科创中国

行业领域

新兴行业

需求描述

需求背景

随着3D视觉领域技术及概念的兴起，同步定位与建图（SLAM）技术作为几何方法的骄楚，以其优越的路径规划算法被广泛应用于移动机器人、无人驾驶、增强现实。但在实际应用中，SLAM技术暴露出许多难题及不足，例如其高昂的成本。如何能在保持SLAM算法精确性和鲁棒性的同时，提高其实时性并降低其成本，成为业内迫切解决的主要任务。

需解决的主要技术难题

1.不确定性信息：在陌生环境中，物体本身需要通过自身携带的传感器对周边环境进行感知并依靠感知数据建立环境模型，（1）由于物体本身携带的传感器自身性能限制（2）环境本身存在各种不确定因素。未来将需要降低传感器等硬件成本的同时，提升其效率

2.数据关联：不同传感器存在数据类型、坐标表达方式、时间戳类型不同等特点，需要对感知数据统一处理。由于环境信息数据库较大，该方法应用于 SLAM 技术时会产生大量复杂计算，严重影响计算效率，从而影响算法实时性和算法精确性。需通过对于特征点提取、匹配算法的提升来降低上述问题

3.累积误差：累积误差主要来源3个方面：里程计误差、观测误差以及数据关联误差引起的误差。以上 3 种误差之间的相互影响会极大降低环境地图的精确度，导致创建的地图严重偏离实际地图，从而影响算法的鲁棒性。

拟实现的主要技术目标/具体指标

1. 轻量级、小型化：实现 SLAM 技术嵌入式或能够在手机等小型设备上稳定运行，提高其应用对象的大众化与普遍化。

2. SLAM技术与深度学习相结合：实现将深度学习融入定位与建图技术，从而解决其在实际工程中的应用：利用深度学习代替 SLAM 环节中的一环或几环；在定位与建图过程中加入语义信息；端到端的SLAM 技术。

处理进度