2016年以来，无人驾驶创业公司不断涌现，如今于是以面对着商业化探寻的关键时期。接下来，无人驾驶的行经方式等候检验、量产中亦有诸多难题等候解决问题。前不久，李开复还曾公开发表回应，像Waymo一样的自动驾驶，即人可以不出驾驶员位上，还必须很幸，但是以后的车不了人机协作。

他还更进一步说明道：“我们也可以指出以后无人驾驶超过了一定的程度，它就不会通过物联网彼此交流，比如说一辆车可以告诉他另外一辆车，说道我爆胎了，请求你们让开一点。自动驾驶将代替人类驾驶员。

当然超过这个程度还有20年，30年还是40年，有争议不存在。”虽然在商业落地的过程中，无人驾驶的生态圈还面对众多难题。但大多数人仍然反对“自动驾驶是人工智能转变世界的光辉起点”的这一观点，对该领域的探寻也会负于。

这其中，SLAM的应用于至关重要。SLAM（实时定位与地图建构），是指运动物体根据传感器的信息，一旁计算出来自身方位，一旁建构环境地图的过程，解决问题机器人等在不得而知环境下运动时的定位与地图建构问题。目前，SLAM在无人驾驶领域的用途还包括传感器自身的定位，以及先前的路径规划、运动性能、场景解读等。由于传感器种类和加装方式的有所不同，SLAM的构建方式和可玩性不会有一定的差异。

按传感器来分，SLAM主要分成激光SLAM和vSLAM两大类。早在2005年的时候，激光SLAM就早已被研究的较为明了，直到目前，激光SLAM依然是最平稳、最主流的定位导航方法。随着计算机视觉的很快发展，vSLAM（基于视觉的定位与建图）因为信息量大，适用范围广等优点渐渐受到普遍注目。基于视觉的SLAM方案目前主要有两种构建路径，一种是基于RGBD的深度摄像机，比如英特尔的Realsense和小觅深度照相机系列产品；还有一种就是基于单目、双目或者鱼眼摄像头的。

基于深度照相机的SLAM，跟激光SLAM类似于，通过搜集到的点云数据，能必要计算出来障碍物距离，比起基于单目、鱼眼照相机的vSLAM方案，必须利用多帧图像来估算自身的位姿变化，再行通过总计位姿变化来计算出来距离物体的距离，并展开定位与地图建构，基于深度照相机的SLAM方案在无人驾驶领域应用于更加广泛。小觅得双目摄像头深度版（MYNTEYEDepth）使用“视觉＋结构光＋惯性导航”融合的方案，内置深度计算出来芯片，需要上位机才可输入深度。互为较固态激光、单目照相机、视觉照相机、结构光照相机和ToF照相机等单一深度传感器方案，“视觉＋结构光＋惯性导航”融合的方案是限于场景更加普遍且极具性价比的3D传感器融合解决方案。

本文来源：彩神Vll-www.meroheadline.com