SLAM前端技术选择思考

    以前是专门做室内定位技术研究的，先后学习和分析了多种基于电磁的室内定位技术，如WiFi指纹定位（先后出现过RSSI、CTF、CIR多种指纹特征）、WiFi ToF定位、低功耗蓝牙BLE以及iBeacon定位，调研和测试过超宽带（UWB）定位技术、地磁指纹定位等技术。后面有时间会准备一个适用场景和性能指标的详细对比分析。

    室内定位技术通常以定位区域的精准结构及地图已知为前提，随着机器人相关技术的发展和应用场景的逐步拓展，同步定位与地图构建SLAM技术日益重要，近两个月学习和测试了下SLAM相关的技术。作为新手，也是结合自己以前的工作积累和近期思考，今天先从SLAM技术的前端感知技术入手介绍下SLAM前端的选择。

    SLAM的前端技术选择对于后续的处理算法和适用的应用场景具有十分重要的意义。SLAM前端包括单目视觉、双目视觉、激光雷达、深度摄像机（RGB-D），由于需要构建地图，无法形成高密度点云的毫米波雷达、超声波雷达一般仅作为避障使用，或者是类似于惯性测量单元IMU、里程计等用于辅助确定位置。下表分析比较了上述不同SLAM前端的特性。

表1   SLAM前端感知技术对比分析

名称	适用场景	测距精度	测距范围	计算复杂度	支持自身快速移动	成本	环境适应性	系统稳定性	情景识别能力
单目摄像头	室内外简单场景 无快速移动的背景物体	较低	中	高	否	低	中	低，易失捕	高
双目摄像头	室内外简单场景	中	较近	高	否	低	中	低，易失捕	较高
激光雷达	室内外较复杂场景	高	远	中	是	高	较高	高	较低
深度摄像机	室内较复杂场景	高	较近	中	否	中	低	较高	高

    根据上述对SLAM前端技术的分析，考虑器件成本的未来下降空间，后续将主要围绕激光雷达或深度摄像机作为SLAM前端的传感器，分析相关SLAM的开源项目，解读其核心算法。