1.什么是SLAM?
Slam(Simultaneous Localization And Mapping,同时定位和同时建图)，即利用传感器来进行机器人的自身定位以及对周围环境的建图。当机器人来到一个陌生的环境中时，它需要迅速的建立自身与环境的关系，“我现在在哪里？”“我要去哪里？”“我从哪里来？”，“我现在要干什么？”“我现在看到的世界是什么样子”“我能在已有的抽象世界中定位我的位置吗？”等一系列问题，依据这些问题，机器人能完美的做出回答即是SLAM方法需要解决的。

2.SLAM方法实现的4要素
SLAM方法在实现的时候主要要考虑以下4个方面：
地图表示问题，这个需要根据实际场景需求去抉择
信息感知问题，需要考虑如何全面的感知外界环境，一般SLAM使用外界环境感知传感器分为视觉导航传感器，如摄像机，激光导航传感器，如激光扫描仪。
数据关联问题，不同的传感器的数据类型、时间戳、坐标系表达方式各有不同，需要统一处理。
定位与构图问题，就是指怎么实现位姿估计和建模，这里面涉及到很多数学问题，物理模型建立，状态估计和优化等。

3.SLAM分类
SLAM大概可分为激光SLAM（也分2D和3D）和视觉SLAM两大类。

关于激光SLAM 2D， 就是SLAM定位时，仅用单线激光传感器，在激光传感器扫描的这一个平面上进行二维定位，在获取精密的二维定位后，在此基础上解算三维激光点云，成为一个完整的空间三维数据。
同理，激光SLAM 3D，就是要用三维激光传感器，获取三维数据，然后通过三维数据的特征点匹配进行定位，然后在三维定位基础上，来计算和匹配完整的三维数据，最后得到其位姿。
关于视觉SLAM系统主要分为四个模块：摄像头、后端、建图、回环检测。其过程为，视觉SLAM靠一个摄像头来感知周围的世界并评估自身的位姿，它需要利用视觉里程计来通过相邻两张相片计算姿态参数估算距离角度以及恢复图像上各点的位置，由于有累积误差需要后端优化，对于周围环境的感知需要地图构建并配准，然后需要回环检测计算闭合误差并修正，最后得到准确的机器人位姿。
4.SLAM的未来
SLAM将来的发展趋势有两大类：一是朝轻量级、小型化方向发展，让SLAM能够在嵌入式或手机等小型设备上良好运行，然后考虑以它为底层功能的应用。因为在绝大多数场合中，真正目的都是实现机器人、AR/VR设备的功能，比如说运动、导航、教学、娱乐，而SLAM是为上层应用提供自身的一个位姿估计。在这些应用中，我们不希望SLAM占用所有计算资源，所以对SLAM的小型化和轻量化有非常强烈的需求。另一方面则是利用高性能计算设备，实现精密的三维重建、场景理解等功能。在这些应用中，我们的目的是完美地重建场景，而对于计算资源和设备的便携性则没有多大限制。
阅读原文：http://www.robest.cn