有关slam的应用，研究内容，主要分类总结

2021SC@SDUSC

总结SLAM的应用

SLAM（Simultaneous Localization and Mapping），表示即时定位与地图构建。是利用机器人或者其他设备在完全未知环境中创建地图(Mapping)，同时利用地图进行自主定位和导航（Localization)，实现路径规划(Navigation)的技术。目前，SLAM这项技术主要被运用于无人驾驶、无人机、机器人、AR、智能家居等领域。下面介绍这项技术分别在这几个领域中的应用。

无人驾驶

SLAM技术在无人驾驶领域中的应用主要体现为，无人驾驶主要利用了激光雷达传感器这一设备来获取地图数据，并构建地图，从而规避路程中可能遇到的障碍物，实现路径的规划。为了安全，无人驾驶的雷达要求和成本是非常高的。

无人机

SLAM技术在无人机领域也有应用。我们知道无人机在飞行的过程中需要知道哪里存在障碍物，并且知道如何避开障碍物，从而需要确定如何重新规划路线。所以SLAM技术在这其中起了很大作用。但是市面上的无人机按照目前的需求，其飞行的范围较大，对其精度要求不高，所以一些其他光流、超声波传感器可以为其作为辅助。

机器人

目前机器人自主定位导航所需的主流技术为SLAM和激光。其中激光雷达传感器（SLAM技术中的设备）为获取地图信息，构建地图，实现路径规划与导航。而激光测距相比较于图像和超声波测距，具有良好的指向性和高度的聚焦性。

AR

AR是通过电脑，将虚拟的信息应用到真实世界，真实的环境和虚拟的物体即时地重叠到了同一个画面或者空间上同时存在。而这一画面或空间的实现利用到了SLAM技术中的实时定位。这里也体现了SLAM是优良的定位导航技术。

智能家居

目前市面上我们所能看到的AR行业中使用到SLAM技术的实际应用大部分都是智能家居，所以参照上一部分在此不再赘述。

总结SLAM的研究内容

SLAM知识树包括：

算法流程：传感器数据输入、前端视觉里程计、后端非线性优化、建图、回环检测；

典型开源方案：系数法（ORB-SLAM2）、半稠密法（LSD-SLAM、DSO）、稠密法（Elastic Fusion、Bundle Fusion、RGB-D SLAM V2）、多传感器融合（VINS、OKVIS）；

数学知识：矩阵、李群与李代数、非线性优化、微积分；

编程环境：Linux系统操作、开发环境、编译工具、第三方案、文档编辑；

专业知识：计算机视觉：传感器类型（激光雷达、视觉传感器、IMU）、相机、特征点、多视角几何；参考文献：《视觉SLAM十四讲》、《Multiple View Geometry》、《机器人状态估计》

总结SLAM的主要分类

SLAM主要分类包括 

1. 单线激光SLAM
2. 多线激光SLAM
3. 视觉SLAM
4. 复合SLAM
5. 新颖SLAM