鲁达 Kudan 宣布已经完成了自己的 SLAM 地图技术的开发，该技术可以生成具有超过 10 亿个点的千兆点地图。此图像是当时发布的 YouTube 视频的演示图像 。
自定位和地图构建是自动驾驶的核心技术。自主定位是自动驾驶汽车必不可少的技术，而地图对于实现高精度自动驾驶有很大的帮助。
有一些技巧可以同时做到这两点。这是“SLAM ”（即时定位与地图构建（Simultaneous Localization and Mapping，简称SLAM））。通过引入不同于标准GPS自我定位的技术，可以提高自动驾驶的准确性。
在这篇文章中，我们将根据截至 2022 年 10 月的信息，解释 SLAM 的概要和介绍示例。
什么是SLAM？
SLAM是“Simultaneous Localization and Mapping”的首字母缩写，读作“slam”。直译过来就是“即时定位与地图构建”的意思。它是一种可以同时识别位置和创建地图的技术。
使用移动物体，例如配备传感器的车辆，在移动时绘制周围环境。此外，通过传感器图像等设置任意参考点，并根据该参考点计算移动量，或者通过安装在车辆中的惯性测量单元（IMU）计算移动量，可以指定相对位置。
GPS 为您提供指向您在地球上的位置的绝对坐标，而 SLAM 使您能够在您创建的地图上精确定位您的位置。
它类似于一个人进入陌生土地四处走动并创建地图的图像。通过记忆进入视野的每个建筑物和道路来创建周边区域的地图，同时机器人可以根据步行距离和方向计算移动量来掌握自己在地图上的位置。SLAM 执行这一系列动作。
它是一种可以有效地执行自我定位和地图创建的技术，这对自动驾驶来说是必不可少的。无需GPS信息即可获得相对位置信息，因此无论在什么地方，如室内停车场、山区、隧道等都可以使用。
三种主要类型：摄像头、LiDAR 和 ToF
相机、LiDAR 和 ToF（飞行时间）传感器主要用作传感器。使用来自LiDAR的点云数据的称为“LiDAR SLAM”，使用来自相机的视频数据的称为“Visual SLAM”，使用来自ToF传感器的深度图像数据的称为“Depth SLAM”。
使用激光的 LiDAR 和 ToF 传感器擅长测量到物体的距离，并且具有很高的三维映射精度。即使在晚上也可以测量。相机信息量大，抓取物体能力强。距离也可以通过使用立体相机来计算。
另一方面，LiDAR 相对昂贵且数据密集。激光照射范围在垂直方向上较窄，如果周围物体较少，则点云的密度往往比较粗糙。摄像头虽然性价比优异，但与激光雷达相比，在距离测量和夜间测量方面表现不佳。
各有优缺点，但也可以结合使用 LiDAR 和摄像头，使用与应用相匹配的传感器配置进行定位和映射。
虽然存在数据处理时间、局部位置信息的准确性、整体地图一致性、运动物体处理等SLAM特有的问题，但通过使用传感器融合和高性能，可以在广泛领域应用的技术电脑。它已经成为。
SLAM开发公司
Kudan：提供商业级“GRAND SLAM”
来源：Kudan官网
从事人工感知 (AP) 技术研发的 Kudan，通过研发赋予空间识别能力的 AP 算法，正在加速自动驾驶、机器人、AR 和 VR 等领域的创新。
具有商业级性能的软件“GRAND SLAM”以摄像头和LiDAR作为主要传感器，还支持ToF、IMU、GNSS、车轮里程计等广泛的传感器数据。
除了实现高精度和低延迟，还可以扩展到大比例尺地图，与其他系统集成，跨平台。
2022年7月，在中国从事自动驾驶解决方案开发的鲸鱼动力宣布开始提供集成Kudan的3D-Lidar SLAM技术和相关高精地图创建工具集产品的自动驾驶送货车。
自 2021 年以来，该公司一直与 Kudan 合作。除了推出WD1多功能自动驾驶无人配送车、地图硬件套件和软件工具包，我们还在中国主要城市接到了自动驾驶项目的订单，进一步推进社会落地和技术落地。我们计划前进。
此外，开发计算机视觉技术的 Kudan 的关联公司 Artisense 似乎正在扩大其活动领域，例如参与开发可实现全自动驾驶的自我定位技术的欧洲 ERASMO 项目。
Map Four：开发3D地图制作系统“MapIV Engine”