首页 > 简单来说，实现 SLAM 需要两类技术，一类技术是传感器信号处理(包括前端处理)，这类技术在很大程度上取决于所用的传感器性能。另一类技术是位姿图优化(包括后端处理)，这类技术与传感器无关取决于后端的算法处理。根据传感器选择不同，目前有两个技术流派：视觉SLAM与激光雷达SLAM。
SLAM
从应用方向上来看，目前SLAM技术主要的应用场景集中在机器人、自动驾驶、ARVR方向上。这些应用方向上，视觉SLAM和激光雷达SLAM两条技术路线均有不少落地项目，二者也各有优势。
视觉 SLAM使用相机和其他图像传感器来采集图像，不同的图像传感器能实现的SLAM效果不同，如普通相机(广角、鱼眼和球形相机)、复眼相机(立体相机和多相机)和 RGB-D 相机(深度相机和 ToF 相机)。视觉SLAM相对来说实现的成本更低，此外，相机可以提供大量信息，因此还可以用来检测路标。路标检测还可以与基于图的优化结合使用，这有助于灵活实现SLAM。
激光雷达 SLAM使用激光雷达传感器，对比相机、ToF 和其他传感器，激光可以使精确度大大提高，常用于自动驾驶汽车和无人机等高速移动运载设备的相关应用。激光传感器点云提供了高精确度距离测度数据，特别适用于SLAM建图。一般来说，首先通过点云匹配来连续估计移动。然后，使用计算得出的移动数据进行车辆定位。但就点云密度而言，激光点云不及图像精细，因此并不总能提供充足的特征来进行匹配。此外，点云匹配通常需要高处理能力，因此必须优化流程来提高速度。
鉴于存在这些挑战，自动驾驶汽车以及高端移动机器人定位通常会使用3D SLAM，并融合轮式测距、全球导航卫星系统GNSS和IMU数据等其他测量结果。
这里总结了一些主流技术路线的SLAM效果对比，如下图。细分的技术路线还是非常丰富的，在分辨率、避障距离、算法难度、硬件成本上各有优势，这里没有单独列出激光雷达路线下的2D与3D路线。基于多线激光雷达的3D SLAM定位技术，是目前全球定位最领先，商业化落地最成功的3D SLAM定位导航技术，唯一的软肋在于成本还未完全下探。
电子发烧友网制图
市场规模发展与上下游分布
不同调研机构对SLAM产业链覆盖的范围选择会有一些差异，因此各机构给出的规模预测不尽相同。根据P&S Intelligence发布的市场研究报告，到2030年，SLAM技术市场规模预计将从2021年的1.575亿美元增长到37.478 亿美元，年复合增长率超过42.2%。
而根据GIR(Global Info Research)调研数据，2021年全球SLAM即时定位与地图构建技术收入大约3.599亿美元，预计2028年达到24.579亿美元，2022至2028期间，年复合增长率为34.2%。
虽然不同市场调研机构给出的市场规模不同，但是整个市场的快速增长已经有目共睹，而且还将延续高增长态势。其中，无人驾驶设备的火热无疑起到了最重要的助推作用。联网车辆技术的发展以及对安全、高效和高效驾驶选择的需求的增加，提高了对无人驾驶车辆的需求。这些无人驾驶设备中少不了SLAM导航技术的加持，随着对无人驾驶设备的需求增加，SLAM技术会迎来爆发式增长。
SLAM虽然很吃传感器的性能但本质上是算法技术，所以其产业链上下游的分布非常广，产业链任一环节的厂商都可以选择自研SLAM提高竞争力。这里以机器人应用为例，机器人本体厂商一般都会自研SLAM算法，毕竟这是设备厂商核心的竞争力;最上游的主控芯片厂商也有开始自研SLAM算法，将算法在芯片层面硬件化;中游的传感器厂商也有不少自研SLAM，并与自家传感器打包成整个导航模块提供给下游设备厂商，做差异化竞争。现在的趋势是越来越多上游的芯片厂商，传感器厂商开始自研SLAM提高在目标应用领域的竞争力。
