SLAM 建图与定位 — 领域全景入门

本文面向 SLAM 领域的初学者，系统介绍这个领域的发展历程、核心问题、技术分支、主流算法、应用场景和发展趋势。读完之后你会对整个 SLAM 领域有一个完整的认知框架。

一、SLAM 是什么？

1.1 定义

SLAM = Simultaneous Localization and Mapping（同时定位与建图）

白话：机器人到了一个陌生环境，一边走一边干两件事——搞清楚"我在哪"和"周围啥样"。这两件事互相依赖：要知道自己在哪需要参照物（地图），要建地图需要知道每次观测时自己站在哪里。SLAM 就是同时解决这个问题。

1.2 为什么重要

GPS 能解决室外定位，但以下场景 GPS 不可用或精度不足：

• 室内（商场、仓库、医院）——信号被墙遮挡
• 地下（车库、隧道、矿井）——完全无信号
• 城市峡谷（高楼间）——多径反射导致跳变
• 高精度要求（自动驾驶要求厘米级，GPS只有米级）
• AR/VR（需要毫米级跟踪手机/头显的6自由度位姿）

凡是这些场景，都需要 SLAM 或基于 SLAM 思想的技术。

1.3 SLAM 的历史脉络

二、SLAM 解决的核心问题

2.1 状态估计

SLAM 的本质是一个状态估计问题。待估计的状态包括：

• 位姿（Pose）：6自由度——3个平移(x,y,z) + 3个旋转(roll,pitch,yaw)
• 速度：线速度和角速度（融合IMU时需要）
• 传感器偏置：IMU的零偏随时间漂移，需要在线估计
• 地图：环境的某种表示（点云/特征点/栅格/隐式场）

2.2 定位 vs 建图 vs SLAM

实际工程中的典型流程：第一次到场景跑 SLAM 建图 → 保存地图 → 之后每次只做定位（更快更稳定）。

2.3 定位的两层含义

• 里程计（Odometry）：相对定位，估计相邻时刻的运动增量。快速但会累积漂移。
• 全局定位（Global Localization）：在已有地图中确定绝对位置。解决"绑架问题"（突然被放到未知位置）。

三、传感器体系

3.1 外部感知传感器

3.2 内部感知传感器

3.3 外部参考传感器

3.4 常见传感器组合

四、SLAM 系统的模块划分

一个完整的 SLAM 系统一般包含以下模块：

4.1 数据预处理

不同传感器的预处理工作：

LiDAR：

• 运动补偿（去畸变）：一帧扫描期间机器人在动，需要校正
• 降采样：减少数据量同时保留几何信息
• 去除无效点：过近/过远/噪声点

相机：

• 畸变校正：鱼眼/广角镜头的畸变矫正
• 特征提取：角点、边缘、描述子
• 直方图均衡化：应对光照变化

IMU：

• 坐标系对齐：统一到body坐标系
• 零偏补偿：减去估计的bias
• 时间同步：与其他传感器时间对齐

4.2 前端里程计

前端解决的是"相邻两帧之间我运动了多少"，即短时相对运动估计。

视觉前端的两大流派：

LiDAR前端：

IMU里程计：

• 对角速度积分得到旋转变化
• 对加速度二重积分得到位移
• 单独使用会快速漂移（秒级），必须和其他传感器融合

4.3 后端优化

后端解决的是"综合所有历史信息，最优的完整轨迹是什么"。

两大流派：

图优化的直觉理解：把每个位姿想象成一个可以移动的节点，传感器观测是节点之间的弹簧（约束）。优化就是找所有节点的位置使得弹簧总能量最小。回环检测相当于在远处两个节点之间加了一根新弹簧，拉动整条轨迹修正。

主流优化库：

• GTSAM：因子图框架，增量优化(ISAM2)，LIO-SAM使用
• g2o：通用图优化，ORB-SLAM使用
• Ceres Solver：通用非线性最小二乘，VINS-Mono使用

4.4 回环检测

当机器人重新回到之前去过的地方时，识别出"我来过这里"，提供一个全局约束消除累积漂移。

方法分类：

回环验证：候选帧检出后，通常需要几何验证（ICP配准或PnP求解），确认是真回环而非误匹配（假阳性）。

4.5 地图表示

五、SLAM 技术分支详解

5.1 视觉 SLAM（Visual SLAM）

用相机作为主传感器的 SLAM。

特征点法代表 — ORB-SLAM 系列：

• 提取 ORB 特征点 → 描述子匹配 → 对极几何求位姿
• 三线程并行：跟踪(Tracking) / 局部建图(LocalMapping) / 回环(LoopClosing)
• ORB-SLAM3 支持单目/双目/RGBD/鱼眼 + IMU

