SLAM入门基础知识介绍

Simultaneous localization and mapping（及时定位与地图构建）简称SLAM，主要用于解决机器人在未知环境运动时的定位与地图构建问题，近期在学习SLAM相关的理论，为了更进一步的了解 SLAM ，将SLAM相关的基础知识进行一些总结，以下将从SLAM的应用领域、SLAM框架方面来进行全面阐述：

一、SLAM的典型应用领域

机器人定位导航领域： SLAM 可以辅助机器人执行路径规划、自主探索、导航等任务。例如：让扫地机器人高效绘制室内地图，智能分析和规划扫地环境。
VR/AR方面： 辅助增强视觉效果。SLAM技术能够构建视觉效果更为真实的地图，从而针对当前视角结合GPU进行渲染虚拟物体的叠加效果，使之更真实没有违和感。
无人机领域： SLAM可以快速构建局部3D地图，并与GIS（地理信息系统）、视觉对象识别技术（OCR）相结合，可以辅助无人机识别路障并自动避障规划路径。
无人驾驶领域： SLAM技术可以提供视觉里程计功能，并结合GNSS（全球定位导航系统）等其他定位方式相融合，从而满足无人驾驶精准定位的需求。例如：应用了基于激光雷达技术Google无人驾驶车以及牛津大学MobileRoboticsGroup11年改装的无人驾驶汽车野猫(Wildcat)均已成功路测。
二、SLAM框架
SLAM系统框架如图所示，一般分为五个模块，包括传感器数据、视觉里程计、后端、建图及回环检测。

传感器数据：主要用于采集实际环境中的各类型原始数据。包括激光扫