大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
SLAM（同步定位与地图构建），是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程，解决机器人等在未知环境下运动时的定位与地图构建问题。目前，SLAM的主要应用于机器人、无人机、无人驾驶、AR、VR等领域。其用途包括传感器自身的定位，以及后续的路径规划、运动性能、场景理解。
SLAM按照传感器来分，分为视觉SLAM(VSLAM)和激光SLAM，视觉SLAM基于摄像头返回的图像信息，激光SLAM基于激光雷达返回的点云信息。
激光SLAM比视觉SLAM起步早，在理论、技术和产品落地上都相对成熟。基于视觉的 SLAM 方案目前主要有两种实现路径，一种是基于 RGBD 的深度摄像机，比如 Kinect；还有一种就是基于单目、双目或者鱼眼摄像头的。VSLAM 目前尚处于进一步研发和应用场景拓展、产品逐渐落地阶段。
成本
不管是 Sick，北洋，还是 Velodyne，价格从几万到几十万不等，成本相对来说比较高，RPLIDAR算是很低成本的激光雷达解决方案，摄像头相比激光雷达，成本低很多
应用场景
VSLAM的应用场景要丰富很多，在室内外均能开展工作，但是对光的依赖度高，在暗处或者一些无纹理区域无法进行工作。而激光SLAM主要应用在室内。
构建的地图精度
激光SLAM精度很高，RPLIDAR精度达到2cm，VSLAM kinect测距范围3-12m，地图构建精度3cm。所以激光 SLAM 构建的地图精度一般来说比 VSLAM 高，且能直接用于定位导航。
激光 SLAM 是目前比较成熟的定位导航方案，视觉 SLAM 是未来研究的一个主流方向。所以，未来，多传感器的融合是一种必然的趋势。取长补短，优势结合，才能打造出真正好用的、易用的 SLAM 方案。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/172362.html原文链接：https://javaforall.net
