電子發燒友網報道（文/李寧遠）SLAM，simultaneous localization and mapping，稱為即時定位與地圖構建，主要的作用是機器人或無人設備從未知環境的未知地點出發，在運動過程中通過重復觀測到的地圖特征來定位自身位置和姿態，再根據自身位置增量式的構建地圖，從而達到同時定位和地圖構建的目的。SLAM重要的理論與應用價值被認為是實現全自主移動機器人的關鍵技術。

簡單來說，實現 SLAM 需要兩類技術，一類技術是傳感器信號處理（包括前端處理），這類技術在很大程度上取決于所用的傳感器性能。另一類技術是位姿圖優化（包括后端處理），這類技術與傳感器無關取決于后端的算法處理。根據傳感器選擇不同，目前有兩個技術流派：視覺SLAM與激光雷達SLAM。

SLAM技術應用與技術對比

從應用方向上來看，目前SLAM技術主要的應用場景集中在機器人、自動駕駛、ARVR方向上。這些應用方向上，視覺SLAM和激光雷達SLAM兩條技術路線均有不少落地項目，二者也各有優勢。

視覺 SLAM使用相機和其他圖像傳感器來采集圖像，不同的圖像傳感器能實現的SLAM效果不同，如普通相機（廣角、魚眼和球形相機）、復眼相機（立體相機和多相機）和 RGB-D 相機（深度相機和 ToF 相機）。視覺SLAM相對來說實現的成本更低，此外，相機可以提供大量信息，因此還可以用來檢測路標。路標檢測還可以與基于圖的優化結合使用，這有助于靈活實現SLAM。

激光雷達 SLAM使用激光雷達傳感器，對比相機、ToF 和其他傳感器，激光可以使精確度大大提高，常用于自動駕駛汽車和無人機等高速移動運載設備的相關應用。激光傳感器點云提供了高精確度距離測度數據，特別適用于SLAM建圖。一般來說，首先通過點云匹配來連續估計移動。然后，使用計算得出的移動數據進行車輛定位。但就點云密度而言，激光點云不及圖像精細，因此并不總能提供充足的特征來進行匹配。此外，點云匹配通常需要高處理能力，因此必須優化流程來提高速度。

鑒于存在這些挑戰，自動駕駛汽車以及高端移動機器人定位通常會使用3D SLAM，并融合輪式測距、全球導航衛星系統GNSS和IMU數據等其他測量結果。

這里總結了一些主流技術路線的SLAM效果對比，如下圖。細分的技術路線還是非常豐富的，在分辨率、避障距離、算法難度、硬件成本上各有優勢，這里沒有單獨列出激光雷達路線下的2D與3D路線。基于多線激光雷達的3D SLAM定位技術，是目前全球定位最領先，商業化落地最成功的3D SLAM定位導航技術，唯一的軟肋在于成本還未完全下探。
市場規模發展與上下游分布

不同調研機構對SLAM產業鏈覆蓋的范圍選擇會有一些差異，因此各機構給出的規模預測不盡相同。根據P&S Intelligence發布的市場研究報告，到2030年，SLAM技術市場規模預計將從2021年的1.575億美元增長到37.478 億美元，年復合增長率超過42.2%。

而根據GIR（Global Info Research）調研數據，2021年全球SLAM即時定位與地圖構建技術收入大約3.599億美元，預計2028年達到24.579億美元，2022至2028期間，年復合增長率為34.2%。

雖然不同市場調研機構給出的市場規模不同，但是整個市場的快速增長已經有目共睹，而且還將延續高增長態勢。其中，無人駕駛設備的火熱無疑起到了最重要的助推作用。聯網車輛技術的發展以及對安全、高效和高效駕駛選擇的需求的增加，提高了對無人駕駛車輛的需求。這些無人駕駛設備中少不了SLAM導航技術的加持，隨著對無人駕駛設備的需求增加，SLAM技術會迎來爆發式增長。

