1. 前言
讀者朋友們大家好！（很久很久）之前，我們為大家介紹了SLAM的基本概念和方法。相信大家對SLAM，應該有了基本的認識。在忙完一堆寫論文、博士開題的事情之後，我準備回來繼續填坑：為大家介紹SLAM研究的方方面面。如果前兩篇文章算是"初識"，接下來幾篇就是"漸入佳境"了。在第三篇中，我們要談談SLAM中的各個研究點，為研究生們（應該是部落格的多數讀者吧）作一個提綱挈領的摘要。然後，我們再就各個小問題，講講經典的演算法與分類。我有耐心講，你是否有耐心聽呢？
在《SLAM for Dummy》中，有一句話說的好："SLAM並不是一種演算法，而是一個概念。（SLAM is more like a concept than a single algorithm.）"所以，你可以和導師、師兄弟（以及師妹，如果有的話）說你在研究SLAM，但是，作為同行，我可能更關心：你在研究SLAM中的哪一個問題。有些研究者專注於實現一個具體的SLAM系統，而更多的人則是在研究SLAM裡某些方法的改進。做應用和做理論的人往往彼此看不起，不過二者對科研都是有貢獻的。作為研究生，我還是建議各位抓住SLAM中一個小問題，看看能否對現有的演算法進行改進或者比較。不要覺得這種事情膚淺，它是對研究有實際幫助和意義的。同時，我也有一些朋友，做了一個基於濾波器/圖優化的SLAM實現。程式是跑起來了，但他/她不知道自己有哪些貢獻，鑽研了哪個問題，寫論文的時候就很頭疼。所以，作為研究生，我建議你選擇SLAM中的一個問題，改進其中的演算法，而不是先找一堆程式跑起來再說。
那麼問題來了：SLAM方面究竟有哪些可以研究的地方呢？我為大家上一個腦圖。
這個圖是從我筆記本上拍下來的（請勿吐槽字和對焦）。可以看到，以SLAM為中心，有五個圈連線到它。我稱它為Basic Theory（基礎理論）、Sensor（感測器）、Mapping（建圖）、Loop Detection（迴環檢測）、Advanced Topic（高階問題）。這可以說是SLAM的研究方向。下面我們"花開五朵，各表一枝"。
2. 基本理論
SLAM的基本理論，是指它的數學建模。也就是你如何用數學模型來表達這個問題。為什麼說它"基本"呢？因為數學模型影響著整個系統的效能，決定了其他問題的處理方法。在早先的研究中（86年提出[1]至21世紀前期[2]），是使用卡爾曼濾波器的數學模型的。那裡的機器人，就是一個位姿的時間序列；而地圖，就是一堆路標點的集合。什麼是路標點的集合？就是用$(x,y,z)$表示每一個路標，然後在濾波器更新的過程中，讓這三個數慢慢收斂。
那麼，請問這樣的模型好不好？
好處是可以直接套用濾波器的求解方法。卡爾曼濾波器是很成熟的理論，比較靠譜。
缺點呢？首先，濾波器有什麼缺點，基於它的SLAM就有什麼缺點。所以EKF的線性化假設啊，必須儲存協方差矩陣帶來的資源消耗啊，都成了缺點（之後的文章裡會介紹）。然後呢，最直觀的就是，用$(x,y,z)$表示路標？萬一路標變了怎麼辦？平時我們不就把屋裡的桌子椅子挪來挪去的嗎？那時候濾波器就掛了。所以啊，它也不適用於動態的場合。
這種侷限性就是數學模型本身帶來的，和其他的演算法無關。如果你希望在動態環境中跑SLAM，就要使用其他模型或改進現有的模型了。
SLAM的基本理論，向來分為濾波器和優化方法兩類。濾波器有擴充套件卡爾曼濾波（EKF）、粒子濾波（PF），FastSLAM等，較早出現。而優化方向用姿態圖（Pose Graph），其思想在先前的文章中介紹過。近年來用優化的逐漸增多，而濾波器方面則在13年出現了基於Random Finite Set的方法[3]，也是一個新興的浪潮[4]。關於這些方法的詳細內容，我們在今後的文章中再進行討論。
作為SLAM的研究人員，應該對各種基本理論以及優缺點有一個大致的瞭解，儘管它們的實現可能非常複雜。
3. 感測器
感測器是機器人感知世界的方式。感測器的選擇和安裝方式，決定了觀測方程的具體形式，也在很大程度上影響著SLAM問題的難度。早期的SLAM多使用鐳射感測器（Laser Range Finder），而現在則多使用視覺相機、深度相機、聲吶（水下）以及感測器融合。我覺得該方向可供研究點有如下幾個：
- 如何使用新興感測器進行SLAM。 要知道感測器在不斷髮展，總有新式的東西會出來，所以這方面研究肯定不會斷。
- 不同的安裝方式對SLAM的影響。 舉例來說，比如相機，頂視（看天花板）和下視（看地板）的SLAM問題要比平視容易很多。為什麼容易呢？因為頂/下視的資料非常穩定，不像平視，要受各種東西的干擾。當然，你也可以研究其他的安裝方式。
- 改進傳統感測器的資料處理。 這部分就有些困難了，因為經常感測器已經有很多人在使用，你做的改進，未必比現有的成熟方法更好。
4. 建圖
建圖，顧名思議，就是如何畫地圖唄。其實，如果知道了機器人的真實軌跡，畫地圖是很簡單的一件事。不過，地圖的具體形式也是研究點之一。比如說常見的有以下幾種：
- 路標地圖。
地圖由一堆路標點組成。EKF中的地圖就是這樣的。但是，也有人說，這真的是地圖嗎（這些零零碎碎的點都是什麼啊喂）？所以路標圖儘管很方便，但多數人對這種地圖是不滿意的，至少看上去不像個地圖啊。於是就有了密集型地圖（Dense map）。
- 度量地圖（Metric map）
通常指2D/3D的網格地圖，也就是大家經常見的那種黑白的/點雲式地圖。點雲地圖比較酷炫，很有種高科技的感覺。它的優點是精度比較高，比如2D地圖可以用0-1表示某個點是否可通過，對導航很有用。缺點是相當吃儲存空間，特別是3D，把所有空間點都存起來了，然而大多數角角落落裡的點除了好看之外都沒什麼意義……
