多维度对比激光SLAM与视觉SLAM
SLAM（同步定位与地图构建），是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程，解决机器人等在未知环境下运动时的定位与地图构建问题。

目前，SLAM 的主要应用于机器人、无人机、无人驾驶、AR、VR 等领域。

其用途包括传感器自身的定位，以及后续的路径规划、运动性能、场景理解。

由于传感器种类和安装方式的不同，SLAM 的实现方式和难度会有一定的差异。

按传感器来分，SLAM 主要分为激光SLAM 和VSLAM 两大类。

其中，激光SLAM 比VSLAM 起步早，在理论、技术和产品落地上都相对成熟。

基于视觉的SLAM 方案目前主要有两种实现路径，一种是基于RGBD 的深度摄像机，比如Kinect；还有一种就是基于单目、双目或者鱼眼摄像头的。

VSLAM 目前尚处于进一步研发和应用场景拓展、产品逐渐落地阶段。

激光SLAM：早在2005 年的时候，激光SLAM 就已经被研究的比较透彻，框架也已初步确定。

激光SLAM，是目前最稳定、最主流的定位导航方法。

激光SLAM 地图构建
VSLAM（基于视觉的定位与建图）：随着计算机视觉的迅速发展，视觉SLAM 因为信息量大，适用范围广等优点受到广泛关注。

（1）基于深度摄像机的Vslam，跟激光SLAM 类似，通过收集到的点云数据，能直接计算障碍物距离；
（2）基于单目、鱼眼相机的VSLAM 方案，利用多帧图像来估计自身的位姿变化，再通过累计位姿变化来计算距离物体的距离，并进行定位与地图构建；
视觉SLAM 地图构建，图片来源：百度AI
一直以来，不管是产业界还是学术界，对激光SLAM 和VSLAM 到底谁更胜一筹，谁是未来的主流趋势这一问题，都有自己的看法和见解。

下面就简单从几个方面对比了一下。