【 聲明：版權所有，歡迎轉載，請勿用於商業用途。 聯繫信箱：feixiaoxing @163.com】
slam技術，就是一邊定位一邊進行建圖。現在比較流行的掃地機器人，其實就是slam應用的一個例子。另外工業生產上用的比較多的AGV，有一部分也是slam技術。相比較傳統的磁條導航，帶有slam的AGV不需要磁條，可以自己對環境進行建圖，並且快速進行部署，接受服務器控制。
1、應用場景
家庭上主要是掃地機器人，工業上主要是AGV、無人叉車等，無人駕駛也算一部分。
2、slam分類
主要是激光slam和視覺slam。
3、基本流程
經典的slam一般包括三個部分。前端負責獲取傳感器數據、尋找特徵點、特徵匹配、數據融合、計算里程計、求解姿態和位置。後端負責對前端的結果數據進行進一步優化，主要有濾波優化和圖優化兩種方法。除了前端和後端，還有一個就是迴環檢測，如果識別到機器人回到了原來的場景，那麼可以重新進行姿態矯正，減小傳感器誤差。
slam的關鍵在於優化和迴環檢測，slam做的好不好、能不能用，就在於這兩個方面。
4、爲什麼要後端優化
傳感器的數據都是有誤差的，如果沒有優化，我們會發現構建出來的圖是一個不合理的圖。即使robot轉了一圈回來之後，這時會發現終點和起點沒有重合。
5、soc方案
除了傳統的樹莓派，現在最火的應該是jetson nano，因爲有gpu的加持，算力會比較強。
6、操作系統
linux，目前用的最多的其實就是ubuntu
7、slam的主要軟件平臺
ros，ros其實是一箇中間件，習慣上稱之爲機器人操作系統
ros裏面其實東西比較多，類似於一個大雜燴，比如說機器人手臂、仿真、地圖顯示什麼的都可以做。slam只是其中的一部分內容。
8、機器人平臺
jetbot或者類似的套件
9、slam使用的主要技術
攝像機標定、攝像機外參標定、pcl點雲庫、opencv庫、Eigen線性代數、sophus庫計算李羣問題、g2o優化、robot規劃、車輛控制、A*算法等等。
常用的傳感器有激光、攝像頭、imu、gps、輪式里程計或者輪式編碼器、麥克風矩陣等等。
10、slam是否需要每一次都重構地圖
理論上只需要構建以此，後面就可以直接利用了，當然也取決於地圖中的關鍵幀信息。有了地圖，就可以每時每刻都知道自己的位置，方便對路徑進行規劃、對車輛進行路線設計了，能做的事情也多了不少。
11、slam參考資料
目前slam的書籍比較少，除了論文，slam十四講可以參考下。
12、目前的發展情況
激光slam比較成熟，視覺slam （比如vio）有所發展，但是做成產品還是有距離。
13、開源代碼
開源代碼其實挺多的。在github上搜一下，就可以出來好多，大家可以選擇適合自己的。
視覺方面，比如orbslam就不錯，大家可以參考這個鏈接，
https://zhuanlan.zhihu.com/p/47451004
上面還有視頻，體驗一下slam出來的效果是什麼樣的。
如果是激光方面，可以直接參考ros gmapping或者hector，最新的方法可以參考Cartographer。
14、matlab資源
http://www.pudn.com/Download/item/id/3868383.html
一個有趣的matlab slam代碼
15、比算法更重要的事情
很多同學學slam偏向於算法，這無可厚非。但是比這更重要的是產品能否落地、能否幫助客戶的問題、耐久性有沒有問題、成本是否hold住，這些往往不是科學的事情，而是技術、工程的事情，甚至是商業的事情。
對於嵌入式的同學來說，slam也是一次機會。嵌入式上面的算力、網絡、加速、安全等等，都是不小的一個挑戰。slam的前端算法、後端優化中，特別是優化，往往是加速的重點，優化意味着更多的循環、計算和算力要求，同時爲了保障實時性的要求，必須在藉助於multi core、dsp、fpga、npu或者gpu的幫助了，這個就看各個供應商自己的絕活了。