道路千萬條，SLAM先做好

　　SLAM

　　SLAM (Simultaneous Localization And Mapping)，即同步定位與地圖構(gòu)建，原理是使用相機、激光雷達、慣性測量單元等傳感器，來收集環(huán)境信息，然后用算法將這些信息融合起來，以確定機器人在未知環(huán)境中的位置，并構(gòu)建一張環(huán)境地圖。

　　SLAM是實現(xiàn)機器人自主導航和后續(xù)交互的關(guān)鍵技術(shù)之一

　　在暢談機器人技術(shù)之前，小嵐想先跟大家聊聊，做好機器人的第一步：自主定位導航技術(shù)尤其重要。同時，作為自主定位導航技術(shù)的重要突破口，SLAM技術(shù)的好壞，直接影響機器人在環(huán)境中的建圖、定位和后續(xù)的運動能力。

　　SLAM與各領(lǐng)域關(guān)系圖

　　在這里，我們要明確一個道理，SLAM≠自主移動導航，不解決行動問題。SLAM只解決實時定位與地圖構(gòu)建的問題。就跟人出行需要地圖參考一樣，機器人也如此。所以，不管是什么類型的機器人，第一步，就是要先做好SLAM。

　　1、機器人路徑規(guī)劃時需要地圖作為參考;

　　2、定位時，為消除里程計的累加誤差造成的干擾做參考;

　　但在實際商用SLAM的過程中，會遇到各種各樣的問題，那么，一個優(yōu)秀的SLAM該怎么去打破重重壁壘，實現(xiàn)靈活應(yīng)用呢?

　　SLAM難點

　　大場景建圖難

　　機器人開展行動的第一步就需要地圖的幫助，實際場景應(yīng)用中，機器人會遇到幾百、幾萬，甚至幾十萬㎡的工作場景，這時候來看，大地圖場景構(gòu)建確實是一個“攔路虎”。

　　1、 大場景建圖費時費力，效率低;

　　2、 相似場景特征點少，難以形成有效的全局匹配參考 ;

　　3、 大場景建圖難以閉環(huán);

　　由于環(huán)境場景大且多為長直走廊，導致SLAM建圖出現(xiàn)環(huán)路閉合失敗

　　為了解決上述這一難題，思嵐科技優(yōu)化了軟件算法、強化了建圖引擎，給了行業(yè)一個較為滿意和穩(wěn)定的解決方案—— SLAM3.0

　　相比較粒子濾波每次直接將傳感器數(shù)據(jù)更新進入柵格地圖進行增量式構(gòu)建的做法，基于圖優(yōu)化的SLAM3.0 摒棄固定的柵格地圖，能實現(xiàn)超大場景地圖構(gòu)建，同時擁有主動式回環(huán)閉合糾正能力，讓地圖有個很好的閉環(huán)的過程，成為目前行業(yè)中最受歡迎的建圖方式。

　　SLAM難點

　　建圖細節(jié)不平整，有毛刺

　　目前，市面上利用開源或者自主優(yōu)化的SLAM算法建出來的地圖通常會存在建圖細節(jié)不平整，邊角有毛刺，有噪點干擾。因此，在實際投入使用的時候，無法為機器人提供良好的定位和導航能力，產(chǎn)品的落地應(yīng)用速度和效率也會大打折扣。

　　傳統(tǒng)SLAM建圖

　　為了解決這一難題，基于思嵐的SharpEdge™精細化構(gòu)圖技術(shù)構(gòu)建高精度、厘米級別地圖，超高分辨率。同時，構(gòu)建的地圖規(guī)則、精細，進一步提升了定位的精確性。無需二次優(yōu)化修飾，直接滿足用戶預(yù)期。

　　SharpEdge™技術(shù)構(gòu)建的地圖效果，可讓機器人直接使用

　　SLAM難點

　　環(huán)境變化后，機器人無所適從

　　除了建圖閉環(huán)問題之外，機器人的定位問題也非常重要。因為定位一旦偏了，那后續(xù)的導航也就歇菜了。

　　機器人應(yīng)用場景的環(huán)境變化無非包含以下幾種：

　　1、環(huán)境結(jié)構(gòu)性不強：長直走廊

　　2、環(huán)境易變：現(xiàn)場隨時變

　　3、動態(tài)障礙物多：人群不斷移動

　　4、光照影響：黑色物體、燈光、玻璃等

　　針對以上這些常見的可能會讓機器人發(fā)生“定位偏”的這些問題，單靠單一的傳感器肯定解決不了所有問題，現(xiàn)在常見的解決方案有依靠多傳感器融合，激光+Vslam等多種方式融合，即使環(huán)境變化高達50%，機器人也能靈活應(yīng)對，長時間工作，不需要重復(fù)多次建圖。

　　SLAM難點

　　算力負擔重

　　SLAM 算法本身是一個對于外部系統(tǒng)有著諸多依賴的算法，這是一個切實的工程問題，所以運算消耗是巨大的。雖然并沒有達到像訓練神經(jīng)網(wǎng)絡(luò)動用服務(wù)器集群那種地步，但傳統(tǒng)上需要PC級別的處理器。但是對于很多機器人，比如掃地機是不可能裝一個PC級別的處理器進去的，因此，為了讓 SLAM 能在這類設(shè)備里運行，除了解決激光雷達成本外，還要對 SLAM 算法做出很好的優(yōu)化。

　　另外提一嘴，現(xiàn)在很多的優(yōu)化都是犧牲了SLAM的性能做出的，為了尋求在夠用和成本之間做了妥協(xié)，但面對現(xiàn)實復(fù)雜環(huán)境時，這種優(yōu)化可能會出現(xiàn)問題。為了更好地應(yīng)對復(fù)雜環(huán)境，還需要對算法本身做出優(yōu)化。

　　目前，SLAM 的開源實現(xiàn)代表多為學術(shù)界，實際應(yīng)用有很多“坑”要處理，需要傳感器、系統(tǒng)參數(shù)、其他輔助設(shè)備的聯(lián)合調(diào)優(yōu)。基于過去10年的技術(shù)和產(chǎn)品積累，思嵐科技在過去陸續(xù)推出SLAMWARE Core、SLAM Cube甚至機器人底盤開發(fā)產(chǎn)品來為機器人解決SLAM和運動控制的問題。但是對于很多機器人開發(fā)者來說，為了讓 SLAM 能在應(yīng)用中運行，除了解決激光雷達成本外，還要對 SLAM 本身做出很好的優(yōu)化來解決上述SLAM過程中遇到的大場景建圖閉環(huán)、噪點等難題。思嵐也深知這一需求，應(yīng)運而生了一款產(chǎn)品。

　　至于是什么產(chǎn)品?

　　這里先狠狠賣個關(guān)子!敬請期待。