SLAM雖然很吃傳感器的性能但本質上是算法技術，所以其產業鏈上下游的分布非常廣，產業鏈任一環節的廠商都可以選擇自研SLAM提高競爭力。這里以機器人應用為例，機器人本體廠商一般都會自研SLAM算法，畢竟這是設備廠商核心的競爭力；最上游的主控芯片廠商也有開始自研SLAM算法，將算法在芯片層面硬件化；中游的傳感器廠商也有不少自研SLAM，并與自家傳感器打包成整個導航模塊提供給下游設備廠商，做差異化競爭。現在的趨勢是越來越多上游的芯片廠商，傳感器廠商開始自研SLAM提高在目標應用領域的競爭力。

相關的SLAM芯片廠商

做SLAM芯片的廠商相對于產業鏈其他環節的廠商來說不算多，但是將算法在芯片層面硬件化優勢巨大，這里我們聚焦在國內的SLAM算法及芯片提供商上。

一微半導體：SLAM專用芯片聚焦機器人應用

一微半導體是國內少有的能同時提供慣性導航eSLAM、激光SLAM導航和視覺導航vSLAM芯片、算法及完整解決方案的供應商，各款專用SLAM芯片在眾多國內外機器人品牌上被采用。

一微半導體2018年發布的AM380S是全球首顆全集成SLAM專用芯片，后續的AM580、AM680、AM780分別配套高性價比的激光雷達SLAM方案與視覺SLAM方案。這些SLAM專用芯片本質是高性能高集成度的SOC，核心是算法硬件化，如AM580就特別針對激光雷達方案算法內建掃描匹配及雙三次插值等硬件加速模塊，既提高處理效率，又降低運算功耗。上游廠商在源頭上更好地解決了芯片、方案、激光模組在軟硬件方面的融合。

耀宇視芯：自研SLAM芯片主攻ARVR領域

耀宇視芯是今年才成立的一家SALM算法及芯片提供商，提供ARVR行業的SLAM軟硬件解決方案。目前ARVR技術，能實現室內外區域的高精度空間定位，隨著算力逐漸提升，基于ARVR的各種SLAM應用還將拓展到遠程看房、模擬旅游、房屋裝修等眾多應用領域。

據悉，耀宇視芯有三大核心技術，6DoF SLAM算法，已在國產頭部手機廠商中產品化落地，ARVR層面已達低延遲和亞毫米級精度，實現虛擬與現實的交互，云和端高度融合；6DoF SLAM芯片已在逐步產品化交付中；云端地圖服務，云端SLAM和終端SLAM一體化，高度融合等。

長光華芯：SLAM VCSEL芯片正穩步推進中

長光華芯致力于高功率半導體激光器芯片、高效率激光雷達與3D傳感芯片研發。根據長光華芯官方消息，目前長光華芯機器人用SLAM VCSEL芯片已經少量出貨國內頭部企業，方案驗證中，處于穩步推進階段。

地平線：人工智能＋SLAM賦能機器人與自動駕駛

非常具有代表性的上游芯片廠商自己做SLAM的例子，地平線兩種技術路線均有涉及。旗下Matrix自動駕駛計算平臺核心硬件里包含了僅通過單目攝像頭視覺感知即可在車端實現的地圖采集與實時建圖能力，以及激光雷達感知方案下的多線360°激光雷達3D SLAM點云檢測能力。

點云建圖過程全部在邊緣端進行，利用深度學習和SLAM技術進行道路場景的語義三維重建，能將地圖元素重建、識別并矢量化。在車規級AI芯片的強大的算力加持下，地平線的SLAM能力異常強大。地平線可以提供和SLAM技術相關的機器人、自動駕駛的從開發板到模塊的整套配件。

除了強大的整套配件，在基礎算法層面，地平線提供從2D到3D的物體檢測再到3D場景理解的多維度算法參考。據悉，目前地平線的SLAM研發聚焦在研發光流、高程、V-SLAM、RGB-D、三維重建等方面。

寫在最后

最后展望一下SLAM市場，可以預見3D視覺SLAM和3D激光雷達SLAM隨著計算機處理速度的顯著提高，以及更低成本傳感器的應用，將被廣泛應用于從AR到機器人到自動駕駛各個領域，并更新2D SLAM技術相關應用。

另外，SLAM算法需要首先從傳感器的數據中去提取特征點，然后做特征點匹配算法，最后做移動估計。這一套算法隨著SLAM技術以及傳感器技術的發展，在DSP或CPU上的執行效率已經顯得不夠了，因此未來會愈發需要使用專用芯片來實現高效率SLAM。