激光slam导航方案凭什么更被各大厂家青睐？

有人曾打比方，若机器人离开了SLAM，就如同手机离开了WIFI和数据网络。

随着近几年智能驾驶、智能机器人、无人机等热门领域的发展，SLAM技术正逐渐成为机器人和计算机视觉领域的热门研究方向。      

SLAM大概分为激光SLAM（2D或3D）和视觉SLAM两大类。

视觉SLAM因信息量大、适用范围广等优点受到了广泛关注，但实际落地还存在一定难度，究其原因，可归为以下几点：

1）应用场景：其对光的依赖度高，在暗处或无纹理区域无法正常工作。

2）地图精度： 常见且应用较多的深度摄像机Kinect，地图构建精度约3cm，而激光slam构建精度可达约2cm左右，且能直接用于定位导航。

3）处理器要求： 视觉SLAM算法对处理器的要求较高，一般需要准桌面级的CPU甚至GPU，但落地较广泛的机器人（如AGV小车、扫地机器人）用的多是嵌入式处理器，所以短时间很难在小型设备上大规模应用。

图1：视觉SLAM的地图构建

激光SLAM比视觉SLAM起步早，理论和技术相对成熟，其技术的稳定性和可靠性也得到了验证。从对处理器的性能要求上说，激光SLAM远远低于视觉SLAM，比如，主流的激光SLAM就可在普通的ARM CPU上实时运行。基于以上，目前AGV、服务型机器人（如扫地、零售机器人）等厂家，大都在采用激光SLAM的导航方案。

 图2：激光SLAM的地图构建

国内SLAM技术的应用于2016年开始逐步展开，但国内高校以SLAM技术为主的实验室寥寥无几，市场供需出现断层。同时，市面上与SLAM技术工程化相关的资料少之又少。

鉴于此，深蓝学院正式推出『激光SLAM理论与实践』升级版I 课程，旨在降低国内激光SLAM领域爱好者的入门门槛。课程内容包含大量的工程经验指导，以2D激光SLAM的工程项目为主体，详细讲述核心模块对应的主流算法以及在工程上的实现。

授课讲师

曾书格，越凡创新科技有限公司技术负责人，电子科技大学硕士；2013年第十二届亚太大学生机器人竞赛（ABU Robocon）国内选拔赛冠军；2013年瑞萨杯全国大学生电子设计竞赛控制组全国一等奖。

研究生期间主要从事激光SLAM和机器人导航方面的研究和项目，其带队研发的全自主移动机器人—小贩机器人（FANBOT）已与万达、猎户星空等知名企业合作，团队拥有90多项国家专利技术。

课程大纲

1、 激光SLAM简要介绍

• 内容：激光SLAM的发展历史、激光SLAM的核心框架、课程目标

2、传感器数据处理I：里程计运动模型及标定

• 内容：里程计运动学模型（简化的线性模型、实际模型）、里程计标定原理

• 实践：里程计标定

3、传感器数据处理II：激光雷达数学模型和运动畸变去除

• 内容：激光雷达数学模型、运动畸变概念及影响、基于纯激光雷达的运动畸变去除、基于里程计辅助的运动畸变去除

• 实践：雷达畸变去除

4、激光SLAM的前端配准方法 I

• 内容：ICP匹配方法、PL-ICP匹配方法、NICP匹配方法、IMLS-ICP匹配方法

• 实践：NICP方法实现点云配准

5、激光SLAM的前端配准方法 II

• 内容：基于高斯牛顿的优化方法、NDT方法、相关方法 & 分支定界匹配方法

• 实践：分支定界法实现点云配准

6、基于图优化的激光SLAM方法(Grid-based)

• 内容：Pose Graph的概念、非线性最小二乘原理、非线性最小二乘求解SLAM、经典开源算法(cartographer)基本流程

• 实践：一个简单的基于优化的SLAM算法

7、基于已知定位的建图

• 内容：地图分类、基于占用概率的栅格地图构建、基于TSDF的栅格地图构建

• 实践：构建栅格地图

8、3D激光SLAM介绍

• 内容：3D激光SLAM介绍、3D激光和视觉融合

课程收获

1、课程学习并完成作业，即可完成一个完整的2D激光SLAM的工程项目。

2、作业全部提交的同学，可获得课程结业证书；根据每次作业分数，评选优秀学员。

3、优秀学员获得优秀学员证书；同时可推荐至百度、地平线、镭神智能等企业实习或就业。

课程安排及早鸟优惠

1、本课程3月10日开课，共16学时，每周2学时；每周日晚7-9点授课。

2、课程限报200人，前100名可领取优惠券。（仅剩34个名额！）。

机不可失，咨询即有机会领取最新论文

微信扫码并备注“slam课程”，咨询课程详情

备注“论文资料”

免费领取深度学习与SLAM结合的最新相关资料