同时定位与建图(SLAM)

同时定位与建图（SLAM），是一项让车辆在陌生环境中，一边实时估计自身位置，一边同步构建周围环境地图的关键技术。

你可以把SLAM的核心任务理解为要同时回答两个问题：“我在哪？”和“周围有什么？”。比如自动驾驶汽车进入GPS信号丢失的地下停车场，它就需要依靠SLAM，通过摄像头、激光雷达等传感器“观察”周围环境，在定位自身的同时，把停车场的地图也画出来。

💡 技术分类

根据主传感器的不同，SLAM主要分为两大技术流派，它们在性能和适用场景上各有侧重：

• 激光SLAM：主要依赖激光雷达（LiDAR），通过测量激光束的反射时间来获取高精度的三维空间点云数据。它的优点是精度极高，且不受环境光照影响，即使在黑暗环境也能稳定工作。因此，它常被用于自动驾驶和机器人领域。不过，激光雷达的成本也相对较高。

• 视觉SLAM：主要依赖摄像头采集图像信息，通过分析图像特征来定位和建图。它的优点是硬件成本低，且能获取丰富的纹理和颜色信息，有助于进行物体识别等高级感知任务。但其缺点也很明显：易受光照变化、阴影、以及无纹理区域（如白墙）的干扰，稳定性不如激光SLAM。

💎 技术趋势

在自动驾驶的实际应用中，单一的传感器方案往往无法应对所有挑战。因此，当前的主流趋势是多传感器融合，即将激光雷达、摄像头、惯性测量单元（IMU）、轮速计等多种传感器的数据结合起来，通过算法进行深度融合，取长补短。例如，在结构化的地下停车场等GNSS信号拒止环境中，融合方案能显著提升定位与建图的鲁棒性和精度。