對于掃地機器人相信很多人并不陌生，早期的掃地機器人只能實現室內的簡單清掃，在房間內隨機游走，經常出現碰壁現象。而如今隨著SLAM技術在掃地機器人中的應用，目前的掃地機器人已變得非常智能了，可通過傳感器對室內的環境進行掃描建圖，并實現自主規劃式清掃，還能做到自主回充、斷點續掃等功能。

通過以上介紹，我們可以總結出，掃地機器人要真正實現智能清掃，至少需要做到以下幾點：

1.知道自己在哪（定位）：也就是掃地機器人在工作過程中需要清楚自己所在房間的具體位置。

2.了解周圍環境是什么樣子（建圖）：也就是需要知道整個房間的地面結構信息。

3.該如何到達指定地點（路徑規劃）：當掃地機器人要到達某個指定地點時，它能以最優路線到達目的地，并繞開障礙物。

有以上三大能力的掃地機器人就能變的非常智能了，不會像無頭蒼蠅一樣在室內隨機亂跑，而是可以從任意位置出發，根據建立好的地圖實現規劃式清掃，當然，掃地機器人也會根據當前定位及清掃情況，在建立好的地圖基礎上進行實時更新。

看完上面的例子，我們再回到SLAM的定義上，SLAM就是機器人從未知環境的未知地點出發，在運動過程中通過重復觀測到的地圖特征（比如，墻角，柱子等）定位自身位置和姿態，再根據自身位置增量式的構建地圖，從而達到同時定位和地圖構建的目的。SLAM的全稱為Simultaneous Localization And Mapping即「同時定位與地圖構建」

目前用于SLAM的傳感器主要分為激光雷達及視覺傳感器兩種。

激光SLAM采用單線或多線激光雷達，一般用于室內機器人及無人駕駛領域，激光雷達的出現和普及使得測量更快更準，信息更豐富。激光雷達采集到的物體信息呈現出一系列分散的、具有準確角度和距離信息的點，被稱為點云。通常，激光SLAM系統通過對不同時刻兩片點云的匹配與比對，計算激光雷達相對運動的距離和姿態的改變，也就完成了對機器人自身的定位。

相對來說，激光測距較為準確，誤差模型簡單，在室內外環境中均能穩定運行，點云的處理也比較容易。同時，點云信息本身包含直接的幾何關系，使得機器人的路徑規劃和導航變得直觀。

視覺SLAM也有類似的特點，它可從環境中獲取海量的、富于冗余的紋理信息，擁有超強的場景辨識能力。早期的視覺SLAM基于濾波理論，其非線性的誤差模型和巨大的計算量成為了它實用落地的障礙。近年來，隨著具有稀疏性的非線性優化理論(Bundle Adjustment)以及相機技術、計算性能的進步，實時運行的視覺SLAM已經不再是夢想。

視覺SLAM的優點是它所利用的豐富紋理信息。例如兩塊尺寸相同內容卻不同的廣告牌，基于點云的激光SLAM算法無法區別他們，而視覺則可以輕易分辨。這帶來了重定位、場景分類上無可比擬的巨大優勢。同時，視覺信息可以較為容易的被用來跟蹤和預測場景中的動態目標，如行人、車輛等，對于在復雜動態場景中的應用這是至關重要的。

總的來說，激光SLAM及視覺SLAM都有其局限性，未來相互融合將是大勢所趨，但從目前兩種技術的發展情況來看，基于激光雷達的SLAM相對來說更為成熟，產品落地也更為豐富。

目前，以思嵐科技為代表的激光SLAM技術已廣泛應用于掃地機器人、送餐機器人、迎賓機器人、商場導購機器人及銀行柜臺機器人等多個領域，思嵐科技主要以自主研發的激光雷達作為核心傳感器，配合高性能SLAMWARE模塊化定位導航解決方案，能直接完成地圖建立、路徑規劃以及運動行走控制，無需額外計算，方便用戶快速集成。