Kudan 宣布，它已完成开发独特的 SLAM 地图技术，生成超过 10 亿千兆点地图。 此图像是当时发布的 YouTube 视频的演示图像 – 来源：库丹新闻稿

自我定位和制图是自动驾驶的核心技术之一。 识别自动驾驶车辆的自定位是一项必要的技术，地图有助于实现高精度自动驾驶。

有一种技术可以同时执行这两种技术。 这是“SLAM”。 通过引入与标准 GPS 定位不同的技术，可以提高自动驾驶的准确性。

本文介绍了 SLAM 的概述和案例研究。

什么是 SLAM？

同时执行本地化和映射

SLAM 是“模拟本地和映射”的首字母缩进，并读为“SLAM”。 直接翻译意味着“本地化和映射并发”。 这是一种能够同时定位和制图的技术。

使用配备传感器的车辆等移动体，在移动时绘制周围环境的地图。 此外，提供任何参考点，如传感器图像，或计算基于参考点的移动量，通过计算从安装在车辆上的惯性测量装置 （IMU） 的移动量，可以识别其相对位置。

GPS 可以获取指示地球上位置的绝对位置的坐标，而 SLAM 可以确定它在地图上的位置。

这就像一个进入陌生地方的人在周围行走和绘制地图一样。 通过逐个记下进入视野的建筑物和道路来创建外围地图，同时通过计算步行距离和方向等移动量来掌握您在地图上的位置。 SLAM 正在执行这一系列操作。

这是一种能够有效地执行自定位和制图的技术，这是自动驾驶所必需的。 即使没有 GPS 信息，也可以获得相对位置信息，因此无需询问室内停车场、山区或隧道等位置即可使用。

SLAM的现状与展望|友纳正弘、原祥弥
https://www.jstage.jst.go.jp/article/isciesci/64/2/64_45/_article/-char/ja/
• 使用 LiDAR 的 SLAM 技术的现状与展望|田崎裕一
https://www.jstage.jst.go.jp/article/isciesci/64/2/64_51/_article/-char/ja/

相机、激光雷达和 ToF 三种类型是主流

传感器主要使用相机、激光雷达和飞行时间传感器。 利用LiDAR点云数据的称为“LiDAR SLAM”，利用摄像机视频数据的称为“视觉SLAM”，利用ToF传感器的深度图像数据称为“深度SLAM”。

LiDAR 和 ToF 传感器利用激光测量到物体的距离，具有高立体映射精度。 它可以在夜间测量。 摄像机具有大量的信息，在跟踪对象方面表现优异。 也可以使用立体摄像机计算距离。

另一方面，LiDAR 相对较高，数据负载较高。 除了激光照射的范围在垂直方向上较窄外，当周围的物体较少时，点云的密度往往变得粗糙。 虽然相机具有出色的性价比，但与 LiDAR 等摄像机相比，它们在距离测量和夜间测量方面表现较差。

每种方法都有其优缺点，但也可以使用 LiDAR 和摄像机，在传感器配置中执行本地化和映射，以适应应用。

虽然SLAM存在独特的问题，如数据处理时间和局部位置信息的准确性、整体地图的完整性和对移动物体的处理，但传感器融合和高性能计算机的使用已成为一种可用于广泛领域的技术。

在室外无人机和自动驾驶领域发挥积极作用，包括室内无人机

不需要 GPS 的 SLAM 擅长在室内工作。 由于其特性，各种服务机器人，如清洁机器人和安全机器人在商业设施，经常用于自动运输机器人在概念和仓库。

机器人自己在目标区域内行驶并映射，以掌握各种行驶路径。 然后，当根据某些说明前往目的地时，预先映射的对象，如从传感器（如摄像机）实时检测的对象信息，在识别自身位置时自动驾驶。

此外，SLAM 还用于无人机、测量、自动驾驶农业和建筑设备以及车道上的自动驾驶。 据说，它活跃在潜艇和外星探索等。

在车道自动驾驶中，GPS 可以提高本地化和映射的准确性和冗余性。 它不受驾驶环境的影响，并提高了鲁棒性。

SLAM开发企业

库丹：提供商业级“SLAM”

