一文看尽SLAM创新点的前世今生

2023-05-09 05:05

将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进？

SLAM(simultaneous localization and mapping)全称即时定位与地图构建或并发建图与定位，它主要的作用就是让机器人在未知的环境中，完成定位（Localization)，建图(Mapping)和路径规划(Navigation)。由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。目前，SLAM技术被广泛运用于机器人、无人机、无人驾驶、AR、VR等领域。

主流的slam技术应用有两种，分别是激光slam(基于激光雷达lidar来建图导航)和视觉slam(vslam,基于单/双目摄像头视觉建图导航)。

经典的SLAM系统一般包含前端视觉里程计、后端优化、闭环检测和构图四个主要部分。

很多同学都觉得Slam方向难以入门，也难以学深。但其实相对来讲，不像其他很多方向，很多的东西大家都已经做了，并且做的很不错，要想发论文或者找创意突破比较吃力。slam方向还有很多深层次的多领域结合应用的内容还比较少，并且slam更深的内容还有很多东西需要做。

在机器人slam、无线感知、多模态融合、智能视觉领域有深厚落地经验的Wills老师，将系统性为大家讲解机器人导航相关技术，并带大家分析slam创新点的前世今生。

扫码即可免费领取课程资料 ↓

扫码领取slam系列课程+资料

作为大厂技术顾问，Wills老师在机器人slam领域已经颇有建树，同时作为SCI国际会议、期刊审稿人，Wills老师在论文创新点挖掘方面也经验丰富。

至今为止，主流的SLAM方案多是基于处于像素层级的特征点，它们往往只能用角点或边缘来提取路标。与之不同的是，人类通过物体在图像中的运动来推测相机的运动，而非特定像素点。

几乎所有SLAM研究围绕着几个问题进行：

1、Front-end（前端，包括视觉或者lidar前端）和data association（数据匹配）。

2. State estimation（状态估计）：状态估计是SLAM的核心，在SLAM算法中，最重要的就是状态估计。

3.Mapping（建图），对于完整的slam，需要使用pgo的优化结果和点云（由各种方法得来，包括且不限于单目算法，双目相机，结构光等等）生成对三维地图的表示，从最简单的occupy map（占用地图），到octomap，tsdf，esdf，到一些submap的技巧等等。

向大家推荐一个优质的机器人slam科研项目小班。由顶会审稿人Bobby老师主讲。想要了解机器人slam、希望获得相关科研项目经验以及为进入大厂自动驾驶部门做准备的CSer，都可以参与。

课程详情↓

扫码了解项目班详情

领取机器人slam相关视频课程及资料

主讲老师介绍

讲师：Bobby

新加坡国立大学-新加坡科技设计大学联合培养博士，曾在香港中文大学机器人实验室任职，研究方向包括机器人学、计算机图形学、多目标优化算法等领域，个人发表顶会论文2篇、SCI一区论文3篇、EI会议1篇、北大核心期刊1篇、拥有6项机器人学相关国际发明专利，斩获计算机顶会Siggraph最佳论文提名奖，曾指导多名本科生硕士生完成硕博申请。担任IROS，TVCG，AAAI，IEEE Access，ACM Transactions on Graphics，Pattern Recognition等会议和期刊等审稿人。

研究课题

课题1：基于深度学习的SLAM：探索如何利用深度学习算法来改善SLAM系统的地图构建和定位性能，例如利用深度学习技术实现稀疏点云的稠密化。

课题2: 机器人多传感器数据融合的SLAM：研究如何结合多种传感器数据，如激光雷达、相机和惯性测量单元，以提高SLAM系统的准确性和鲁棒性。

课题3: 基于SLAM的机器人自主导航：研究如何利用SLAM系统中构建的地图信息，实现机器人的自主导航和路径规划，以及如何在动态环境中处理避障问题。

课题简介

本课程将介绍基于SLAM（同时定位和地图构建）的机器人操作系统。学生将了解如何使用传感器数据（如激光雷达和相机）来构建地图，并同时定位机器人的位置。课程将探讨SLAM的基本原理和算法，以及与机器人操作系统的集成。学生将有机会使用ROS（机器人操作系统）和常见的SLAM算法实现机器人地图构建和定位。最终，学生将开发一个完整的机器人应用程序，利用SLAM实现自主导航和任务执行。

适用学员

1) 有深度学习或者机器人学基础：在读硕士博士研究生，希望了解机器人与深度学习交叉领域方向论文思路

2) 有科研需求：有科研需求，后续有发论文硬性需求的同学

3) AI从业者，在交叉学科领域，想系统提升领域交互能力，了解机器人与深度学习实际应用的工程师

研究各大厂招聘要求就会发现，有没有顶会论文已经成为一项重要的考核指标，而想要从科研小白变身顶会大神，我觉得有两点至关重要：

1、紧跟风口，把握住最近的热门研究风向。

尤其是对于科研还没什么思路的小白，顺着领域内的研究趋势确定自己的方向，是一个正确的选择，毕竟热门研究方向意味着，创新点和idea远比其他非热门领域多。比如刚刚推荐的画质增强。

2、有一位有经验有能力的前辈指导。选对一个好的老师，掌握正确的科研思路和写作方法！

都说SCI论文只有0篇和无数篇的区别，这句话告诉我们，其实做科研写论文也是有方法有套路可循，掌握了窍门，后面的路才会走得通畅。

但是作为一个小白，还在“蹒跚学步”阶段，怎么去掌握窍门？来自前辈的指点必不可少。

一个好的指导老师的作用是，没有课题，能够结合所在课题组具体情况，结合最近热门研究方向，帮你规划课题，如果有了课题而缺少创新方向，老师能够快速帮你找到几种切入点，几种框架，甚至连需要读哪些文献都帮你想好了......

为了论文，大家都在努力的设计新网络、新策略、新training算法，只要能够在某一问题上做到一个很好的performance，论文就水到渠成。而想要快速达到，来自前辈的指点不可或缺。