同步定位与建图,slam _云知道

说说slam如何学习？

很高兴能回答你的问题，希望我的答案能帮助到你，simultaneous localization and mapping（SLAM）是一种算法，该算法的主要功能是对未知场景进行地图构建。具体过程为：1. 传感器获取数据（这些数据通常是对环境的描述）2. 算法前端获取数据并处理数据（通常是根据所获得的数据计算数据间的空间关系）3. 算法后端利用步骤2所述的空间关系进行优化4. 回环检测，用于检测传感器是否到过目前位置，进而再一次优化上述空间关系5. 有了上述空间关系之后，再根据对应传感器进行构建地图------------------------------------------------------------------------------------入门推荐高翔的《SLAM14讲》，期间需要补充概率，线性代数，等知识。
高精度地图为什么需要slam？

目前，大家谈论的高精地图，主要是指给自动驾驶系统使用的自动驾驶地图，属于特殊的导航电子地图。汽车自动驾驶系统包括环境感知与定位、智能规划与决策、控制执行3大核心模块，高精地图又是各类感知系统中尤为关键的一环。高精度地图一方面是指精度更高（精确到厘米级），另一方面是指高分辨率和高清，地图包含了更多的细节。
【同步定位与建图,slam】这种高精度地图主要面向L3、L4级别以上的自动驾驶，就是车辆完成绝大多数的驾驶操作，甚至是完全的由车辆完成自动驾驶。传统的导航电子地图也包含交通事故、拥堵等信息，但主要是道路级别的。通俗一些说，传统导航电子地图只知某条道路拥堵，不知哪个车道发生拥堵，它主要强调道路之间的连接关系。而高精地图则包含车道级的关系信息，比如每条车道线的精确位置、车道是虚线还是实线等。
道路上每个红绿灯和路边车牌的精确位置也会展现在高精地图上，帮助自动驾驶系统更好地进行感知和规划。高精地图是虚拟的电子地图，依赖GPS、北斗等定位系统确定车辆在电子地图中的位置。但由于目前的定位精度还不够高，在高楼遮挡等信号不好的情况下，不能在高精地图上准确定位。此外，如果仅依赖GPS、北斗等定位系统，则由于对高度信息的识别精度不够，在复杂的高架桥等环境下，也会导致定位不够准确。
这时就需要使用视觉同时定位与地图构建（Simultaneous Localization and Mapping，简称：SLAM）技术。SLAM能凭借图像传感器对自动驾驶系统周围的图像信息进行计算，实时绘制地图并同时给出车辆的定位。多年前，SLAM 最流行的应用场景还只是我们家里的扫地机器人。
近几年，随着无人机、无人驾驶、服务机器人、仓储机器人以及 AR 的兴起，SLAM 作为其中核心技术的一种，正变得越来越重要。SLAM是指当某种移动设备（如机器人、无人机、手机等）从一个未知环境里的未知地点出发，在运动过程中通过传感器（如激光雷达、摄像头等）观测定位自身位置、姿态、运动轨迹，再根据自身位置进行增量式的地图构建，从而达到同时定位和地图构建的目的。
定位和建图是两个相辅相成的过程，地图可以提供更好的定位，而定位也可以进一步扩建地图。定位和建图是SLAM的基本要求，而路径规划是在此基础上的高级功能，不属于SLAM的讨论范畴。实现 SLAM 的第一步，是选择传感器的形式和安装方式。传感器分为激光雷达和视觉两大类，视觉下面又分三小方向。激光雷达激光雷达能以很高精度测出机器人周围障碍点的角度和距离，而且速度快，计算量也不大，容易做成实时 SLAM 。