【博众机器人·解读】国内SLAM 技术发展现状大解析
文/新战略机器人全媒体 彭晴
被很多学者认为是实现真正全自主移动机器人关键的SLAM技术，已经开始逐步走入人们的视野，过去几年扫地机器人的盛行让它名声大燥，而AGV、无人机等行业的兴起则让其找到了更加广阔的市场。今天，我们就来聊一聊现下大热的SLAM技术。
SLAM，英文全称是simultaneouslocalization and mapping，即时定位与地图构建，因为用在SLAM上的传感器主要分两大类：激光雷达和摄像头。据此，业内也将SLAM分为激光SLAM和视觉SLAM两大类别。SLAM最早由Smith、Self和Cheeseman于1988年提出，至今已有30年的历史。但国内关于SLAM的研究并没有那么早，最近几年才开始逐渐兴起并应用，那目前在又国内发展得如何呢？
多领域应用
SLAM应用领域广泛，按其应用行业也可分为两大类，即工业领域和商业领域。
商业用途方面，目前应用最为成熟的应该是扫地机行业，而扫地机也算机器人里最早用到SLAM技术这一批了，国内的科沃斯、塔米扫地机通过用SLAM算法结合激光雷达或者摄像头的方法，让扫地机可以高效绘制室内陆图，智能分析和规划扫地环境，成功让自己步入了智能导航的阵列。除了扫地机之外，SLAM技术在无人机、自动驾驶等都有应用，大疆有位工程师甚至说过“所有关于无人机的梦想都建立在SLAM之上”，可见SLAM技术的关键性。
工业用途主要是集中在AGV领域，随着制造业以及电商仓储领域对柔性化搬运的需求不断上升，SLAM导航迎来了广阔的市场。将SLAM运用在AGV物流小车上，可以不用预先铺设任何轨道，方便工厂生产线的升级改造和导航路线的变更，实时避障，环境适应能力强，同时能够更好地实现多AGV小车的协调控制。当下国内有一些AGV企业都已开始将SLAM技术应用到AGV上，借此实现真正的自然导航。
多企业开发
随着SLAM技术重要性的凸显以及应用市场的扩大 ，一些企业开始纷纷投入到SLAM技术研发中，这其中也可分为两大类，一是专门提供导航定位模块的企业，另一类则是移动机器人厂商，其开发SLAM多为自用。
|
企业 |
基本情况 |
技术特点 |
|
思岚科技 |
2013年成立，主营激光雷达即模块化自主定位导航解决方案 |
其SLAMWARE是一种单模块化的机器人自主定位导航系统，集成了基于激光雷达的同步定位与建图(SLAM)及配套的路径规划功能。 |
|
速感科技 |
2014年成立，机器视觉解决方案提供商 |
VSLAM算法可以融合多种传感器（激光雷达、惯性测量单元、里程计、超声波等）数据获得稳定且准确位置姿态信息的同时，帮助机器人等智能设备获取三维空间环境信息，使其具备自主移动、路径规划、场景理解等能力。 |
|
布科思 |
2014年成立，主营机器人、传感器以及定位导航解决方案 |
主要使用激光雷达，结合UWB（超宽带技术）、超声以及红外实现定位，用多传感器信息融合技术实现定位导航与路径规划。 |
|
米克力美 |
2009年成立，专注研发制造自主移动机器人。 |
采用激光SLAM方案 |
|
高仙 |
2013年成立，为用户提供移动机器人无轨导航控制模块 |
高仙SLAM2.0技术方案提高了SLAM多项关键技术指标，且将导航环节涵盖了进来，为用户提供了一套完整的机器人自主定位、建图、导航应用系统。 |
|
远形时空 |
成立于2016年，专注于视觉SLAM的研发和产品化 |
2017年完成研发了高定位精度和高稳定性的单目视觉导航模组。 |
|
灵喵 |
2015年成立，提供室内外通用的模块化激光SLAM自主定位导航系统解决方案。 |
主打产品NAVI-BOX（自主导航盒子），应用领域涵盖了几乎所有类型的移动机器人场景：工业场景、家用场景及户外场景。 |
|
斯坦德 |
2016年成立，移动机器人及物流解决方案供应商 |
SLAM算法融合多种传感器（激光雷达、里程计、惯性测量单元、摄像头等）数据，帮助机器人获得场景地图信息，从而使其具备自主移动、路径规划、场景理解等能力。 |
|
极智嘉 |
仓储物流自动化解决方案 |
激光SLAM导航 |
|
海康 |
移动机器人、机器视觉产品和算法平台的研发和提供商 |
激光SLAM导航 |
|
凌鸟智能 |
AGV解决方案 |
激光SLAM导航 |
国内SLAM技术代表企业一览表
多传感器融合是趋势
上表中可以看出，大部分的AGV企业还是以激光SLAM为主，毕竟当下激光SLAM是当下最稳定、最主流的定位导航方法。视觉 SLAM则是未来研究的一个主流方向。不过激光和视觉都有其各自局限性。
|
优/劣势 |
激光SLAM |
视觉SLAM |
|
优势 |
可靠性高，技术成熟 |
结构简单、安装的方式多元化 |
|
建图直观、精度高、不存在累计误差 |
无传感器探测距离限制、成本低 |
|
|
地图可用于路径规划 |
可提取语义信息 |
|
|
劣势 |
受Lidar探测范围限制 |
环境光影响大，暗处（无纹理区域）无法工作 |
|
安装有结构要求 |
运算负荷大，构建的地图本身难以直接用于路径规划与导航 |
|
|
地图缺乏语义信息 |
传感器动态性还需提高，地图构建时会存在累计误差 |
而多传感器的融合则能有效解决这类问题。目前有些企业已经开始采用多传感器的融合的方式取长补短，优势结合，为市场打造出真正好用的、易用的 SLAM 方案。相信今后多传感器的融合也将是一种必然的趋势。
总的来说，不管是从技术层面还是应用层面，SLAM技术在国内都还处于发展阶段，相信未来随着消费刺激和产业链的发展，SLAM技术将会更加成熟应用范围也将更为广阔。