SLAM 算法常见分类
SLAM（Simultaneous Localization and Mapping，同步定位与建图）是指机器人在未知环境中，一边估计自身位置，一边构建环境地图。常见 SLAM 算法主要可以按传感器组合分为以下几类。
1. 激光 SLAM
激光 SLAM 主要使用 2D 或 3D 激光雷达进行定位与建图，常用于移动机器人、无人车和室内导航。
| 算法 | 特点 |
|---|---|
| GMapping | 经典 2D 激光 SLAM，基于粒子滤波 |
| Hector SLAM | 不依赖里程计，适合高频激光雷达 |
| Cartographer | Google 开源，支持 2D/3D，工程应用较多 |
| Karto SLAM | 基于图优化的 2D 激光 SLAM |
| LOAM | 经典 3D 激光 SLAM |
| LeGO-LOAM | 面向地面机器人的轻量化 3D 激光 SLAM |
| 特点：精度较高、尺度准确、对光照不敏感；但激光雷达成本较高，语义信息较少。 |
2. 视觉 SLAM
视觉 SLAM 主要使用相机进行定位与建图，包括单目、双目和 RGB-D 相机，常用于机器人、AR/VR 和无人机。
| 算法 | 类型 | 特点 |
|---|---|---|
| ORB-SLAM | 单目 | 经典特征点法视觉 SLAM |
| ORB-SLAM2 | 单目/双目/RGB-D | 支持多种相机输入 |
| ORB-SLAM3 | 视觉/视觉惯性 | 支持 IMU，多地图能力更强 |
| LSD-SLAM | 单目 | 直接法，适合大尺度环境 |
| DSO | 单目 | 直接法，不依赖特征点 |
| RTAB-Map | RGB-D/双目/激光 | 回环检测能力强，适合 RGB-D 建图 |
| 特点：相机成本低、信息丰富，可获取纹理和颜色；但对光照、运动模糊和弱纹理环境较敏感，单目还存在尺度不确定问题。 |
3. 视觉惯性 SLAM / VIO
视觉惯性 SLAM 使用相机和 IMU 融合。相机提供图像信息，IMU 提供加速度和角速度信息，可以提高快速运动场景下的稳定性。
| 算法 | 特点 |
|---|---|
| MSCKF | 经典滤波式 VIO |
| OKVIS | 优化式视觉惯性算法 |
| VINS-Mono | 经典单目 + IMU 算法 |
| VINS-Fusion | 支持单目、双目、IMU、GPS 融合 |
| OpenVINS | 开源 VIO 框架 |
| 特点：比纯视觉 SLAM 更稳定，适合无人机、AR/VR 和移动机器人；但需要相机与 IMU 标定，对时间同步要求较高。 |
4. 激光惯性 SLAM / LIO
激光惯性 SLAM 使用激光雷达和 IMU 融合。激光雷达提供空间结构，IMU 提供高频运动信息，常用于高精度三维建图。
| 算法 | 特点 |
|---|---|
| LOAM | 经典激光里程计与建图算法 |
| LeGO-LOAM | 针对地面机器人优化 |
| LIO-SAM | 激光 + IMU + GPS，基于因子图优化 |
| FAST-LIO | 实时性强，适合机载或车载平台 |
| FAST-LIO2 | 速度快、精度高，工程应用较多 |
| 特点：精度高、实时性强、适合室外和三维建图；但传感器成本较高，标定和参数调试较复杂。 |
5. 多传感器融合 SLAM
多传感器融合 SLAM 会同时使用激光雷达、相机、IMU、轮速计、GPS 等传感器，以提高系统鲁棒性。
| 算法 | 传感器组合 | 特点 |
|---|---|---|
| LIO-SAM | LiDAR + IMU + GPS | 适合室外三维建图 |
| VINS-Fusion | Camera + IMU + GPS | 适合视觉惯性定位 |
| LVI-SAM | LiDAR + Visual + IMU | 融合激光、视觉和惯性信息 |
| R3LIVE | LiDAR + Camera + IMU | 可生成彩色三维地图 |
| Kimera | Camera + IMU | 支持语义建图和三维重建 |
| 特点：鲁棒性强，能适应复杂环境，是机器人和自动驾驶的重要方向；但系统结构复杂，对标定、同步和计算资源要求较高。 |
6. 工程场景选择
| 场景 | 常用方案 |
|---|---|
| 室内差速轮机器人 | 2D 激光 SLAM |
| ROS 2 小车建图导航 | SLAM Toolbox、Cartographer |
| RGB-D 室内建图 | RTAB-Map、ORB-SLAM2 RGB-D |
| 无人机定位 | VINS-Mono、VINS-Fusion |
| 室外三维建图 | LOAM、LeGO-LOAM、LIO-SAM、FAST-LIO2 |
| 自动驾驶/高精度机器人 | LIO、多传感器融合 SLAM |
7. 总结
常见 SLAM 主要包括：激光 SLAM、视觉 SLAM、视觉惯性 SLAM、激光惯性 SLAM 和多传感器融合SLAM。对于 ROS 移动机器人，最常用的是激光 SLAM；对于无人机和 AR/VR，常用视觉惯性 SLAM；对于自动驾驶和高精度三维建图，常用激光惯性 SLAM 或多传感器融合 SLAM。