第1章：SLAM技术概述

大家好，我是你们这门课的老朋友。今天咱们正式开篇，聊聊SLAM到底是什么玩意儿。

说实话，我入行那会儿，SLAM还是个挺小众的方向。记得2015年我刚开始做机器人定位时，翻遍全网能找到的中文资料也就那么几篇。现在不一样了，SLAM几乎成了机器人、自动驾驶、AR/VR领域的标配技能。你想想看，一个移动设备要是不知道自己在哪里、周围长什么样，那它跟瞎子有什么区别？

1.1 什么是SLAM？

SLAM，全称是Simultaneous Localization and Mapping，中文叫「同时定位与地图构建」。说白了，就是让一个运动中的设备，在未知环境里一边确定自己的位置，一边把周围的环境地图给画出来。

我经常跟新人打比方：你蒙上眼睛走进一个陌生房间，一边走一边用手摸墙，脑子里慢慢形成房间的轮廓，同时判断自己站在哪个位置——这就是SLAM。只不过机器用的是摄像头或激光雷达，而不是手。

嗯，这里要注意：SLAM不是某个具体的算法，而是一类问题的统称。解决SLAM问题的方法有很多，比如基于滤波器的、基于图优化的，后面我们会一一讲到。

1.2 视觉SLAM的发展历程

视觉SLAM的发展，我大致分成三个阶段来讲。

1.2.1 萌芽期（1986-2004）

最早SLAM的概念是在机器人领域提出的，用的主要是激光雷达。那时候视觉SLAM还只是个想法。我记得读博士时翻到一篇1988年的论文，作者用非常简陋的摄像头做实验，结果嘛……只能说精神可嘉。

1.2.2 经典时代（2004-2015）

这个阶段出了几个里程碑式的工作。2007年，MonoSLAM问世，这是第一个实时的单目视觉SLAM系统。虽然它只能处理很小范围的环境，但意义重大——证明了摄像头可以干激光雷达的活。

2014年，ORB-SLAM横空出世。我个人觉得，这是视觉SLAM领域最值得学习的开源项目之一。它的代码结构清晰，算法模块化，后来很多工作都基于它改进。我在项目里移植ORB-SLAM到嵌入式平台时，踩了不少坑，后面会专门讲。

1.2.3 深度学习时代（2015至今）

深度学习火了之后，SLAM也开始跟神经网络结合。比如用CNN做特征提取、用端到端网络直接估计位姿。但说实话，纯学习的SLAM在精度和泛化性上，目前还干不过传统几何方法。我个人的习惯是：用深度学习辅助传统方法，而不是完全替代。

1.3 主流传感器介绍

视觉SLAM用的传感器，主要有三类。我挨个说说它们的脾气秉性。

传感器类型	优点	缺点	典型应用
单目相机	成本低、体积小、功耗低	尺度不确定、纯旋转失效	手机AR、无人机
双目相机	可直接获得深度、尺度确定	标定复杂、计算量大、基线限制	机器人、自动驾驶
RGB-D相机	直接获取深度、室内效果好	室外受干扰、测量范围有限	室内机器人、VR

1.3.1 单目相机

单目SLAM最大的问题是什么？尺度不确定性。你想想看，一个物体在远处看起来小，在近处看起来大，单目相机没法区分到底是物体小还是距离远。所以单目SLAM估计出的轨迹和地图，只有相对尺度，没有绝对尺度。

我曾经在一个项目里用单目做AGV导航，结果地图缩放了0.8倍，机器人直接撞墙了。后来加了轮式里程计才解决。

1.3.2 双目相机

双目通过左右眼的视差计算深度，相当于人眼的工作原理。它的好处是尺度确定，坏处是计算量大。而且基线（两个镜头之间的距离）决定了有效测距范围——基线越长，能测的距离越远。

我建议做室外SLAM的朋友优先考虑双目。室内的话，RGB-D更香。

1.3.3 RGB-D相机

RGB-D相机，比如Kinect、Intel RealSense，可以直接输出每个像素的深度值。室内3米以内效果非常好，但一到室外，红外结构光就被太阳光淹没了。

1.4 应用场景分析

SLAM的应用场景，我挑三个最典型的说说。

1.4.1 机器人

这是SLAM最传统的应用领域。扫地机器人、送餐机器人、仓储AGV，都需要SLAM来定位和建图。我参与过一款扫地机器人的开发，用的是激光SLAM，因为激光在室内更稳定。但视觉SLAM的优势在于能识别物体（比如沙发、桌子），所以现在很多高端产品开始用视觉+激光融合的方案。

1.4.2 AR/VR

AR/VR对SLAM的要求是：低延迟、高精度、小体积。你想想，手机AR应用里，虚拟物体要稳稳地贴在现实场景中，SLAM的位姿估计稍微抖一下，用户体验就崩了。

我记得苹果ARKit刚出来时，我拿iPhone X试了一下，效果惊艳。但背后的VIO（视觉惯性里程计）算法，其实跟SLAM一脉相承。

1.4.3 自动驾驶

自动驾驶对SLAM的要求最高。高速场景下，车辆每秒移动几十米，SLAM必须实时输出厘米级的位姿。而且环境复杂——隧道、高架、雨雪天气，每个都是挑战。

目前主流方案是多传感器融合：GPS+IMU+视觉+激光雷达。视觉SLAM在其中扮演「视觉里程计」的角色，提供相对位姿约束。

好，第一章就到这里。下一章我们聊聊SLAM的数学基础——坐标系与刚体运动。这部分是基本功，别跳哈。