什么是科普|视觉SLAM——三个视觉SLAM方案

很多朋友对什么是科普|视觉SLAM——三个视觉SLAM方案不是很了解，每日小编刚好整理了这方面的知识，今天就来带大家一探究竟。

's科技发展日新月异，机器人、AR/VR等前沿科技产品进入大众生活。但是为了让用户在这些领域有更好的体验，需要很多底层技术的支持，SLAM就是其中之一。如果机器人离开SLAM，就相当于人类失去了眼睛。一、什么是视觉SLAM？

SLAM的英文全称是simultaneous localization and mapping，中文叫“实时定位和地图创建”，而视觉SLAM是利用摄像头来完成对环境的感知。比如你上大学第一天，为了快速熟悉校园环境，找宿舍，你会做以下事情：1。经常用眼睛观察周围的教学楼、篮球场、喷泉等标志性建筑，并记住它们的特点。(特征提取)

2.根据你刚刚用眼睛观察到的信息，把这些有特色的标志性建筑在你的脑海里构建成一幅地图。3.一边走，一边看到一些咖啡店、健身房等新的地标建筑，然后添加到脑海中的地图上进行校对。(状态更新)4。根据前段时间走路得到的地标建筑来确定自己的位置。(路径规划)

5.当你无意中走了很长一段路，在脑海中与之前的地标建筑进行匹配，看看自己有没有走回原路。(循环检测)其实上面你做的这些只是视觉SLAM中的几个部分。二、视觉SLAM的分类关于视觉SLAM的研究可以分为三类：单目、双目(或多目)和RGBD。

SLAM只需要一个摄像头就可以完成。最大的优点是传感器简单，成本低，但同时也有一个很大的问题，就是无法精确的获得深度，存在大小不确定的现象。比如在丢失深度信息的照片中，我们可以看到“手握太阳”、“借位拍照”的现象。

一方面，由于绝对深度未知，单目SLAM无法获得机器人轨迹和地图的真实大小。如果轨迹和房间同时放大两倍，单目SLAM只能估计一个相对深度。另一方面，单目摄像机无法依靠一幅图像来获取图像中物体与自身的相对距离。为了估计这个相对深度，单目SLAM依靠运动中的三角测量来求解相机运动，估计像素的空间位置。

也就是说，它的轨迹和地图只有在摄像机移动后才能收敛。如果相机不移动，就无法知道像素的位置。同时相机运动不能是纯旋转，给单目SLAM的应用带来了一些麻烦。

顾名思义，双目(多目)是由两个或两个以上的摄像头完成的，一般是双目视觉方案。双目视觉可以估计运动和静止时的深度。双目视觉可以融合两个摄像头获取的图像，观察它们之间的差异，从而获得明显的深度感，建立特征之间的对应关系，将同一物理点在不同图像中的像点对应起来。

并能准确感知周围物体和自己的运动轨迹，从而形成对周围环境的立体认识，解决上述问题。而双目图像计算像素距离需要大量的计算，在白墙或者特征不多的黑暗环境下容易丢失目标。

目前双目的应用程度明显较高。在双目解扩的应用场景中，IMU或IR等传感器的集成居多。如国内立体视觉解决方案公司indemind推出的双目视觉惯性模块，采用“双目相机IMU”多传感器融合架构和微秒级时间同步机制，可以提供准确稳定的数据源；并内置自研高精度Vi-SLAM算法，满足SLAM研究、智能机器人、无人机、室内外导航定位等需求。

RGBD相机是2010年左右开始兴起的一种相机。它最大的特点是可以通过红外结构光或者飞行时间原理直接测量图像中每个像素与相机的距离。因此，它可以提供比传统相机更多的信息，也不必像单目或双目那样费时费力地计算深度。

目前常用的RGBD相机有Kinect/V2 Kinect等。但是大部分RGBD相机还是存在很多问题，比如测量范围窄、噪音大、视野小、太阳光、墙面反射等等。由于测量范围的限制，主要用于室内SLAM。

目前视觉SLAM主要应用于无人机、无人驾驶、机器人、AR、智能家居等领域。单目需要通过运动来估计深度，导致避障效率低。RGBD有射程的限制，主要用于室内SLAM。所以目前在视觉SLAM中双目的应用程度和落地前景是最高的。无论哪种视觉SLAM方案，都是人工智能的眼睛，获取地图数据，构建地图，避开旅途中遇到的障碍物，实现路径规划。

随着城市物联网和智能系统的完善，视觉SLAM将是大势所趋。虽然目前视觉SLAM技术还存在一些问题，但是随着消费的刺激和产业链的发展，这些问题会逐渐得到解决和完善。lw

以上知识分享希望能够帮助到大家！