朝哪走」
- 构建可导航地图——不是简单点云，而是能用于路径规划的语义地图
- 支持重定位与回环检测——走丢了能找回自己，避免「漂移」
你想想看，一个扫地机器人如果没有SLAM，它只能随机乱撞。有了SLAM，它就能记住「客厅在左边，厨房在右边」，规划出一条高效的清扫路线。
下面这张图是我自己画的，展示了视觉SLAM在机器人导航中的核心逻辑：
从这张图可以看出，视觉SLAM不是单一模块，而是一个闭环系统。传感器数据进来，前端做特征匹配得到粗略位姿，后端做优化消除误差，回环检测负责「纠正方向」，最终输出一个全局一致的地图。这个地图再交给导航模块，做路径规划和避障。
注意：视觉SLAM虽然强大，但也不是万能的。我曾经在一个纯白色走廊里跑ORB-SLAM，结果特征点太少，直接跟丢了。后来加了IMU才稳住。所以实际工程中，多传感器融合几乎是标配。
视觉SLAM的核心价值，说白了就是让机器人「看得见、记得住、走得稳」。没有它，机器人就是个瞎子；有了它，机器人才能真正自主导航。
嗯，这一章就讲到这里。下一章咱们深入聊聊视觉SLAM的数学基础——坐标系变换、李群李代数这些硬核内容。到时候我会结合代码讲，保证你能听懂。