隨著AR/VR行業的興起，以及智能移動機器人、無人駕駛的發展，行業對SLAM技術的需求出現了井噴。

　　另一方面，隨著傳感器技術的發展，計算資源的豐富以及算法的進步，SLAM技術本身也進入了一個從算法到產品過渡的階段。行業中已經出現了一些以SLAM技術為主的產品，但離進入千家萬戶還有一定的距離。

　　本文將從SLAM的基本技術，典型SLAM的應用以及目前行業中使用的解決方案來介紹。

　　▍SLAM技術入門

　　SLAM是simultaneous localization and mapping的簡寫，中文直譯為同時定位與建圖，其中又以定位更為核心，建圖實際上是在定位的基礎上，將觀測數據進行融合的過程。

　　關于定位，我們或許聽過很多相關的術語，GPS（全球定位系統），基站定位，WIFI定位，陀螺儀等等；但以上定位方案無論是適用場景，還是精度，抑或是價格，對于常見的SLAM應用都不能滿足需求，因此需要尋求更好的定位解決方案。

　　定位本質上可以定義為一個估計問題，通過傳感器的觀測數據（存在不同程度的噪聲）來估計位置；也可以定義為一個優化問題，通過多種觀測數據之間的約束關系，對位置進行優化。

　　邏輯上，噪聲越低的傳感器能夠獲得更好的定位精度，但需要在價格和精度上尋求balance；

　　目前行業中使用的傳感器有：激光雷達（單線、多線，能夠獲得對應點的深度信息），深度攝像頭（TOF，結構光，雙目；三種方案各有優缺點，能夠獲取彩色和深度圖像），IMU（慣導單元，能夠獲得高頻的位移信號），彩色攝像頭（單目，魚眼，或者是經過特殊的設計獲得更大的FOV），碼盤（記錄累積里程，累積誤差大）；

　　對于定位，通常意義上我們都指絕對定位，比如我們的GPS，固定原點位置，所有的定位都以這個原點作為參考，并以經緯度表示；又比如建筑物內部，我們規定一個原點，其他的定位結果都已這個位置為參考，并加上度量衡（cm， m等）表示。

　　另外，在SLAM中我們也考慮相對定位（或者稱為相對位移），當前時刻相對于前一時刻的旋轉、平移量是多少，并且可以通過時序的累積得到絕對定位。

　　關于SLAM入門，在這里把幾個相關的資料list出來：

　　1. slamcn主頁：http://suo.im/SaPrA

　　2. 大神Andrew Davison的主頁：http://suo.im/3WJvc1

　　3. openslam：http://openslam.org/

　　4. 《視覺SLAM十四講》，高翔，總結比較全面，同時有對應的code可以參考

　　5. slam基礎知識：http://suo.im/2icPv3

　　學習SLAM需要哪些預備知識？感興趣的朋友可以關注一下上面的材料。