为什么（某些）企业选择自研SLAM系统而不是使用开源系统或基于开源系统做优化？

会员服务 ·

为什么（某些）企业选择自研SLAM系统而不是使用开源系统或基于开源系统做优化？

2020 年 4 月 22 日 计算机视觉life

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

本文由刘国庆授权转载，未经允许，不得二次转载

来源：

https://www.zhihu.com/question/386044933/answer/1140450942

我还是个学生，没有参与过实际企业的项目，就我在参与实验室项目的经历，谈谈我认为的几点原因吧：

开源系统受对应的开源许可协议限制，有的开源许可协议不支持闭源，有的不支持商业应用。

这个我比较有印象的是我学长给我的一个华为早年路由器HG255d，当时好像就是因为在某种开源方案上进行修改后商用，但其使用的开源协议要求后续修改版本必须开源，后来迫于舆论华为才把这款路由器的各种技术文档公开出来。好像是这个事情吧，我也不太清楚，如果某企业使用开源系统的过程中违反了开源许可协议，著作权所有人可以打官司。

开源系统大多只着眼解决一个小问题，离企业要解决的实际问题相差还是比较多。

举个例子，很多开源SLAM系统号称自己有多么高的精度，但是实现这样高精度受到环境和传感器的限制；个人感觉实际应用的时候，精度差不多就够了，可靠性是更加值得关注的。我们都知道视惯融合SLAM鲁棒性好，理论上在摄像头被遮挡的情况下，视惯融合SLAM依靠IMU数据在短时间内依旧可以正常工作，但是真正实现这一点的开源系统还很少。

又比如，近些年比较热闹的语义SLAM，语义信息获取这块儿要么是离线处理数据集得到的，要么是直接放在一台深度学习服务器上运行的，如果我想让一台机器人小车具有语义SLAM的功能，按照这些系统的做法我难道要让机器人背上一台服务器，带个大电池+逆变器供电吗……（这就是我们实验室做项目的时候遇到的问题[摊手]）

对于企业应用SLAM技术的平台（移动机器人，无人机，无人汽车等，AR等），现有开源系统不能够有效利用具体应用场景的资源

举几个例子，对于移动机器人有轮式里程计，有效利用的开源系统非常少，而且轮式里程计这个东西，室内平地场景，和室外越野场景，又是不同的数据处理逻辑；对于无人机，飞控本身就携带了IMU，然而许多成品飞控并没有把该IMU的数据向外暴露出来，对于暴露出来的，IMU数据也或多或少受到飞行状态（桨叶转速，机架结构，加速方向等）的影响，和静止时的IMU数据处理可能也略有不同；对于上面提到的语义SLAM问题，如果机器人小车在室内网络环境覆盖下，可以考虑使用云端计算的方式辅助完成语义信息获取，但是在野外无网络环境的时候就没招了。

上面的情况其实大多数开源SLAM系统魔改一下也能用，但有些企业的产品还有很丰富的传感器组合，如普渡的送餐机器人，用一个雷达+两个RealSence做建图；又如一维弦的MORO 1代，充当眼睛的RealSence可以更改俯仰角；又如Momenta的自动泊车系统，携带了4个鱼眼、1个前视还有12个超声波模组；微软的Hololens眼镜，正面好多摄像头（我忘记数了。。。）；对于那些自主移动的机器人来说，机器人的运动指令还可以被获取促进自身的SLAM过程，相当于提供了运动先验。这些不同的传感器设计和组合，绝大多数开源SLAM系统从框架上就无法满足需求，这种情况下修改开源系统就没有太多意义了，不如参考各大优秀开源系统的设计，自研SLAM系统。精度高的不是最好的，速度快也不是最好的，适合产品需求的才是最好的，而产品需求只有企业自己最了解。

我觉得有些企业也是在开源SLAM框架上进行改动吧，但是他们不这样宣传而已，毕竟对外声称“自研系统”比声称“在某开源SLAM系统XX上进行的改进”更能够体现企业的实力。

应当啰嗦一下，我没有参与过实际企业的项目、写这篇回答时也没实习经历，所以表述会有不严谨和错误的地方，欢迎各位行业内的前辈拍砖指正。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~