第 5 章 远征导航：SLAM 同步定位与建图

第 5 章 · 远征导航：SLAM 同步定位与建图

章节摘要：本章跟着一条线走——一支小队在未知地形里边走边画图。定位需要地图、建图需要定位，这对"鸡生蛋"难题就是 SLAM。前端做数据关联、后端做优化平差、回环做闭合校核，六节从问题定义走到评估验收，是全远征技术密度最高的一段。

一条主线

前四章的远征都是"先采后算"：数据落盘，回营地慢慢处理。SLAM 把时间轴拧紧：机器人在走，地图要实时长出来，自己的位置要实时定——而定位要用地图、建图要用定位，两者互为前提、必须联立求解。这条主线贯穿六节：先把这个"蛋鸡问题"形式化为状态估计（5.1），再看两种前端——视觉的（5.2）与激光的（5.3），接着是多传感器合兵一处（5.4），然后是全远征的收官动作：回到出发点校核闭合差，即回环检测与位姿图优化（5.5），最后用公开数据集与量化指标验收成果（5.6）。测绘人熟悉的"闭合差"概念在这里完整体现：绕行一圈，起点终点重合误差从数米压到厘米，才算交图。

沿途站点

5.1 SLAM 问题与状态估计。把蛋鸡问题写成概率公式，贝叶斯滤波的预测与更新两步，卡尔曼家族与粒子滤波两条求解路线的分工。

5.2 视觉 SLAM 前端。特征点法与直接法的路线之争、关键帧策略、深度不确定度——第五章的视觉兵种。

5.3 激光 SLAM 与占据栅格。扫描匹配、相关性扫描匹配、分枝定界搜索，占据栅格地图的更新公式——激光兵种与它的地图载体。

5.4 多传感器融合 SLAM。松耦合与紧耦合、IMU 预积分的直觉、视觉惯性系统的标定与初始化。

5.5 回环检测与位姿图优化。词袋检索认旧地、回环验证防误报、位姿图上的非线性平差压闭合差——收官动作全流程。

5.6 SLAM 评估与数据集。绝对轨迹误差与相对位姿误差两个指标、公开数据集地图、调参实验的对照组纪律。

本章知识地图

一句金句：SLAM 的全部戏剧性在于"用一张正在画的地图导航"——误差不可避免地累积，而回环是唯一能把账算回来的机会。

拐点与结论

本章最大的认知转折有两次。第一次在 5.1：多数人以为 SLAM 的难点是算法，实际上难点是数据关联——这一帧的特征点对应地图里的哪个路标？关联错了，再漂亮的滤波器也是在精确地放大错误。第二次在 5.5：漂移不是 bug，是航位推算的数学必然（小误差相乘累积），因此回环不是锦上添花的优化，而是 SLAM 作为测绘工具的合法性来源——没有回环校核的轨迹，就像没有闭合差检查的导线测量，不能签字。

读完你应该

• 写出 SLAM 的概率形式，解释预测与更新各自的输入输出；
• 对比特征点法与直接法、卡尔曼家族与粒子滤波的适用边界；
• 实现占据栅格的对数几率更新并解释它为何优于直接计数；
• 区分松耦合与紧耦合，说出 IMU 预积分解决什么问题；
• 完成一次回环实验：检测、验证、优化三步，报告闭合差前后对比；
• 用绝对轨迹误差指标复现一次公开数据集上的评测。

远征日志：导航阶段的作战地图

导航阶段的"测量成果"是一份完整的 SLAM 验收单：序列名称、ATE 均方根与最大值（注明对齐方式）、RPE 均值（注明片段长度）、回环检出数与误报数、单帧耗时分布。5.6 节给了模板，这里补一句使用心法：验收单不是交差文书，而是调参地图——ATE 差查回环与 5.5，RPE 差查前端与 5.2、5.3，回环误报查验证门，耗时超标查 5.3 的搜索策略与 5.4 的预积分实现。每改一项参数，重跑同一序列并对照上一张验收单，这个"改一项、测一次、留一张单"的循环，就是从使用者到建设者的分水岭。

下一章的接力

导航闭环，远征凯旋在望。第六章盘点全线战果：从自动驾驶的实时定位到文物的毫米存档，从 AR 眼镜的即时重定位到语义 SLAM 的前沿侦察——前面五章的每一件装备，都将在真实战场找到它的位置。