每日报道：SLAM技术在自动驾驶的应用

本文来源：智车科技

(相关资料图)

/ 导读 /

定位在自动驾驶中占据着不可替代的地位，而且未来有着可期的发展。 目前自动驾驶中的定位都是依赖RTK配合高精地图，这给自动驾驶的落地增加了不少成本与难度。试想一下人类开车，并非需要知道自己的全局高精定位及周围的详细环境，有一条全局导航路径并配合车辆在该路径上的位置，也就足够了，而这里牵涉到的，便是 SLAM领域的关键技术 。

什么是SLAM

SLAM (Simultaneous Localization and Mapping)，也称为CML (Concurrent Mapping and Localization),即时定位与地图构建，或并发建图与定位。 问题可以描述为： 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。例如扫地机器人就是一个很典型的SLAM问题，所谓完全的地图（a consistent map）是指不受障碍行进到房间可进入的每个角落。

SLAM最早由Smith、Self和Cheeseman于1988年提出。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 。

模拟人类来到一个陌生的环境时，为了迅速熟悉环境并完成自己的任务（比如找饭馆，找旅馆）， 这时应当依次做以下事情 ：

a. 用眼睛观察周围地标如建筑、大树、花坛等，并记住他们的特征（ 特征提取 ）

b. 在自己的脑海中，根据双目获得的信息，把特征地标在三维地图中重建出来（ 三维重建 ）

c. 当自己在行走时，不断获取新的特征地标，并且校正自己头脑中的地图模型（ bundle adjustment or EKF ）

d. 根据自己前一段时间行走获得的特征地标，确定自己的位置（ trajectory ）

e. 当无意中走了很长一段路的时候，和脑海中的以往地标进行匹配，看一看是否走回了原路（ loop-closure detection ）。实际这一步可有可无。

以上五步是 同时进行 的，因此是Simultaneous Localization and Mapping。

激光SLAM与视觉SLAM

目前用在SLAM上的传感器主要分两大类， 激光雷达 和 摄像头 。激光雷达有单线多线之分，角分辨率及精度也各有千秋。

而 VSLAM则主要用摄像头来实现 ，摄像头品种繁多，主要分为单目、双目、单目结构光、双目结构光、ToF几大类。他们的核心都是 获取RGB和depth map(深度信息) 。

由于受制 成本 的影响，视觉SLAM在近些年变得越来越流行，通过低成本的摄像头进行实时的建图与定位，这里面的技术难度也是非常之大。以ToF（Time of Flight），一种很有前景的深度获取方法为例。传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息。类似于雷达，或者想象一下蝙蝠，softkinetic的DS325采用的就是ToF方案（TI设计的）。但是它的接收器微观结构比较特殊，有2个或者更多快门，测ps级别的时间差，但它的单位像素尺寸通常在100um的尺寸，所以目前分辨率不高。

在有了深度图之后呢，SLAM算法就开始工作了，由于Sensor和需求的不同，SLAM的呈现形式略有差异。大致可以分为 激光SLAM （也分2D和3D）和 视觉SLAM （也分Sparse、semiDense、Dense），但其主要思路大同小异。

SLAM算法实现的要素

SLAM技术非常实用，同时难度也相当大，在时刻需要精确定位的自动驾驶领域，想要完成SLAM落地也是困难重重。 一般来说，SLAM算法在实现的时候主要考虑以下4个方面：

1、地图表示问题 ，比如dense和sparse都是它的不同表达方式，这个需要根据实际场景需求去抉择

2、信息感知问题 ，需要考虑如何全面的感知这个环境，RGBD摄像头FOV通常比较小，但激光雷达比较大

3、数据关联问题 ，不同的sensor的数据类型、时间戳、坐标系表达方式各有不同，需要统一处理

4、定位与构图问题 ，就是指怎么实现位姿估计和建模，这里面涉及到很多数学问题，物理模型建立，状态估计和优化

其他的还有 回环检测问题 ， 探索问题 （exploration），以及 绑架问题 （kidnapping）。

目前比较流行的视觉SLAM框架主要包含前端和后端：

前端

前端相当于 VO（视觉里程计），研究帧与帧之间变换关系 。

首先提取每帧图像特征点，利用相邻帧图像，进行特征点匹配，然后利用RANSAC去除大噪声，然后进行匹配，得到一个pose信息（位置和姿态），同时可以利用IMU（Inertial measurement unit惯性测量单元）提供的姿态信息进行滤波融合后端则主要是对前端出结果进行优化，利用滤波理论（EKF、UKF、PF）、或者优化理论TORO、G2O进行树或者图的优化。最终得到最优的位姿估计。

后端

后端这边难点比较多，涉及到的数学知识也比较多， 总的来说大家已经慢慢抛弃传统的滤波理论走向图优化去了。

因为基于滤波的理论，滤波器稳度增长太快，这对于需要频繁求逆的EKF（扩展卡尔曼滤波器），PF压力很大。

而基于图的SLAM，通常以keyframe（关键帧）为基础，建立多个节点和节点之间的相对变换关系，比如仿射变换矩阵，并不断地进行关键节点的维护，保证图的容量，在保证精度的同时，降低了计算量。

SLAM未来在自动驾驶领域的应用

Slam技术目前已经在多个领域都取得了不错的落地效果与成绩，包括室内的移动机器人，AR场景以及无人机等等。 而在自动驾驶领域，SLAM技术却一直未得到太多的重视 ，一方面由于定位在目前的自动驾驶行业中大多通过RTK来解决，并不会投入过多的资源去进行深入的研究，另一方面也是由于目前技术还不成熟，在自动驾驶这种关乎生命的领域，任何一种新技术都得经过时间的检验才能被接受。

在未来，随着传感器精度的逐渐提升，SLAM也会在自动驾驶领域大显身手，其成本的低昂性，性能的鲁棒性，都将为自动驾驶带来革命性的变化。而随着SLAM技术的逐渐火热，也将有越来越多的定位人才涌进自动驾驶领域，为自动驾驶注入新鲜血液，带来新的技术方向与研究领域。

参考资料：

[1] https://blog.csdn.net/u010632165/article/details/119426739

- End -

关键词： 激光雷达 表达方式