即時定位與地圖構(gòu)建（SLAM）作為連接機器人與未知環(huán)境的核心技術(shù)，通過傳感器實時感知周圍環(huán)境并同步構(gòu)建空間地圖，同時確定自身在地圖中的位置，實現(xiàn)了智能體在無預(yù)設(shè)信息場景下的自主導(dǎo)航與交互。這一技術(shù)打破了傳統(tǒng)導(dǎo)航對預(yù)設(shè)地圖的依賴，使機器人、自動駕駛車輛等智能系統(tǒng)能夠在陌生環(huán)境中自主決策，其核心價值體現(xiàn)在 “邊移動邊認(rèn)知” 的閉環(huán)能力 —— 從傳感器數(shù)據(jù)中提取環(huán)境特征，通過幾何約束與概率估計實現(xiàn)定位，再將定位結(jié)果反哺地圖優(yōu)化，形成持續(xù)迭代的感知循環(huán)。自 20 世紀(jì) 80 年代提出以來，SLAM 技術(shù)經(jīng)歷了從濾波方法到非線性優(yōu)化、從單目視覺到多傳感器融合的演進，如今已成為自動駕駛、服務(wù)機器人、增強現(xiàn)實（AR）等領(lǐng)域的基礎(chǔ)支撐，其精度與魯棒性的提升直接推動著智能系統(tǒng)從實驗室走向?qū)嶋H應(yīng)用。本文將系統(tǒng)闡述 SLAM 的技術(shù)框架、核心模塊、多傳感器融合策略及應(yīng)用場景，揭示其在環(huán)境認(rèn)知中的關(guān)鍵作用與發(fā)展方向。

SLAM 的技術(shù)框架圍繞 “感知 - 定位 - 建圖” 的閉環(huán)展開，核心模塊包括前端視覺里程計、后端優(yōu)化、回環(huán)檢測與地圖表示，各模塊協(xié)同處理傳感器數(shù)據(jù)并應(yīng)對環(huán)境不確定性。前端視覺里程計（VO）是 SLAM 的 “眼睛”，負(fù)責(zé)從連續(xù)圖像幀中提取運動信息，通過特征點匹配或直接法估計相機姿態(tài)變化。特征點法（如 ORB-SLAM 系列）通過檢測圖像中的角點、邊緣等穩(wěn)定特征，利用極線約束或 PNP（Perspective-n-Point）算法計算相鄰幀的相對位姿，其優(yōu)勢在于對光照變化的魯棒性，但在弱紋理環(huán)境中易失效；直接法（如 DSO、SVO）則直接利用像素灰度值構(gòu)建光度誤差模型，避免特征提取的耗時與局限，更適合高幀率、低延遲場景，但對相機運動速度敏感。前端輸出的位姿序列存在累積誤差，需通過后端優(yōu)化消除漂移 —— 基于圖優(yōu)化（Graph Optimization）的后端將定位過程抽象為 “節(jié)點（位姿）+ 邊（約束）” 的圖模型，每個節(jié)點代表某一時刻的傳感器位姿，邊則表示相鄰位姿間的運動約束（來自前端）或回環(huán)約束（來自回環(huán)檢測），通過 Levenberg-Marquardt 等算法最小化全局誤差，使長時序定位精度提升 1-2 個數(shù)量級。

回環(huán)檢測是解決累積誤差的關(guān)鍵機制，其通過識別智能體重訪區(qū)域的一致性特征，為后端提供全局約束，避免地圖 “自相交”。詞袋模型（BoW）是回環(huán)檢測的經(jīng)典方法，將圖像特征編碼為高維向量，通過向量相似度判斷是否處于同一區(qū)域，ORB-SLAM3 中基于 DBoW3 的回環(huán)檢測可在 1000 幀圖像中實現(xiàn)毫秒級匹配，但在相似場景（如重復(fù)走廊）中易產(chǎn)生誤檢；近年來，基于深度學(xué)習(xí)的回環(huán)檢測（如使用 CNN 提取語義特征）通過融入場景語義信息，將誤檢率降低 40% 以上，尤其適用于動態(tài)環(huán)境。地圖表示則決定了 SLAM 的應(yīng)用場景，稀疏地圖（如點云地圖）僅保留關(guān)鍵特征點，適用于定位導(dǎo)航；稠密地圖（如 OctoMap）通過三維網(wǎng)格重建環(huán)境細(xì)節(jié)，支持避障與路徑規(guī)劃；語義地圖則在幾何地圖基礎(chǔ)上添加物體類別標(biāo)簽（如 “桌子”“墻壁”），為機器人交互提供高層認(rèn)知，這一方向已成為 SLAM 與計算機視覺交叉的研究熱點。