- 拓撲地圖（Topological map）
拓撲地圖是比度量地圖更緊湊的一種地圖。它將地圖抽象為圖論中的"點"和"邊"，使之更符合人類的思維。比如說我要去五道口，不知道路，去問別人。那人肯定不會說，你先往前走621米，向左拐94.2度，再走1035米……（這是瘋子吧）。正常人肯定會說，往前走到第二個十字路口，左拐，走到下一個紅綠燈，等等。這就是拓撲地圖。
- 混合地圖。
既然有人要分類，就肯定有人想把各類的好處揉到一起。這個就不多說了吧。
5. 迴環檢測
迴環檢測，又稱閉環檢測（Loop closure detection），是指機器人識別曾到達場景的能力。如果檢測成功，可以顯著地減小累積誤差。
迴環檢測目前多采用詞袋模型（Bag-of-Word），研究計算機視覺的同學肯定不會陌生。它實質上是一個檢測觀測資料相似性的問題。在詞袋模型中，我們提取每張影象中的特徵，把它們的特徵向量（descriptor）進行聚類，建立類別資料庫。比如說，眼睛、鼻子、耳朵、嘴等等（實際當中沒那麼高階，基本上是一些邊緣和角）。假設有10000個類吧。然後，對於每一個影象，可以分析它含有資料庫中哪幾個類。以1表示有，以0表示沒有。那麼，這個影象就可用10000維的一個向量來表達。而不同的影象，只要比較它們的向量即可。
迴環檢測也可以建成一個模型識別問題，所以你也可以使用各種機器學習的方法來做，比如什麼決策樹/SVM，也可以試試Deep Learning。不過實際當中要求實時檢測，沒有那麼多時間讓你訓練分類器。所以SLAM更側重線上的學習方法。
6. 高階話題
前面的都是基礎的SLAM，只有"定位"和"建圖"兩件事。這兩件事在今天已經做的比較完善了。近幾年的RGB-D SLAM[5], SVO[6], Kinect Fusion[7]等等，都已經做出了十分炫的效果。但是SLAM還未走進人們的實際生活。為什麼呢？
因為實際環境往往非常複雜。燈光會變，太陽東昇西落，不斷的有人從門裡面進進出出，並不是一間安安靜靜的空屋子，讓一個機器人以2cm/s的速度慢慢逛。論文中看起來酷炫的演算法，在實際環境中往往捉襟見肘，處處碰壁。向實際環境挑戰，是SLAM技術的主要發展方向，也就是我們所說的高階話題。主要有：動態場景、語義地圖、多機器人協作等等。
7. 小結
本文向大家介紹了SLAM中的各個研究點。我並不想把它寫成綜述，因為不一定有人願意看一堆的參考文獻，我更想把它寫成小故事的形式。
最後，讓我們想象一下未來SLAM的樣子吧：
有一天，小蘿蔔被領進了一家新的實驗樓。在短暫的自我介紹之後，他飛快地在樓裡逛了一圈，記住了哪裡是走廊，哪兒是房間。他刻意地觀察各個房間特有的物品，以便區分這些看起來很相似的房間。然後，他回到了科學家身邊，協助他的研究。有時，科學家會讓他去各個屋裡找人，找資料，有時，也帶著他去認識新安裝的儀器和裝置。在閒著沒事時，小蘿蔔也會在樓裡逛逛，看看那些屋裡都有什麼變化。每當新的參觀人員到來，小蘿蔔會給他們看樓裡的平面圖，向他們介紹各個樓層的方位與狀況，為他們導航。大家都很喜歡小蘿蔔。而小蘿蔔明白，這一切，都是過去幾十年裡SLAM研究人員不斷探索的結果。
References:
[1]. Smith, R.C. and P. Cheeseman, On the Representation and Estimation of Spatial Uncertainty. International Journal of Robotics Research, 1986. 5(4): p. 56--68.
[2]. Se, S., D. Lowe and J. Little, Mobile robot localization and mapping with uncertainty using scale-invariant visual landmarks. The international Journal of robotics Research, 2002. 21(8): p. 735--758.
[3]. Mullane, J., et al., A Random-Finite-Set Approach to Bayesian SLAM. IEEE Transactions on Robotics, 2011.
[4]. Adams, M., et al., SLAM Gets a PHD: New Concepts in Map Estimation. IEEE Robotics Automation Magazine, 2014. 21(2): p. 26--37.
[5]. Endres, F., et al., 3-D Mapping With an RGB-D Camera. IEEE Transactions on Robotics, 2014. 30(1): p. 177--187.
[6]. Forster, C., M. Pizzoli and D. Scaramuzza, SVO: Fast semi-direct monocular visual odometry. 2014, IEEE. p. 15--22.
[7]. Newcombe, R.A., et al., KinectFusion: Real-time dense surface mapping and tracking. 2011, IEEE. p. 127--136.