资料来源：库丹官方网站。

Kudan 从事人工感知 （AP） 技术的研究与开发，通过研发 AP 算法，使空间识别能力加快了自动驾驶、机器人、AR 和 VR 等领域的创新。

GRAND SLAM 是一种具有商业级性能的软件，将摄像机和激光雷达作为主传感器，并支持各种传感器数据，包括 ToF、IMU、GNSS 和车轮测量。

除了实现高精度和低延迟外，还可以扩展到大型地图、与其他系统的集成以及跨平台。

2022年7月，中国自动驾驶解决方案开发公司Whale Dynamic宣布，开始提供与库丹3D-Lidar SLAM技术集成的自动驾驶交付车和相关高清地图制作工具套件产品。

自2021年以来，该公司一直与库丹进行技术合作。 除了开始提供用于无人驾驶交付的多用途自动驾驶汽车“WD1”和映射硬件套件和软件工具套件外，该公司还计划获得在中国主要城市部署的自动驾驶项目的订单，以推动社会实施和技术的进一步升级。

此外，Kudan 的关联公司Artisense正在扩大其活动范围，包括参与欧洲ERASMO项目，该项目开发自定位估计技术，实现全自动驾驶。

库丹官方网站
https://www.kudan.io

地图IV：开发三维制图系统“地图四引擎”

资料来源：地图四官方网站。

地图四公司是三维地图技术的开发者，正在开发一种三维制图系统“地图IV引擎”，该系统结合了独特的SLAM技术。 传感器融合技术克服了SLAM特有的问题，利用手持数据构建高精度的三维点云。

此外，该公司还发布了使用全球导航卫星系统和IMU的位置估计系统“Eagleye”，以及使用三维地图和单目摄像头图像的位置估计系统“Iris”。

地图四官方网站
https://www.map4.jp

DMP：开发视觉SLAM软件“ZIA SLAM”

资料来源：数字媒体专业官方网站。

2021 年，从事半导体开发等工作的数字媒体专业人员 （DMP） 宣布开始提供 Visual SLAM 技术软件 ZIA SLAM。

除了支持机器人应用软件平台 Robot 操作系统 （ROS） 的最新版本 ROS2 外，它还确保了独立于平台（如 GPU、CPU 和 FPGA）的多功能性。

它支持各种摄像机，如单目摄像机、立体摄像机和 RGBD 摄像机，还可以与 IMU 和 GPS 等传感器融合。

数字媒体专业官方网站
https://www.dmprof.com/

佳能：开发基于视觉SLAM的视频分析软件

资料来源：佳能官方网站。

佳能在相机和打印机方面也非常熟悉，并于2020年开发了基于Visual SLAM的视频分析软件，并进入了移动机器人市场。

利用在实时融合真实世界和 3D CG 的 MR（混合现实）研究中培养的空间特征对齐技术，将周围的静止物体替换为标记，成功将视频分析软件（包括 Visual SLAM 技术）投入实际应用。

它有望引入下一代自动运输卡车（AGV）和自动驾驶运输机器人（AMR），并用于日本电产信浦推出的自动运输卡车“S-CART-V”系列。

佳能官方网站
https://global.canon/ja/technology/visual-slam-2021.html

SLAM活用事例

加速引入自动运输机器人

Geek+ （GekPlus） 是物流机器人的制造和销售公司，于 2018 年开始销售 SLAM 型，作为物流机器人 EVE 系列的新产品。 它配备了自己的映射系统，允许多个机器人同时查看您创建的地图。

除了大和房屋集团的阿卡国际公司推出的第一款产品外，丰田似乎也采用了它作为汽车制造厂的运输机器人。

此外，SLAM 还用于各种机器人，包括 GROUND 的自主协作机器人 PEER 和欧姆龙的自动运输移动机器人 LD/HD 系列。

SLAM 在机场自动驾驶演示中的应用

在自动驾驶方面，SLAM 还用于全日空、高级移动性和 SB 驱动器（现为 BOLDLY）在 2019 财年进行的机场限制区域内自动驾驶的演示实验。

在演示中，除了全球导航卫星系统和惯性导航外，还首次使用SLAM技术进行自我定位估计，以确认机场内坡道巴士的运行状态。

因此，在三种方法中，由于SLAM的精度，出现了许多手动干预，需要进一步提高精度和增强多路复用。

似乎仍有问题，但对开发商来说，这反过来又带来了商业机会。 对高精度、高处理能力的SLAM技术的需求可能会进一步增加。

【总结】SLAM技术仍有发展空间

这种情况似乎开始逐渐扩展到自动驾驶领域，包括引入室内机器人。 随着 LiDAR 价格的降低和传感器融合技术的改进，SLAM 技术可能会进一步发展。

作为有助于进一步改进自动驾驶技术的技术，我们会密切关注未来的发展趋势。