SLAM(Simultaneous Localization and Mapping)，即“同步定位与建图”。它的作用是让机器人在没有环境先验信息的情况下，建立自身周围的环境模型，同时定位自身位置和姿态。目前，SLAM技术被广泛运用于智能机器人、无人机、自动驾驶、增强现实等领域。
根据传感器的不同，目前SLAM技术主要分为激光SLAM和视觉SLAM，其中激光SLAM技术起步较早，无论是理论、技术还是应用都十分成熟，可以说是目前最主流的SLAM技术，而视觉SLAM起步稍晚，发展时间短，且技术开发难度也相对较高，目前市面上的成熟方案还相对较少。
视觉SLAM和激光SLAM的区别是什么？
1. 传感器：视觉SLAM主要依赖于不同类型的相机，如单目相机、双目相机、RGBD相机等，相机不同能够实现的技术效果各有差异，而激光SLAM则使用单线激光雷达或多线激光雷达。前者通过捕捉和分析图像信息来实现定位和建图，后者则通过扫描获取环境的点云数据，然后处理和分析这些点云数据来实现定位和地图构建。
2. 精度和稳定性：由于激光雷达可以提供精确的距离测量和角度分辨率，因此，激光SLAM通常具有较高的精度和稳定性。而视觉SLAM的精度和稳定性会受到图像质量、特征提取和匹配算法等因素的影响，精度和稳定性相对较低。
3. 适用场景：从应用潜力来说，视觉SLAM的应用场景更加丰富，能够适应各种室内外环境，但缺点是对光线条件要求高，面对纹理缺乏、光照变化大的环境，视觉SLAM往往误差较大甚至无法工作。相比之下，激光SLAM对环境光照和纹理变化不太敏感，在这种条件下一般表现更好。
4. 成本：随着激光雷达等一系列硬件的国产化，激光雷达的价格得到明显下探，市面上已经出现较多的低成本激光雷达方案，不过即便如此，消费级的摄像头在成本上仍然更具优势。
在实际应用中，视觉SLAM和激光SLAM，谁更胜一筹？
在实际应用中，视觉SLAM和激光SLAM各有其优势和局限性，具体哪个更好用取决于应用场景和需求。
激光SLAM在静态且简单的环境中表现较好，具有较高的定位精度和地图构建精度。但面对高频变动的动态环境，如商场，激光雷达的测量会受到遮挡、反射等因素的影响，产生误差或丢失情况，且对于环境特征单一的长走廊等场景，误差也往往较高。总的来说，激光SLAM系统稳定且成熟，适用于室内等需要高精度定位和导航的场景。
在面对空间大的动态环境中，视觉SLAM由于其具有丰富的纹理信息可表现出更好的效果。视觉SLAM可以通过处理和分析图像数据来获取丰富的环境信息，对于场景中的动态目标(如行人、车辆等)可以进行有效的跟踪和预测，这对于在复杂动态场景中稳定作业是至关重要的。
事实上，随着机器人的应用场景越来越复杂，融合激光雷达、视觉相机、IMU等传感器等的融合SLAM正在成为新趋势，通过不同传感器之间取长补短，优势结合，可以获取更丰富、全面的环境信息，能够显著提高定位建图精度及SLAM的鲁棒性。
推荐阅读：什么是多传感器融合技术？一文带你了解
INDEMIND是一家拥有自研机器人全栈AI技术的机器人AI技术供应商，立足于机器人产业链最上游，为整个机器人行业提供通用的、可靠的、低成本的机器人AI技术。如有：视觉导航、扫地机器人导航、商用机器人底盘和双目视觉等AI技术需要，请拨打010-5289 4598
