一文看尽SLAM创新点的前世今生

将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进？

SLAM(simultaneous localization and mapping)全称即时定位与地图构建或并发建图与定位，它主要的作用就是让机器人在未知的环境中，完成定位（Localization)，建图(Mapping)和路径规划(Navigation)。由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。目前，SLAM技术被广泛运用于机器人、无人机、无人驾驶、AR、VR等领域。

主流的slam技术应用有两种，分别是激光slam(基于激光雷达lidar来建图导航)和视觉slam(vslam,基于单/双目摄像头视觉建图导航)。

经典的SLAM系统一般包含前端视觉里程计、后端优化、闭环检测和构图四个主要部分。

很多同学都觉得Slam方向难以入门，也难以学深。但其实相对来讲，不像其他很多方向，很多的东西大家都已经做了，并且做的很不错，要想发论文或者找创意突破比较吃力。slam方向还有很多深层次的多领域结合应用的内容还比较少，并且slam更深的内容还有很多东西需要做。

在机器人slam、无线感知、多模态融合、智能视觉领域有深厚落地经验的Wills老师，将系统性为大家讲解机器人导航相关技术，并带大家分析slam创新点的前世今生。

审核编辑 ：李倩