2016年以來(lái)，無(wú)人駕駛創(chuàng)業(yè)公司不斷涌現(xiàn)，如今正面臨著商業(yè)化探索的關(guān)鍵時(shí)期。接下來(lái)，無(wú)人駕駛的行駛方式等待檢驗(yàn)、量產(chǎn)中亦有諸多難題等待解決。前不久，李開(kāi)復(fù)還曾公開(kāi)表示，像Waymo一樣的自動(dòng)駕駛，即人可以不在駕駛位上，還需要很久，但是以后的車(chē)沒(méi)法人機(jī)協(xié)作。

他還進(jìn)一步解釋道：“我們也可以認(rèn)為以后無(wú)人駕駛達(dá)到了一定的程度，它就會(huì)通過(guò)物聯(lián)網(wǎng)彼此交流，比如說(shuō)一輛車(chē)可以告訴另外一輛車(chē)，說(shuō)我爆胎了，請(qǐng)你們讓開(kāi)一點(diǎn)。自動(dòng)駕駛將取代人類(lèi)駕駛。當(dāng)然達(dá)到這個(gè)程度還有20年，30年還是40年，有爭(zhēng)議存在�！�

雖然在商業(yè)落地的過(guò)程中，無(wú)人駕駛的生態(tài)圈還面臨眾多難點(diǎn)。但大多數(shù)人依然支持“自動(dòng)駕駛是人工智能改變世界的光輝起點(diǎn)”的這一觀(guān)點(diǎn)，對(duì)該領(lǐng)域的探索也不會(huì)止步。這其中，SLAM的應(yīng)用至關(guān)重要。

SLAM（同步定位與地圖構(gòu)建），是指運(yùn)動(dòng)物體根據(jù)傳感器的信息，一邊計(jì)算自身位置，一邊構(gòu)建環(huán)境地圖的過(guò)程，解決機(jī)器人等在未知環(huán)境下運(yùn)動(dòng)時(shí)的定位與地圖構(gòu)建問(wèn)題。目前，SLAM在無(wú)人駕駛領(lǐng)域的用途包括傳感器自身的定位，以及后續(xù)的路徑規(guī)劃、運(yùn)動(dòng)性能、場(chǎng)景理解等。

由于傳感器種類(lèi)和安裝方式的不同，SLAM 的實(shí)現(xiàn)方式和難度會(huì)有一定的差異。按傳感器來(lái)分，SLAM 主要分為激光 SLAM 和 vSLAM 兩大類(lèi)。早在 2005 年的時(shí)候，激光 SLAM 就已經(jīng)被研究的比較透徹，直到目前，激光 SLAM仍然是最穩(wěn)定、最主流的定位導(dǎo)航方法。

隨著計(jì)算機(jī)視覺(jué)的迅速發(fā)展，vSLAM（基于視覺(jué)的定位與建圖）因?yàn)樾畔⒘看�，適用范圍廣等優(yōu)點(diǎn)逐漸受到廣泛關(guān)注�；�于視覺(jué)的 SLAM 方案目前主要有兩種實(shí)現(xiàn)路徑，一種是基于 RGBD 的深度攝像機(jī)，比如英特爾的Realsense和小覓深度相機(jī)系列產(chǎn)品；還有一種就是基于單目、雙目或者魚(yú)眼攝像頭的。

基于深度相機(jī)的 SLAM ，跟激光 SLAM 類(lèi)似，通過(guò)收集到的點(diǎn)云數(shù)據(jù)，能直接計(jì)算障礙物距離，相比基于單目、魚(yú)眼相機(jī)的 vSLAM 方案，需要利用多幀圖像來(lái)估計(jì)自身的位姿變化，再通過(guò)累計(jì)位姿變化來(lái)計(jì)算距離物體的距離，并進(jìn)行定位與地圖構(gòu)建，基于深度相機(jī)的 SLAM 方案在無(wú)人駕駛領(lǐng)域應(yīng)用更為普遍。

小覓雙目攝像頭深度版（MYNT EYE Depth）采用“視覺(jué)＋結(jié)構(gòu)光＋慣性導(dǎo)航”融合的方案，內(nèi)置深度計(jì)算芯片，無(wú)需上位機(jī)即可輸出深度。相較固態(tài)激光、單目相機(jī)、視覺(jué)相機(jī)、結(jié)構(gòu)光相機(jī)和ToF相機(jī)等單一深度傳感器方案，“視覺(jué)＋結(jié)構(gòu)光＋慣性導(dǎo)航”融合的方案是適用場(chǎng)景更廣泛且更具性?xún)r(jià)比的3D傳感器融合解決方案。

小覓雙目攝像頭深度版提供120°FOV和50°FOV兩種視角方案給客戶(hù)選擇，120°FOV版本提供更廣闊的深度識(shí)別范圍，50°FOV版本則具備更高精度水平和識(shí)別深度，識(shí)別距離可達(dá)15m，精度可達(dá)毫米級(jí)，為室外作業(yè)環(huán)境提供了更多可能。

總的來(lái)說(shuō)，想讓用戶(hù)在A(yíng)R／VR、機(jī)器人、無(wú)人機(jī)、無(wú)人駕駛領(lǐng)域體驗(yàn)加強(qiáng)，還是需要更多SLAM前沿技術(shù)做支持。未來(lái)新型傳感器的出現(xiàn)也會(huì)不停地為SLAM注入活力，在降低SLAM算法難度的同時(shí)，也會(huì)給SLAM的技術(shù)格局帶來(lái)許多變化。