2016年以來，無人駕駛創(chuàng)業(yè)公司不斷涌現(xiàn)，如今正面臨著商業(yè)化探索的關鍵時期。接下來，無人駕駛的行駛方式等待檢驗、量產(chǎn)中亦有諸多難題等待解決。前不久，李開復還曾公開表示，像Waymo一樣的自動駕駛，即人可以不在駕駛位上，還需要很久，但是以后的車沒法人機協(xié)作。

他還進一步解釋道：“我們也可以認為以后無人駕駛達到了一定的程度，它就會通過物聯(lián)網(wǎng)彼此交流，比如說一輛車可以告訴另外一輛車，說我爆胎了，請你們讓開一點。自動駕駛將取代人類駕駛。當然達到這個程度還有20年，30年還是40年，有爭議存在�！�

雖然在商業(yè)落地的過程中，無人駕駛的生態(tài)圈還面臨眾多難點。但大多數(shù)人依然支持“自動駕駛是人工智能改變世界的光輝起點”的這一觀點，對該領域的探索也不會止步。這其中，SLAM的應用至關重要。

SLAM（同步定位與地圖構(gòu)建），是指運動物體根據(jù)傳感器的信息，一邊計算自身位置，一邊構(gòu)建環(huán)境地圖的過程，解決機器人等在未知環(huán)境下運動時的定位與地圖構(gòu)建問題。目前，SLAM在無人駕駛領域的用途包括傳感器自身的定位，以及后續(xù)的路徑規(guī)劃、運動性能、場景理解等。

由于傳感器種類和安裝方式的不同，SLAM 的實現(xiàn)方式和難度會有一定的差異。按傳感器來分，SLAM 主要分為激光 SLAM 和 vSLAM 兩大類。早在 2005 年的時候，激光 SLAM 就已經(jīng)被研究的比較透徹，直到目前，激光 SLAM仍然是最穩(wěn)定、最主流的定位導航方法。

隨著計算機視覺的迅速發(fā)展，vSLAM（基于視覺的定位與建圖）因為信息量大，適用范圍廣等優(yōu)點逐漸受到廣泛關注�；�于視覺的 SLAM 方案目前主要有兩種實現(xiàn)路徑，一種是基于 RGBD 的深度攝像機，比如英特爾的Realsense和小覓深度相機系列產(chǎn)品；還有一種就是基于單目、雙目或者魚眼攝像頭的。

基于深度相機的 SLAM ，跟激光 SLAM 類似，通過收集到的點云數(shù)據(jù)，能直接計算障礙物距離，相比基于單目、魚眼相機的 vSLAM 方案，需要利用多幀圖像來估計自身的位姿變化，再通過累計位姿變化來計算距離物體的距離，并進行定位與地圖構(gòu)建，基于深度相機的 SLAM 方案在無人駕駛領域應用更為普遍。

小覓雙目攝像頭深度版（MYNT EYE Depth）采用“視覺＋結(jié)構(gòu)光＋慣性導航”融合的方案，內(nèi)置深度計算芯片，無需上位機即可輸出深度。相較固態(tài)激光、單目相機、視覺相機、結(jié)構(gòu)光相機和ToF相機等單一深度傳感器方案，“視覺＋結(jié)構(gòu)光＋慣性導航”融合的方案是適用場景更廣泛且更具性價比的3D傳感器融合解決方案。

小覓雙目攝像頭深度版提供120°FOV和50°FOV兩種視角方案給客戶選擇，120°FOV版本提供更廣闊的深度識別范圍，50°FOV版本則具備更高精度水平和識別深度，識別距離可達15m，精度可達毫米級，為室外作業(yè)環(huán)境提供了更多可能。

總的來說，想讓用戶在AR／VR、機器人、無人機、無人駕駛領域體驗加強，還是需要更多SLAM前沿技術(shù)做支持。未來新型傳感器的出現(xiàn)也會不停地為SLAM注入活力，在降低SLAM算法難度的同時，也會給SLAM的技術(shù)格局帶來許多變化。