SLAM和路径规划，哪个容易点？

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

这将会是一个对你学习生活帮助很大的社群

【小六的机器人SLAM圈】
，在这里你可以收获：

星主答疑解惑/定期直播分享/最新招聘信息/笔面试题速递/行业最新动态/

每日领域论文翻译/成员定期交流活动

还有星球专属视频哦~（图片篇幅有限，更多内容请移步官网cvlife.net查看~）

作者：陈不陈

本文转载自知乎，原文链接：https://www.zhihu.com/question/624078536

感觉slam入门太难了，写代码能力弱，再考虑要不要转路径规划。

个人觉得还是slam要难不少。

slam+路径规划是一个完整的为了解决机器人在哪，去哪，怎么去的问题。

slam解决在哪和去哪，路径规划解决怎么去。

所以slam为了解决在哪和去哪需要建立地图和实现自我定位，路径规划则是以这个地图为基础实现全局规划(最优路径)和局部规划(避障)。

1、首先slam要构建地图涉及的算法就很多，而且比较难，比如:

机器人边扫边绘图，彼此之间的地图如何拼接？

绘图的时候如何和机器人运动状态进行关联，机器人离一堵墙5米进行测量和离10米测一堵墙，到底是一堵墙还是两堵墙？

庞大的激光雷达点云数据如何解算，存储和显示？

进行机器人定位的时候，特征点如何匹配？地图用什么样的地图，全局地图，矢量地图？

关于环境扫描是用激光雷达还是视觉相机？(貌似现在视觉slam比较热，论文期刊都比较青睐视觉slam)……等等

当然关于地图也可以离线自己绘制地图，不过实用性不强，一旦环境发生变化又要重新绘制，费时费力，不如开着机器人扫一圈来的方便，也可以对扫描后的地图进行涂鸦修改。

2、而路径规划则是基于已经创建好的地图来进行规划，就好比你已经有了地图，怎么从地图上找到一个合适的路径到达。基本包括

1）加载slam出来的地图

2）生成全局路径和局部路径

3）基于运动学和动力学进行实时规划

路径的选取有好多种算法，可以说是一种搜索算法。

路径规划主要是啃算法：比如全局路径算法:

A*算法，Dijkstra算法，Bellman-Ford算法，Floyd-Warshall算法，Johnson算法，SPFA算法……输出的是一条全局路线。这个不关心运动学和动力学。

局部路径规划一方面要有跟踪全局路线的能力，比如MPC预测模型，此时需要结合运动状态方程。另一方面要有一些避障算法，防止机器人在全局路线上突然遭遇障碍物。这个阶段关心运动学和动力学。

可以看出slam和路径规划其实是相辅相成的，slam也是为了后面的路径规划做准备。

slam难，就业面也相对窄一些，感觉没有路径规划的广，热度也没以前火爆了，可能是遇到了一些瓶颈，无人驾驶领域应该是slam的天花板了。

另一方面关于slam+路径规划的运用，像ROS会有对应的开发包，而且ROS平台的订阅消息的模式实现了激光雷达，IMU等传感器的数据流传输，而且数据流通过可以Rivz进行了展示。

不过ROS平台正儿八经的工程运用还不成熟，偏教育，实时性比较差，主节点挂掉会影响所有子节点运行，不过为学习应用slam确实省了不少事。这就要求开发者还要避开Ros这种平台，自己搭建平台调用slam开发包，对能力提出了更高的要求。

如果你还不是【小六的机器人SLAM圈】成员，扫描加入↓“长按”或“扫描”下方二维码，加入即可开始学习~3天内无条件退款~ 购买后务必加客服领取其他权益和加交流群，现在加入免费送近千页5年机器人SLAM答疑手册

继续阅读

关键词

激光雷达

地图

算法

路径规划

鲁棒