直接法代表 — DSO（Direct Sparse Odometry）：

• 不提取特征，直接用像素灰度值做匹配（光度误差最小化）
• 优点：纹理弱的区域也能工作；缺点：对光照变化敏感

视觉惯性代表 — VINS-Mono/Fusion：

• 相机 + IMU 紧耦合
• 滑动窗口优化（Ceres）
• 鲁棒初始化（恢复尺度和重力方向）
• 是 VIO（Visual-Inertial Odometry）的标杆

5.2 激光 SLAM（LiDAR SLAM）

用 LiDAR 作为主传感器的 SLAM。

2D 激光 SLAM：

• GMapping：粒子滤波 + 栅格地图
• Hector SLAM：扫描匹配，无需里程计
• Cartographer：submap + branch-and-bound 回环
• 用途：扫地机器人、AGV、室内服务机器人

3D 激光 SLAM：

• LOAM（2014）：开创 edge/planar 特征提取 + 两频率优化
• LeGO-LOAM（2018）：轻量级改进，加入地面分割
• LIO-SAM（2020）：因子图 + IMU预积分 + 回环 + GPS
• FAST-LIO2（2022）：ikd-Tree + iterated ESKF，极致效率
• KISS-ICP（2023）：极简点到点ICP，开箱即用

3D LiDAR SLAM 的演化路径：

LOAM(2014) → LeGO-LOAM(2018) → LIO-SAM(2020) [图优化路线] | └──→ FAST-LIO(2021) → FAST-LIO2(2022) [滤波路线] | └──→ FASTER-LIO(iVox) [更快数据结构]

5.3 多传感器融合 SLAM

融合多种传感器以互补优缺点：

融合方式分类：

• 松耦合：各传感器独立出结果再融合。模块化但信息利用不充分。
• 紧耦合：原始测量级融合，共享状态联合优化。精度高但实现复杂。
• 现代高精度系统基本都是紧耦合。

5.4 语义 SLAM

在几何 SLAM 的基础上加入语义理解：

• 识别物体类别（这是椅子、那是门）
• 剔除动态物体（行人、车辆不应出现在地图中）
• 构建物体级地图（不只是点云，而是"哪里有什么"）
• 辅助回环检测（看到同一个路标比几何匹配更可靠）

代表工作：Kimera、DS-SLAM、DynaSLAM

5.5 深度学习与 SLAM

深度学习正在渗透 SLAM 的各个模块：

目前趋势：传统几何方法仍是主干（精度和可解释性更好），深度学习作为强力模块嵌入（特别是在特征/回环/建图方面）。

六、应用场景详解

6.1 自动驾驶

• 高精地图构建：用采集车（LiDAR+IMU+GPS）建立厘米级道路地图
• 实时定位：行驶中在高精地图中做点云配准定位
• 挑战：大规模（城市级）、动态环境（车流人流）、全天候

6.2 室内服务机器人

• 场景：仓库AGV、配送机器人、清洁机器人
• 典型方案：2D LiDAR + Cartographer 建栅格图 → AMCL 粒子滤波定位
• 挑战：动态环境（人流）、长期运行（地图老化）

6.3 无人机

• 场景：室内巡检、航拍建图、自主飞行
• 典型方案：相机+IMU (VIO)，计算资源和重量受限
• 挑战：快速运动（IMU必须）、视觉退化（仰视天花板无纹理）

6.4 AR/VR/MR

• 需求：手机/头显在空间中的6-DoF实时跟踪
• 代表：Apple ARKit、Google ARCore、Meta Quest SLAM
• 特点：必须极低延迟（<20ms）、消费级硬件

6.5 三维重建与数字孪生

• 场景：建筑BIM、文物扫描、工厂数字孪生
• 方案：LiDAR建图 + 纹理贴图 或 NeRF/3DGS高质量重建
• 趋势：从点云地图 → 照片级真实感渲染

