2.2 SLAM 同步定位与建图

2.2 SLAM 同步定位与建图

本节摘要：机器人进到一个陌生房间，它怎么知道自己在哪、房间长什么样？这就是 SLAM（Simultaneous Localization and Mapping，同步定位与建图）解决的“鸡生蛋”问题——要定位得有地图，要建图得知道自己在哪，两者相互依赖。本节讲 SLAM 的基本原理、两大主流方法（基于滤波、基于图优化）、以及激光 SLAM 和视觉 SLAM 的差别。SLAM 是移动机器人自主行动的基础。

核心问题

阅读完本节，你应当能够：

1. 说清 SLAM 解决的核心问题和它的“鸡生蛋”特性
2. 区分前端和后端在 SLAM 里的职责
3. 理解基于滤波和基于图优化两类方法的思路差别
4. 说清激光 SLAM 和视觉 SLAM 的优缺点
5. 知道回环检测为什么对 SLAM 重要

一、问题与直觉

把一个机器人扔进一个它从没见过的房间，让它自主移动。第一个问题就卡住了：它怎么知道自己在房间的哪个位置？

人会先环顾四周，记住房间布局（哪里有门、哪里有桌子），然后根据自己的移动估计位置。机器人也想这么干，但有个先有鸡还是先有蛋的难题：要定位（知道自己在哪），得有个房间的地图作参照；要建图（画出房间布局），得知道自己移动到了哪里才能把观测拼起来。定位依赖地图，建图依赖定位，两者相互依赖。

SLAM 就是同时解决这两个问题的方法——在没有先验地图的情况下，机器人一边移动一边估计自己的位置，同时逐步构建环境地图，两者交替迭代，逐渐收敛到准确的定位和地图。这个能力是移动机器人（扫地机、配送机器人、自动驾驶）自主行动的基础——不能定位和建图，机器人就是瞎的，哪儿也去不了。

二、核心原理

2.1 SLAM 的“鸡生蛋”结构

SLAM 的核心难点，可以用一个概率问题来表达：同时估计机器人轨迹（每个时刻在哪）和环境地图（环境里特征点在哪），给定传感器的观测和控制输入。

这个问题的“鸡生蛋”体现在：机器人观测到一个特征点（比如墙角），要把它标到地图上，得知道机器人此刻的位置；而要确定机器人此刻的位置，又得用地图上的特征点作参照。位置和地图都不知道，得同时估计。

SLAM 的解法是迭代：先用上一时刻的位置和控制输入，预测这一时刻的位置（预测）；再用这一时刻的观测（看到特征点），修正预测的位置和地图（更新）。随着机器人移动和观测累积，位置估计和地图都越来越准。这本质上是个贝叶斯估计问题——在不确定性下，用新观测不断更新对状态的信念。

2.2 前端与后端

现代 SLAM 系统通常分前端和后端两部分。

前端：负责处理原始传感器数据，提取特征、做数据关联（这一帧看到的特征点对应地图里的哪个点）、做相邻帧间的位姿初步估计。前端是“感知加初步估计”，输出是粗略的位姿和观测。激光 SLAM 的前端是扫描匹配（把当前激光帧和上一帧对齐），视觉 SLAM 的前端是特征提取和匹配。

后端：负责优化，把前端输出的粗略估计，建成一个全局一致的最优解。后端累积所有约束（相邻帧的相对位姿、回环检测的约束），解一个优化问题，得到全局一致的轨迹和地图。后端是“全局优化”，修正累积误差。

前端管“实时处理和初步估计”，后端管“全局优化和误差修正”，两者配合，既保证实时性又保证精度。

2.3 两类主流方法

SLAM 的后端优化有两类主流方法。

基于滤波的方法：以扩展卡尔曼滤波（EKF）为代表。它维护一个对当前状态（位姿加地图）的概率分布，每来一帧新观测，用预测-更新迭代这个分布。特点是只维护当前状态的估计，不保留历史，计算量相对小。短板是非线性系统下 EKF 会发散、处理大规模地图时计算量爆炸。早期 SLAM 多用这类。

