SLAM（同步定位与地图构建）

2019年仓储AGV（Automated Guided Vehicle，简称AGV）企业开发的热点是从“货架到人”到“货箱到人”，2020年受全国疫情影响，又催生企业开发出医用物流AGV等新兴应用领域。不过，AGV行业如何变化和升级，都离不开“避障”这一门小而精的课题。

AGV机器人的一个重要标志就是自主导航，从最初开始的磁条导航，到现在的激光导航，GPS辅助导航，惯性导航一直发展，各种导航技术都还有优缺点，目前，各种导航设备及传感器都需要分开安装，单独进行数据处理和调试，没有一个完美的整合的解决方案。

随着SLAM技术的逐渐成熟，AGV机器人的定位导航也变得更加精准。所谓SLAM（Simultaneous Localization and Mapping），即同步定位与地图构建，最早提出于机器人领域。 它指的是，机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的环境特征定位自身位置和姿态，再根据自身位置构建周围环境的增量式地图，从而达到同时定位和地图构建的目的。

由于SLAM的重要学术价值和应用价值，一直以来都被认为是实现全自主移动机器人的关键技术。 目前主流的SLAM技术有两种，一种是视觉SLAM，一种是基于激光雷达的SLAM（Lidar SLAM），通常采用2D或3D激光雷达。激光雷达作为AGV机器人的眼睛，获取目的距离、方位、速度等数据，为导航、避撞、停车等动作提供基础数据。 而目前主流的2D LiDAR只能扫描一个平面，采集数据相对单一，AGV机器人只能在相对简单的场所运行，或者说用多个2D LiDAR集成来获取更多平面的数据以适应更复杂的环境。而3D LiDAR就相当多个2D LiDAR的集成，一台仪器多线测量获取多层面的数据，可以给AGV机器人提供更全面的测量数据。从而实现在导航避障等领域的全面应用。