6.6 矿井/隧道巡检

• 特点：完全无GPS、环境重复性高（退化严重）
• 方案：LiDAR+IMU紧耦合 + 多模态退化检测
• 挑战：粉尘干扰LiDAR、狭长结构退化

七、SLAM 的核心难题

7.1 累积漂移

前端每帧估计都有小误差，时间越长越偏。像闭眼走路，每步偏一点点，走一百步就偏很远。

应对：

• 回环检测 + 图优化（检测到回到旧地方，一次性修正整条轨迹）
• GPS/UWB等绝对位置源（定期"校准"）
• 更高精度的前端（减小单步误差）

7.2 动态环境

行人、车辆等运动物体会污染地图、干扰配准。

应对：

• 基于一致性的动态点检测（多帧不一致→动态）
• 语义分割识别动态类别（人、车直接剔除）
• 鲁棒核函数降权异常观测

7.3 退化场景

某些环境缺乏足够约束：

应对：多传感器融合互补（LiDAR走廊退化时IMU补偿，相机无纹理时LiDAR补偿）、退化检测与告警。

7.4 计算效率

嵌入式平台算力有限，但SLAM需要实时。

应对：

• 高效数据结构（ikd-Tree, iVox）
• 滤波代替全量优化
• 降采样减少数据量
• GPU加速/专用芯片

7.5 大规模与长时间

地图越来越大怎么办？跑几个小时地图变化了怎么办？

应对：

• 地图分块管理（子地图加载/卸载）
• 关键帧稀疏化（不保留所有帧）
• 长期地图更新（检测变化区域并更新）

7.6 鲁棒性

实际环境千变万化：雨雪雾、强光逆光、传感器故障、剧烈运动…

应对：

• 多传感器冗余
• 异常检测与降级策略
• 鲁棒统计方法（M-estimator、RANSAC）

八、SLAM 与相关领域的关系

• 计算机视觉：视觉SLAM大量依赖CV技术（特征、光流、深度估计）
• 状态估计/控制论：卡尔曼滤波、图优化的理论基础
• 机器人学：SLAM是自主导航的基础模块
• 数值优化：非线性最小二乘、流形优化
• 深度学习：越来越多模块被学习方法增强

九、发展趋势

9.1 与深度学习的融合

• 端到端 SLAM（从图像直接出位姿，但目前精度不足）
• 学习增强的传统 SLAM（学习做特征/匹配/回环，几何仍用传统方法）
• 神经隐式建图（NeRF/3DGS 替代点云地图）

9.2 多机协作 SLAM

• 多个机器人同时建图，共享和融合各自的地图
• 挑战：通信带宽有限、相对位姿估计、地图合并

9.3 语义化与场景理解

• 不只是几何地图，还要理解"这是什么、有什么意义"
• 物体级SLAM：地图中的元素是"桌子""门"而非一堆点
• 为机器人决策提供更高层次信息

9.4 长期自主运行

• 环境会变化（施工、季节、家具搬动），地图要能更新
• 长期运行的稳定性（内存泄漏、数值精度、地图膨胀）
• 终身学习：从经验中改进自身

9.5 新型传感器

• 4D毫米波雷达：穿透雾雨雪，成本低
• 事件相机：超高动态范围，微秒级时间分辨率
• 固态LiDAR阵列：多个小型固态LiDAR拼接全视角

十、学习路线建议

阶段一：建立感性认识（1-2周）

• 跑通一个开源 SLAM demo（推荐 FAST-LIO2，代码最精简）
• 用 rviz 看点云地图生成的过程
• 跑不同数据集感受不同环境的效果
• 不需要看代码，先知道"这东西能干嘛"

阶段二：补数学基础（2-4周）

• 坐标系变换与齐次坐标
• 旋转表示（旋转矩阵、四元数、轴角）
• 最小二乘与非线性优化基础
• 概率论基础（高斯分布、贝叶斯）
• 推荐：高翔《视觉SLAM十四讲》前8章

阶段三：精读一个系统（4-8周）

• 选一个系统看源码（推荐FAST-LIO2：代码量最小、结构最清晰）
• 对照论文理解每个模块
• 修改参数看效果变化

阶段四：对比不同方案（4周）

• 对比滤波vs图优化（FAST-LIO2 vs LIO-SAM）
• 对比视觉vs激光（VINS-Mono vs FAST-LIO2）
• 理解各自的取舍和适用场景

阶段五：工程实践（持续）

• 换自己的传感器跑
• 处理实际问题（标定、时间同步、异常数据）
• 根据场景需求改算法（加回环、加GPS、处理退化）

推荐资源

十一、常见误解澄清

“SLAM就是建图”

不是。SLAM 的重点是定位（“我在哪”），建图是实现定位的手段。很多应用中地图建完后主要用定位功能。

“有了GPS就不需要SLAM”

GPS室内不可用、城市中精度差、频率低(10Hz)。即使室外有GPS，也通常和SLAM融合使用（GPS修正漂移，SLAM提供高频高精度）。

“LiDAR SLAM比视觉SLAM好”

各有所长。LiDAR精度高不怕光照但贵；视觉便宜信息丰富但怕光照和无纹理。实际趋势是融合使用。

“深度学习会取代传统SLAM”

短期内不会。端到端学习方法精度和泛化能力不足。当前趋势是传统几何方法为主干，深度学习增强特定模块（特征提取、回环检测、建图）。

“SLAM问题已经解决了”

实验室demo层面基本解决，但工程落地仍有大量挑战：动态环境鲁棒性、极端天气、长期运行稳定性、大规模地图管理、计算效率等。这也是为什么SLAM算法工程师仍然大量需求。

延伸阅读

• 入门：高翔《视觉SLAM十四讲》
• 综述论文：Cadena C, et al. “Past, Present, and Future of Simultaneous Localization and Mapping.” IEEE T-RO, 2016.
• 视觉SLAM综述：Kazerouni I, et al. “A Survey of State-of-the-Art on Visual SLAM.” Expert Systems with Applications, 2022.
• LiDAR SLAM综述：Zhang J, et al. “A Survey on LiDAR-based SLAM.” Robotics and Autonomous Systems, 2023.
• 本系列后续：第1-12篇逐步深入各个具体算法和源码实现