一直以来，机器人大多在预先定义环境尺寸的区域中工作。在仓库或医院等日常场所中工作的机器人，大多数都对环境有先验知识，并执行固定的任务集。
现在，随着机器人获得更大的自主权并在室外和室内环境中执行任务，他们需要远离周围环境以安全有效地工作。然而，如果没有预先存在的信息，机器人要导航新的，复杂的和动态的地形并不容易。
而SLAM技术，帮助解决了这一点。SLAM技术可在各种环境下指导自主机器人。
什么是SLAM技术？
SLAM技术是一种计算机程序，用于构建座席周围环境的虚拟地图并更新其实时坐标。此多阶段过程包括使用多种算法来对齐传感器数据，这些算法使用了图形处理单元（GPU）的并行处理功能。
无需事先知道机器人的位置，SLAM技术就可以收集代理环境的空间信息并构建地图以帮助机器人进行导航。使用不同类型的传感器收集信息。相对较新的SLAM技术使用相机，称为Visual SLAM或VSLAM。
尽管诸如GPS之类的先前技术可以绘制代理人或人类的地图，但机器人无法使用GPS，因为它无法部署在室内环境中，而且由于导航任务要求达到英寸级的精确度，因此无法在室外足够精确。
它是如何工作的？
SLAM技术使用本地化方法将机器人放置在环境中并创建地图以帮助机器人导航。这些方法有两种形式-相对位置测量和绝对位置环境。
在相对位置测量中，SLAM根据车轮旋转或使用传感器测量惯性测量（例如速度或行进距离）来计算机器人的位置。这些计算使用了诸如车轮里程表和惯性测量单元（IMU）之类的传感器（也称为触觉传感器）来测量机器人内部的值。但是，这种方法有其局限性，因为传感器容易出错。
绝对定位测量使用感受性传感器以及照相机和激光器。感受性传感器从机器人的环境中收集信息。
像声传感器这样的外感传感器发出声纳波以计算飞行时间（ToF）。激光传感器也用于计算ToF。但是，这些传感器在大规模环境和开放式走廊中效率较低。
由于现在使用相机来捕获数据，因此SLAM技术的准确性是一流的。单眼相机用于更便宜，体积更小的解决方案。立体摄像头（读取两台摄像头）可以计算三维尺寸，深度，但范围有限。现在，大多数SLAM系统都使用RGB-D摄像机通过结构化灯光或ToF技术生成3D地图，以直接提供深度信息。
组合的传感器流（也称为“传感器融合”）可以更好地估计机器人的运动。依靠顺序蒙特卡洛方法的卡尔曼滤波算法和粒子滤波算法被用于这些传感器输入。
当使用有限数量的对象时，生成的地图采用二维占用栅格的形式。使用VSLAM，您可以通过连续的摄像机跟踪一组点，以对其3D位置进行三角测量。
有什么应用？
VSLAM技术用于增强现实任务中，可将虚拟图像准确地投影到物理世界上。
该应用程序还用于各种现场机器人。火星上的流浪者和登陆器，无人驾驶飞机，自主地面车辆，农业机器人等大量运用VSLAM技术。
随着VSLAM在商业上越来越可行，它可能会在大多数应用中取代GPS。
SLAM是嵌入式视觉领域出现的重大创新之一。该技术已经成为改善机器人自主性的重要技术，其潜在应用非常多，未来的发展前景十分光明。