SLAM(二) 為何物

誕生

探討SLAM 之前，我們需要先對"導航"技術，有所了解。
因為SLAM是在導航訴求的機緣下，才被誕生出來的。
導航共分為兩種:

1. 全球定位系統(Global Positioning System)

以電子羅盤為感測元件，用衛星訊號與地圖資訊，
做本身的定位，

簡稱就是我們常聽到的GPS !

優點 : 可得到空間座標中絕對資料。

缺點 : 資料更新率低，精確度受到天候、地形、信號、
高樓、隧道等，建物之遮蔽與多路徑效應導，
易致訊號中斷。

寶可夢、Google導航、車用導航就是用此技術。

2.慣性導航系統(Inertial Navigation System)


















又稱航跡推測法(Dead Reckoning)。
感測元件通常為載具里程計（Odometer)，
或慣性量測單元(Inertial Measurement Unit) 。
沒有輻射電磁波、資料更新率高，但是錯誤容易累積。
(白話 : 自己記自己走了多少路，轉了幾個彎，就不會迷路)

此方法常用在機器人、探勘車、自動駕駛車等無人載具上，
而SLAM 即為其導航的關鍵技術!

介紹SLAM(Simultaneous Localization and Mapping)

翻譯做同步進行"定位"與"地圖建構"，
最初發明目的是用於無GPS環境下，對於機器自身的定位，

20年前使用的工具，是雷達做為感測器，

近年因硬體成本降低與，CPU、GPU運算速度提升，

加上影像處理理論成熟，使影像系統更符合應用。

因此，基於"影像"做同步定位及建圖，被稱為Visual SLAM。

雖然元件與演算法不斷革新，
但其循環的運作流程依然為 : 

Step1. 利用感測器取得環境資訊

Step2. 建構儲存成地圖做為參考

Step3. 更新所建地圖內地標資訊

Step4. 定位出處於空間中的位置

特性
由上可知，以SLAM為導航的機器，
對於環境的感知能力遠勝於GPS，
但如同第一段所敘，此方法容易產生誤差，導致錯誤累積。
所以儘管過了20幾年，SLAM仍為開放性問題，
不管是在辨識追蹤、降噪容錯、軟硬體加速、
提升精準...都是目前致力發展方向。

但此方法仍是有必要的，所以自動駕駛載具，
通常會搭載GPS引路，再使用vSLAM避物。

應用
vSLAM因為具有環境感知的能力，
所以應用不僅只在定位上，
甚至到擴增實境(Augmented Reality)、
混合實境(Mixed Reality)都可以見其蹤影，
(至於AR、MR、VR三者關鍵技術差異，
將會在其它篇幅再做討論)
最貼近我們生活的，就是掃地機器人，它"不是"vSLAM，
為了避免重複地方一直掃，或是某個房間走不出去，
就會搭載簡單的SLAM在上面。

最後，SLAM可不是以上見到這麼簡單，
除了應用的發展，它本身牽涉理論涵蓋如下(大陸博客擷取)

從硬體上就可以分為單、雙目(鏡頭)、深度鏡頭的不同派系，
擷取資訊上，可以分為直接法、特徵法，
特徵抽取方法的不同，又可以細分下去...
而後的路徑優化的數學模型，也不斷發展出不同套件，

總之，它是開放性問題，
不同應用範疇，使用不同硬體，套用不同方法，
還沒人能果斷地說他的方法最好，可以一統所有情境與問題。

之後我們會再跟各位介紹SLAM的發展史與各種主流方法~