相关的SLAM
做SLAM芯片的厂商相对于产业链其他环节的厂商来说不算多，但是将算法在芯片层面硬件化优势巨大，这里我们聚焦在国内的SLAM算法及芯片提供商上。
一微半导体：SLAM
一微半导体是国内少有的能同时提供惯性导航eSLAM、激光SLAM导航和视觉导航vSLAM芯片、算法及完整解决方案的供应商，各款专用SLAM芯片在众多国内外机器人品牌上被采用。
图源：一微半导体
一微半导体2018年发布的AM380S是全球首颗全集成SLAM专用芯片，后续的AM580、AM680、AM780分别配套高性价比的激光雷达SLAM方案与视觉SLAM方案。这些SLAM专用芯片本质是高性能高集成度的SOC，核心是算法硬件化，如AM580就特别针对激光雷达方案算法内建扫描匹配及双三次插值等硬件加速模块，既提高处理效率，又降低运算功耗。上游厂商在源头上更好地解决了芯片、方案、激光模组在软硬件方面的融合。
耀宇视芯：自研SLAM
耀宇视芯是今年才成立的一家SALM算法及芯片提供商，提供ARVR行业的SLAM软硬件解决方案。目前ARVR技术，能实现室内外区域的高精度空间定位，随着算力逐渐提升，基于ARVR的各种SLAM应用还将拓展到远程看房、模拟旅游、房屋装修等众多应用领域。
据悉，耀宇视芯有三大核心技术，6DoF SLAM算法，已在国产头部手机厂商中产品化落地，ARVR层面已达低延迟和亚毫米级精度，实现虚拟与现实的交互，云和端高度融合;6DoF SLAM芯片已在逐步产品化交付中;云端地图服务，云端SLAM和终端SLAM一体化，高度融合等。
长光华芯：SLAM VCSEL
长光华芯致力于高功率半导体激光器芯片、高效率激光雷达与3D传感芯片研发。根据长光华芯官方消息，目前长光华芯机器人用SLAM VCSEL芯片已经少量出货国内头部企业，方案验证中，处于稳步推进阶段。
地平线：人工智能＋SLAM
非常具有代表性的上游芯片厂商自己做SLAM的例子，地平线两种技术路线均有涉及。旗下Matrix自动驾驶计算平台核心硬件里包含了仅通过单目摄像头视觉感知即可在车端实现的地图采集与实时建图能力，以及激光雷达感知方案下的多线360°激光雷达3D SLAM点云检测能力。
图源：地平线
点云建图过程全部在边缘端进行，利用深度学习和SLAM技术进行道路场景的语义三维重建，能将地图元素重建、识别并矢量化。在车规级AI芯片的强大的算力加持下，地平线的SLAM能力异常强大。地平线可以提供和SLAM技术相关的机器人、自动驾驶的从开发板到模块的整套配件。
除了强大的整套配件，在基础算法层面，地平线提供从2D到3D的物体检测再到3D场景理解的多维度算法参考。据悉，目前地平线的SLAM研发聚焦在研发光流、高程、V-SLAM、RGB-D、三维重建等方面。
写在最后
最后展望一下SLAM市场，可以预见3D视觉SLAM和3D激光雷达SLAM随着计算机处理速度的显著提高，以及更低成本传感器的应用，将被广泛应用于从AR到机器人到自动驾驶各个领域，并更新2D SLAM技术相关应用。
另外，SLAM算法需要首先从传感器的数据中去提取特征点，然后做特征点匹配算法，最后做移动估计。这一套算法随着SLAM技术以及传感器技术的发展，在DSP或CPU上的执行效率已经显得不够了，因此未来会愈发需要使用专用芯片来实现高效率SLAM。
