物流产品网（ID:products56）原创

作者 | 李波

编辑 | 李波

图片来源 | 网络

如何实现移动机器人在不确定环境中自主定位导航，一直都是机器人行业研究的一大核心课题，SLAM导航技术，是最重要的一条途径。

一、什么是SLAM

伴随着技术的发展，在AGV基础上提出了新的概念——AMR（自主移动机器人），AMR更强调机器人的自主性和灵活性。

什么是AMR，拥有SLAM自主导航技术的移动机器人称为AMR，在许多工业场景中，兼具柔性化与智能化的AMR被认为是移动机器人迭代的必然趋势。

那么，到底什么是SLAM技术呢？简单来说，SLAM技术是指机器人在未知环境中，完成定位、建图、路径规划的整套流程。即机器人通过传感器获取环境信息，系统根据获取的信息，求解自身方位并确定环境地图。

SLAM（Simultaneous Localization and Mapping），即时定位与地图构建），自1988年被提出以来，主要用于研究机器人移动的智能化。

对于完全未知的室内环境，SLAM技术可以帮助机器人构建室内环境地图，助力机器人的自主行走。最可能大规模落地应用的SLAM技术，是自主移动机器人导航技术的发展方向。

将SLAM自主导航技术应用于物流机器人中，能保证机器人高度的智能化及强大的环境适应能力，从而有效提升企业物流效率，降低生产成本。SLAM导航方式适应性强，周围环境的改变对导航没有任何影响，充分展现了车辆的灵活性及扩展性，亦可根据⼯况需求定制各种接驳方案。

SLAM技术完全依赖环境中的丰富自然特征自主定位和导航。物流仓储环境较为复杂，且机器人需要完成较多的工作，因此其位置信息将不断发生变化，利用SLAM技术，可完成机器人自主定位、对目标进行有效跟踪和操作、实现自主路径规划和导航、自动避开障碍物等操作，可大幅提高仓储系统的智能性和自主性，提升移动搬运机器人应用的广度和深度。

值得注意的是，SLAM系统的传感器受自身精度等因素影响，其获取的信息会存在一定误差，因此还必须对环境路标进行有效观测，通过获取的环境路标信息，对机器人位姿进行矫正。

SLAM的不确定性是SLAM技术中的最主要问题，造成构建地图不够精确的主要原因有两点：一是机器人自身配备的传感器受精度等因素影响，造成其获取的信息与真实值有一定误差；二是外界如环境噪声产生的干扰导致的误差。

SLAM技术中对不确定的环境信息是通过概率计算的方法进行估算处理，现阶段常用的有卡尔曼滤波算法和基于粒子滤波的算法。抑或是采用多传感器获取信息，并将数据进行融合，提高测量准确度，

但是，无论如何，SLAM自主导航技术应用于物流机器人中，能保证机器人高度的智能化及强大的环境适应能力，从而有效提升企业物流效率，降低生产成本，slam的后期爆发潜力让人无法忽视。

逐渐不依赖于辅助导航标志，更高柔性、更高精度、更强适应性是导航导引技术发展方向，SLAM是其重要途径。

二、两大分类

简单地说，SLAM分为激光SLAM（2D或3D）和视觉SLAM两大类。

其实，不至两类，还有更多。不过，在未来的各类SLAM算法导航中，基于激光雷达的激光SLAM和基于机器视觉的视觉SLAM（VSLAM）两种研究最多，也最可能大规模落地。

视觉SLAM（V-SLAM）

简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。

激光SLAM(Lidar SLAM)

指利用激光雷达作为传感器，获取地图数据，使机器人实现同步定位与地图构建，就技术本身而言，经过多年验证，已相当成熟。

激光雷达具有指向性强的特点，使得导航的精度得到有效保障，能很好地适应室内环境。但是，Lidar SLAM却并未在机器人室内导航领域有出色表现，原因就在于激光雷达的价格过于昂贵，这一瓶颈问题亟待解决。

三、风头正劲V-SLAM

无论是物流机器人公司海康机器人、快仓、极智嘉还是商用机器人公司诺亚、小觅智能等都有视觉SLAM导航技术方案……

灵动科技的仓储机器人使用了视觉定位导航(V-SLAM)与环境理解（CV）技术，以摄像头为主要传感器，通过深度学习神经网络进行环境感知，实现了VSLAM三维地图构建、360°避障、自主规划路线。

