激光slam是干什么的-激光 SLAM 是什么-什么介绍-静秋百科网

猜您喜欢：：

在咱们干这行、做这行之前，先不整那些虚头巴脑的“从头到尾”、“从宏观到微观”的开场白。激光 SLAM（激光 SLAM）实际上就是个既把眼也练出来的活儿。它好办说，就是你的脑袋里有个“摄像头”（惯性传感器），手里拿着个“地图”（激光雷达），云里有个“导航”（视觉传感器），三个脑袋一起拼，对着一个没路要么没地图的瞎子，直接蹦出一张靠谱的地图，还顺便把路走出来了。
这玩意儿在无人机、机器人、就连无人机自杀式攻击无人机里都是绕不开的主心骨。那会儿咱们做地图导航，最难点儿就是地图不准，配准不准，导航也就跟着飘了。
那时候还得得靠其他传感器硬凑，要么得花大价钱上高精地图，那事儿大难。激光 SLAM 最大的本事就是能造一个“自造地图”。它不依赖外界供给的地图，靠自己的激光雷达把环境扫一遍，算出距离，把墙面、柱子、地面、人的影子全记下来，然后实时根据之前的位置和新扫到的数据，在脑子里算出一张 3D 地图。
这地图不仅能显示哪儿有障碍物，还能告诉你自己目前是站立的哪个坐标，就连能预知前方几步会有墙。这事儿之故此难，在于脑子里的地图和眼前的环境时常对不上。
比如你绕着墙角转，激光扫到了，但心里还留着之前转弯时的旧地图数据，结局这就害得地图变形，就连出现“鬼影”，看起来墙上有个看不见的转角。要解决这个，就得把视觉和激光融合。
你看无人机在找飞手的时候，要是把你当成一个会动的黑盒子，那你飞出去就完了；但要是知道你能自适应，把视觉识别到的那个人的位置算出来，那就稳了。
这就像你开车不知道前面有个人，但你看到的人脸特征和之前的数据对得上，你就知道那是个人，而不是障碍物。咱们还得提提实时性。目前的激光 SLAM 跑得飞快。有一台无人机做了个演示，用激光雷达配准，操作起来跟人类一模一样。它不仅能绕墙转，还能直接起来乘员，这就是所谓的“乘员图”。再比如那个“自杀式攻击无人机”的案例，它建了一套地图，下一秒就识别出了前方两米外有个目标，直接绕那会儿，最终连飞手都没遇到，这就叫“预测”。
要是没有这个本事，它可能连个目标都还没看清，就已经撞到了人。实际上大量人认定激光 SLAM 就是搞激光的，那是大错特错。它是个系统工程。激光只是它的眼和耳朵，负责感知障碍物；惯性传感器负责脑子，负责算加速度和速度；视觉传感器负责看人和细节。三个系统配合，才能把建图和导航这两件大事干到一起。并且目前的技术迭代速度极快，你看那些国产的无人机，比如大疆的某些型号，就连在军事领域，都启动用激光雷达来做这种高精度的自主导航了。
那会儿得靠高精地图，目前靠的是“实时建图 + 实时导航”，这效率翻了十倍不止。在数据量上，激光 SLAM 算是爆发了。它能把环境的信息量渲染得满头大汗。一个一般/平平的室内环境，可能有几十万个点云，每一个点对应一个像素，并且还要加上工夫戳和深度信息。
要是只靠视觉，数据量是这点，但激光加上去之后，点的密度直接爆炸。
这就好比那会儿看一个视频，目前看的是一个充满了细节的 3D 世界。处理这些海量数据，算法务必得精，不然估摸都跑不动。再说个具体的数值例子。假设你在一个复杂的工业厂房里，激光雷达每秒能扫出几万个点。
这些点不仅要算距离，还要算角度，还要算深度，最终还得根据工夫戳去排序，再去匹配特征点。
要是你用一般/平平算法，肯定扛不住如此多计算量，务必得用那种高并发的分布式处理要么云端协同的方式。有些数据量大的场景，就连得把地图先云端生成，再去仿真一下，最终才下发到无人机手里。
这就是个“云 - 端 - 边”的体系。并且，激光 SLAM 的“实时”不是指瞬间搞定，而是指毫秒级。无人机在空中悬停，要么在狭小的巷子里穿梭，哪怕只有几十毫秒的延迟，导航的误差也可能让它偏离目标，就连撞上去。
故此速度越快，精度要求就越高，算力就得越强。
这也给硬件研发提出了挑战，芯片、传感器、算法得全得跟上。最终说说应用场景。除了咱们平时用的无人机，工业巡检、地下隧道掘进、就连军事领域的无人车，都在用这个。
特别是那些对地图要求极高的地方，比如地下，地面建不了高精地图，这时候激光 SLAM 就是唯一的救命稻草。它能在地下去，凭自己的本事把地图建起来，然后让无人驾驶的车在里面保险地钻那会儿。总而言之，激光 SLAM 就是个能把“眼”、“脑子”和“地图”全融在一块，靠着自己脑子算出前方路如何走、哪儿有人的活儿。它不靠外界给地图，不靠别人给导航，全靠自己的脑子把环境算得清清楚楚。赶明儿不管啥环境，只要有激光雷达，大约率都能靠它自己把自己带出去。

好文推荐：：

假四六级证书被中石油查嘛(假四六级中石油查)

九江学院很恐怖(九江学院很吓人)

如何查飞机到哪了-飞机定位查询

专业教育与介绍讲座听后感-专业讲座听后感