Visual SLAM (Simultaneous Localization and Mapping)
了解视觉 SLAM 如何实现自主建图。学习如何使用 Ultralytics YOLO26 提升准确度，并通过 Ultralytics Platform 部署解决方案。
视觉 SLAM（同步定位与建图）是一种核心计算机视觉技术，它使机器人或移动设备等智能体仅凭摄像头输入，就能同时绘制未知环境的地图并确定自身在其中的位置。传统 SLAM 系统依赖昂贵的激光传感器，而视觉 SLAM 使用标准单目、立体或 RGB-D 摄像头。系统通过提取并跟踪连续图像帧中的视觉特征，在逐步构建周围环境的三维点云或稠密地图的同时，计算摄像头的运动轨迹。这项技术是机器实现自主导航和空间感知的基础。
视觉 SLAM 的工作原理#
典型的视觉 SLAM 流程由两个主要部分组成：前端和后端。前端负责处理传感器数据，执行视觉特征提取（识别明显的角点或边缘），并在不同帧之间匹配这些特征，以估计摄像头随时间的运动。后端接收这些里程计数据，并执行优化算法，例如光束法平差，以校正漂移并优化环境地图和摄像头的估计位姿。
2024 年和 2025 年的最新突破改变了这一领域的方向：从传统的手工特征（例如旧版框架 ORB-SLAM3 使用的特征）转向深度学习方法。现代系统开始使用神经网络执行稠密光流和特征匹配，使其能够更好地应对运动模糊和低纹理环境。此外，结合3D Gaussian Splatting和神经辐射场（NeRF）的新型渲染技术，能够实时生成照片级真实感的稠密地图，捕捉精细几何细节，其效果远胜于标准点云。
视觉 SLAM、LiDAR SLAM 与目标跟踪的比较#
了解建图和跟踪技术之间的区别，对于部署合适的解决方案至关重要：
- 视觉 SLAM 与 LiDAR SLAM：视觉 SLAM 依靠廉价的摄像头传感器感知丰富的视觉纹理，而 LiDAR SLAM 使用激光束精确测量物理距离。LiDAR 精度高，但成本高且耗电量大；视觉 SLAM 成本更低并能提供颜色信息，但在光照不佳时可能难以正常工作。
- 视觉 SLAM 与目标跟踪：目标跟踪会分离并跟踪视频帧中特定实体的移动。与之不同，视觉 SLAM 会跟踪摄像头相对于静态环境的运动来构建地图。不过，这两种概念会在语义 SLAM 中结合：其中的目标检测模型会识别动态物体，并有意将其从静态地图中排除。
实际应用#
视觉 SLAM 已深度集成到现代AI 智能体和空间计算系统中。
- 机器人与自主无人机：配送机器人和无人机使用视觉 SLAM，在仓库或密集的城市街区等GPS 信号不可用的环境中导航。通过实时构建地图，它们可以自主规划路径并避开障碍物。
- 增强现实（AR）和虚拟现实（VR）：商用智能眼镜高度依赖视觉 SLAM 来理解房间的几何结构。这使 AR 系统能够将虚拟显示器等数字物体准确锚定到实体表面，让它们在用户移动时保持稳定。
- 辅助导航系统：深度学习驱动的语义 SLAM 近期进展正用于为视障人士打造可穿戴导航辅助设备，确保系统能够实时安全地绕开动态实体障碍物。
语义 SLAM 与 Ultralytics YOLO26 集成#
视觉 SLAM 面临的最大挑战之一，是如何处理会因移动物体而导致地图失真的动态环境。语义 SLAM 将传统 SLAM 流程与高速视觉模型结合起来解决这一问题。使用 Ultralytics YOLO26执行实例分割或检测后，系统便能对场景进行语义标注并过滤移动物体，大幅提高定位精度。
下面的代码块演示了如何使用 Ultralytics YOLO26 识别动态物体（例如行人和汽车）的坐标，以便 SLAM 特征匹配引擎明确忽略这些物体：
from ultralytics import YOLO
# Load Ultralytics YOLO26 to detect dynamic objects in the scene
model = YOLO("yolo26n.pt")
results = model("robot_camera_view.jpg")
# Extract bounding boxes of dynamic objects to exclude them from SLAM maps
for box in results[0].boxes:
if int(box.cls) in [0, 2]: # Example: Class 0 is person, Class 2 is car
print(f"Ignore dynamic feature region at coordinates: {box.xyxy[0]}")通过利用 NVIDIA Jetson 等边缘 AI硬件，并通过 Ultralytics Platform集成模型，开发者可以训练视觉算法并将轻量级算法直接部署到 SLAM 流程中。若要进一步了解自主建图架构，请参考 IEEE Xplore或 arXiv 上的最新文献，并通过 Ultralytics 文档了解如何优化连续视觉流程。
