應該很多同學在商場或者一些其他公眾場所見到過類似於豹小秘的移動機器人，那麼它為什麼能夠在商場這種有一定人流量的地方自由移動呢？
或許有一個答案叫做SLAM（Simultaneous Localization and Mapping，即時定位與地圖構建）。藉助SLAM，機器人可以隨時隨地構建自己的地圖。通過將他們收集的傳感器數據與他們已經收集的任何傳感器數據綜合建立地圖，能夠讓他們知道自己的位置。
SLAM最早是在1995年國際機器人研究研討會上推出的。1986年在IEEE機器人與自動化大會上對數學進行了定義之後，就開始使用統計理論和導航設備進行研究。1998年，在歐洲計算機視覺會議上，Davison和其他人提出了一種只使用相機而不使用任何其他傳感器的方法。這促進了基於視覺的SLAM的發展。
01·為什麼不用GPS呢？
GPS有兩個硬傷。
首先，雖然GPS相對於全球範圍來說是準確的，但相對於房間，桌子或小十字路口，精度和準確度都會減小比例。GPS的精確度可低至一米，但是釐米或者毫米呢？
其次，GPS在水下無法正常工作。同樣，在混凝土牆較厚的建築物內或者地下室，性能參差不齊。GPS是基於衛星的系統，存在物理限制。
因此，SLAM本身的特性相對GPS來說更適合某些特殊的需求。
02·SLAM和AR有什麼關係呢？
AR只有藉助SLAM，才能知道眼鏡的空間座標和相對於室內各種障礙物的位置，同時識別出各個物體的形狀，從而才能將虛擬正確的疊加在現實中。
當機器人來到一個陌生的環境，SLAM實際上只需要回答兩個問題：1、Location：我在哪兒？2、Mapping：我周圍是什麼？
03·Location=我在哪兒？
對於機器人，通過各類內置不同的傳感器接收到的數據進行各種算法的處理，最終得到自己的定位。照相機可以和激光雷達一樣有效地使用(就像雷達一樣，但是使用的是光而不是無線電波)，IMU(慣性測量單元)的測量加速度和傾斜度的單元也很有用。當涉及到SLAM時，數據越多越好，因此這些傳感器通常可以用於提高準確性。
所有這些傳感器都收集大量的數據。就像我們用大腦來處理所有來自感官的數據，機器人也一樣，需要用正確的算法來把所有的傳感器數據轉換成空間感知。
04·Mapping=我周圍是什麼？
SLAM過程中的另一個關鍵部分是獲取機器人周圍環境的數據。就像人類一樣，機器人利用地標來確定自己的位置。他們使用傳感器、激光、聲納或任何使用的測量設備。在不同的環境中，機器人會使用不同的地標。但是，在SLAM中對地標有一定的要求。首先，地標應該是固定的。如果附近的地標一直在移動，機器人就無法確定自己的位置。此外，地標應該是唯一的，並且能和周圍的環境區分開來。地標的數量也需要足夠多，能夠保證從許多不同的角度進行查看。
一旦機器人感知到一個地標，它就可以通過提取感知輸入並識別不同的地標來確定自己的位置。為了讓機器人做到這一點，需要有一個合適的方法。這種地標提取可以通過多種方式完成，從峰值提取到掃描匹配。最重要的是，機器人需要一種識別地標的方法。機器人還可以使用之前掃描的地標數據，並將它們相互匹配，以最終來確定自己的位置。
SLAM是一個環境的映射，使用映射設備、機器人和它所在位置之間的持續交互。當機器人與環境相互作用時，它不僅可以繪製區域地圖，還可以同時確定自己的位置。與其他地圖技術一樣，SLAM作為一種探索我們周圍環境的工具也在不斷改進。
- 未完待續 -
關注「AR圈子」Kaiya帶你玩轉AR～
閱讀更多 AR圈子 的文章
