按照攝像頭的數(shù)量和種類分，視覺 SLAM 分 3 個(gè)子方向：?jiǎn)文?、雙目（或多目）、RGBD。此外，還有魚眼、全景等特殊攝像頭，但是都屬于少數(shù)。
　　單目相機(jī) SLAM 只需要一個(gè)普通的 2D 攝像頭，成本優(yōu)勢(shì)大。但普通 2D 攝像頭沒法獲取深度信息，它捕獲的僅僅是一張 2D 圖像。深度信息缺失有什么影響？引用知乎用戶「半閑居士」的一個(gè)回答：
　　沒有距離信息，我們不知道一個(gè)東西的遠(yuǎn)近——所以也不知道它的大小。它可能是一個(gè)近處但很小的東西，也可能是一個(gè)遠(yuǎn)處但很大的東西。只有一張圖像時(shí)，你沒法知道物體的實(shí)際大?。⊿cale）。
　　

　　另一方面，單目相機(jī)也無法依靠一張圖像獲得圖像中物體離自己的相對(duì)距離。
　　但這兩個(gè)問題都有對(duì)應(yīng)的解決辦法。比如，通過借助 GPU 和 IMU（Inertial Measurement Unit，慣性測(cè)量器件）確定物體的大小，依靠運(yùn)動(dòng)中的三角測(cè)量，來求解相機(jī)運(yùn)動(dòng)并估計(jì)像素的空間位置。
　　雙目 SLAM 消除了單目的很多麻煩。雙目視覺和人眼類似，通過左右眼圖像的差異來計(jì)算距離——也就是所謂的立體視覺（Stereo）。
　　但雙目 SLAM 的計(jì)算量非常大，通常需要用到可編程門陣列 FPGA。而且其其深度量程也受雙目的基線與分辨率限制。
　　RGBD SLAM 的傳感器是深度攝像頭，能直接記錄深度信息。深度攝像頭通過把光投射到物體表面，再測(cè)量反射的信息來計(jì)算距離，具體原理有兩種：結(jié)構(gòu)光或 Time-of-Flight。它比傳統(tǒng)相機(jī)能夠提供更豐富的信息，也不必像單目或雙目那樣費(fèi)時(shí)費(fèi)力地計(jì)算深度。Kinect 就是一種比較常見的深度攝像頭。不過，現(xiàn)在多數(shù) RGBD 相機(jī)還存在測(cè)量范圍窄、噪聲大、視野小等諸多問題。
　　總的來說，SLAM 的實(shí)現(xiàn)方法多種多樣，應(yīng)用場(chǎng)景也不斷打開。但「由于產(chǎn)品和硬件高度差異化，而 SLAM 相關(guān)技術(shù)的整合和優(yōu)化又很復(fù)雜，導(dǎo)致算法和軟件高度碎片化，所以市場(chǎng)上目前還沒有一套通用普適的解決方案，在短時(shí)間內(nèi)也不會(huì)有」。
白鑫 本文來源：極客公園 責(zé)任編輯：白鑫_NT4464