基于图优化的方法：把 SLAM 建成一个因子图优化问题。节点是各时刻的位姿（和地图点），边是约束（相邻帧的相对运动、回环检测的对应）。累积一段后，解这个图优化问题，得到全局最优的位姿和地图。特点是能处理大规模、能利用回环消除累积误差，是现代主流。短板是计算量大、需要周期性批量优化。

2.4 激光 SLAM vs 视觉 SLAM

按用的主传感器，SLAM 分激光和视觉两类。

激光 SLAM：用激光雷达。强项是测距精确、在结构化环境（室内、走廊）效果好、不受光照影响。短板是激光雷达贵、在空旷环境（没特征）或长走廊（特征重复）会迷路。扫地机、室内机器人多用激光 SLAM。

视觉 SLAM：用相机（单目、双目、RGBD）。强项是传感器便宜、信息丰富（能提取丰富特征）、能做语义。短板是对光照变化敏感、单目无绝对尺度、特征少的地方（白墙）会丢。自动驾驶、AR 多用视觉 SLAM。

实际中常融合两者，取长补短。

2.5 回环检测

SLAM 有个关键环节叫回环检测（Loop Closure）。机器人移动中，位姿估计会累积误差——走一圈回到原点，估计的位置和实际可能差很多。回环检测就是识别出“我回到之前来过的地方了”，据此建立一个约束（当前位置和之前那个位置是同一个点），在后端优化里用这个约束消除累积误差。

没有回环检测，SLAM 的误差会无限累积，地图越来越歪。回环检测是保证地图全局一致性的关键。它本质是个“这个地方我见过”的识别问题，常用词袋等方法做场景识别。

三、工程实践要点

3.1 选 SLAM 方案看场景

激光还是视觉、滤波还是图优化，要看应用场景。室内结构化环境、预算够，选激光 SLAM（稳定可靠）；户外、预算紧、需要语义，选视觉 SLAM；高要求场景两者融合。别盲目追新，成熟稳定的方案比前沿但没经过验证的方案更适合实际部署。

3.2 注意 SLAM 的失败模式

SLAM 不是万能的，有典型失败模式。特征缺失：白墙、长走廊这种没特征的环境，SLAM 会迷失。动态干扰：环境里有人走动，他们的运动会被误当成机器人运动或地图变化。光照突变：视觉 SLAM 遇到开灯关灯、进出阴影会丢特征。设计时要预想这些失败模式，准备应对（比如特征缺失时靠 IMU 估计位姿、检测动态物体并剔除）。

3.3 定位和建图可以分开做

实际部署中，建图和定位常分两个阶段：先让人操控机器人在环境里走一遍，离线建好地图；之后机器人用这张已有地图做实时定位（这叫纯定位，比 SLAM 简单很多）。这样实时阶段不用同时建图，计算负担小、更稳定。这种“先建图后定位”的范式在固定场所（仓库、商场）的机器人里很常用。

💡 关键直觉：SLAM 的本质是在不确定性下做估计——传感器有噪声、运动有误差，SLAM 用概率和优化的方法，在这么多不确定性里拼出一个尽可能准的定位和地图。理解它是“估计”而不是“测量”，你才能理解为什么 SLAM 会累积误差、需要回环修正、有失败模式。

本章回顾

• 鸡生蛋问题：定位依赖地图、建图依赖定位，SLAM 同时迭代估计两者。
• 前端后端：前端做实时处理和初步估计，后端做全局优化和误差修正。
• 两类方法：基于滤波（实时小规模，易发散）、基于图优化（大规模主流，利用回环）。
• 激光vs视觉：激光准但贵怕空旷，视觉便宜信息丰富但怕光照。
• 回环检测：识别重访之地，建约束消除累积误差，是全局一致性关键。
• 分阶段部署：先离线建图，再用已有地图实时定位，更稳定。
• 失败模式：特征缺失、动态干扰、光照突变，要预案应对。

下一节讲怎么给建好的地图赋予语义——不光知道有什么，还知道它们什么关系什么含义。