马路创新推出新一代视觉导航技术v-slam2.0，已经做到了纯视觉且不受地纹影响。

是什么在推动视觉导航V-SLAM的发展？为何企业纷纷开始发展视觉导航方案。

成本是一个最大的因素，世界顶级的视觉传感器（工业相机）产品售价约为人民币3000元，是同等级的激光雷达产品售价的10-20%。而较低的制造成本意味着较低的产品价格，对提升企业产品竞争力或终端客户投资回报周期都更加利好。

目前，国内激光雷达企业已经可以部分完成进口替代，不远的将来，可能在成本上具有优势。万集科技自2010年开始自研激光雷达，并在2012年实现正式量产。万集与行业内多家企业进行了产品联合测试，用于导航的激光雷达和用于避障的激光雷达产品性能得到了广泛认可，其中激光叉车导航雷达，率先实现进口替代。

星秒科技研发的高性能激光雷达产品。采用时间飞行（TOF）原理设计，通过对激光脉冲反射过程的精密时间测量，获得高精度的距离信息，配合电机旋转完成对周围环境的二维扫描。

但是，在相当长的时间来，视觉SLAM有成本优势，通过近年来移动机器人企业的产品发展动向与市场关注热度，可以发现视觉SLAM的后期爆发潜力让人无法忽视。

视觉纹理导航的硬件成本较低，定位精确。缺点是运行的地面需要有纹理信息，当运行场地面积较大，绘制导航地图的时间相比激光导航长。

四、应用现状

尽管AMR产品在应用层面已经逐步成熟，但是，SLAM自主导航技术现阶段还是存在一定局限。

激光SLAM导航的优点是技术成熟，能够灵活规划路径，定位精度高，行驶路径灵活多变，施工较为方便。缺点是制作成本及价格相对较高，探测范围有限制，主要被应用在室内环境；地图缺乏语义信息，限制了复杂环境下的可拓展性应用。

视觉SLAM导航的优点是无传感器探测距离限制，路径规划灵活，定位精度高，施工方便，室内外环境下均能开展工作，成本低，地图可提取语义信息，复杂环境中的复用性高。缺点同样存在，对光的依赖程度高，在暗处或者一些无纹理区域需要借助辅助传感器。当运行场地面积较大，绘制导航地图的时间相比激光导航长。

视觉SLAM尽管普遍看好，但事实上真正落地应用视觉方案的企业还不算多，大多数公司采取的是多种类型的混合导航技术，例如视觉传感搭配激光SLAM进行工作，以此进行优势互补，但混合导航中的视觉SLAM的实际作用难以考证。

究其原因，还是受制于视觉导航算法的开发难度，利用视觉导引快速准确地实现路标识别这一技术，仍处于瓶颈阶段。

图像处理本身就是一门很深的学问，基于非线性优化的地图构建也非常复杂和耗时，且在实际环境中还需要通过优化和改进现有的视觉SLAM框架，使得视觉导航技术仅被应用于较小空间中。

目前自动化流水生产线的视觉系统，定位精度可以精确到0.1mm，但是基于无固定参照的纯视觉导航AMR，定位精度约为10mm，仍然有待提高。

经过近年的技术沉淀，拥有视觉技术的移动机器人企业正在不断突破和创新。随着视觉技术在移动机器人上的应用日臻成熟，V-SLAM导航未来有望成为移动机器人导航技术的主流方案之一。

对国内企业来说，不管是激光雷达还是视觉元件，都没有达到市场化要求的技术和成本，大面积使用还不成熟。

五、系统拓展

技术推动产品，产品推动场景。SLAM系统拓展性强，与现代技术的融合能力高。

随着通信设备/处理器等周边配套设施的不断完善，视觉SLAM导航模块正飞速进步，视觉导航与计算机连接可以实现大规模的调度任务，而视觉导航技术与5G及云端系统的融合也将更进一步。

视觉SLAM与5G的结合是完美的，未来如果能够将图像信息通过高速网络传输到云端做边缘计算或传输到服务器做并行计算，可以进一步大幅提高视觉导航的性能。

视觉SLAM信息获取能力强大，也更具有系统拓展性。充分结合了5G确定性网络的大带宽、低时延、高可靠等特性，具有广阔的复制推广前景.

未来，5G、AI、云计算、IoT等新技术与SLAM融合，将给AMR行业带来翻天覆地的变化。