單目攝像頭定位最大的優(yōu)點(diǎn)是便宜，定位有多種思路，比較典型的有兩種：

1）間接定位

運(yùn)動主體可以通過識別一些不動的物體作為參照，間接進(jìn)行定位。但這個對于機(jī)器人來說非常難。因為外界的環(huán)境通過攝像頭傳入機(jī)器人的都是數(shù)字化的信息，具體就是像素點(diǎn)，數(shù)字化的信息通過識別物體的方式進(jìn)行定位，是一件非常吃力的事情。

有一個變種的方案很方便實施，就是二維碼方案，機(jī)器人識別二維碼是非常容易的，通過知曉二維碼的寬度（只有知曉先驗大小，才能判斷遠(yuǎn)近），與不同二維碼所代表的地標(biāo)位置，機(jī)器人可以僅僅通過單目2D攝像頭方便的推算出自己的絕對位姿。以前的VR設(shè)備，如HTC VIVE，多采用這種方式實現(xiàn)定位。這個方案不方便之處在于要提前部署二維碼。

2）單目SLAM

單目SLAM要做到比較魯棒的定位，需要兩個階段， 分為前端的視覺里程計和后端的回環(huán)機(jī)制。該方案的問題包含初始化尺度問題和實際工程實施中計算量實時性問題。

尺度問題，是由2D成像理論內(nèi)在特點(diǎn)決定的，因為沒有深度信息，大小和遠(yuǎn)近是可以成比例縮放的， 反映到單目SLAM, 在初始化階段，必須運(yùn)動主體有平移的動作，來確定一個尺度基準(zhǔn)，這個尺度基準(zhǔn)是無法與測量單位“m,cm,mm”對應(yīng)的，只是自己的一個單位， 后續(xù)的建圖和定位都是基于這個單位來進(jìn)行， 建立的地圖和定位理論上可以等比例縮放。

計算量問題，在于SLAM算法本身的復(fù)雜性，勉強(qiáng)在嵌入式設(shè)備上跑，計算資源基本耗盡。在實踐中可以從算法并行計算方面進(jìn)行探索，或者選擇高性能的計算平臺。

單目SLAM 分為特征點(diǎn)法和直接法，考慮到對周遭環(huán)境的魯棒性，一般采用特征點(diǎn)法，就是采用人工設(shè)計的角點(diǎn)，作為連續(xù)幀進(jìn)行地標(biāo)匹配。角點(diǎn)肯定是稀疏的，所以建圖只是作為定位的輔助地標(biāo)來做使用， 不能指導(dǎo)避障和導(dǎo)航。

主動光深度攝像頭(3D）

這種攝像頭在2D攝像頭的基礎(chǔ)上，增加紅外發(fā)射和接收裝置，在2D RGB像素上增加深度（距離）信息。比較有名的產(chǎn)品有微軟的Kinect，蘋果最新的手機(jī)產(chǎn)品IphoneX會配備這種攝像頭，提供給用戶VR使用體驗和增強(qiáng)人臉識別FaceId的準(zhǔn)確度。

深度攝像頭在定位方面主要是深度SLAM方案。 相對于單目SLAM, 因為每個像素有了深度信息， 這樣尺度問題就不存在了，不需要運(yùn)動主體做平移運(yùn)動來做初始化動作。有了深度信息，理論上建圖是可以做稠密圖，可以做三維建模。

它的缺點(diǎn)也很明顯，除了跟2D一樣算法計算量偏大，紅外主動光非常容易受到其它強(qiáng)光的影響， 這樣在室外基本就退化成一個2D攝像頭了。 對于一些透光介質(zhì)，如玻璃，深度信息是無法得到的。

雙目攝像頭

兩個攝像頭，光心距離固定。雙目攝像頭通過視差，可以間接得到兩個攝像頭共視像素的深度信息。雙目攝像頭比較像人的眼睛, 人可以通過雙眼，直接估計出眼前物體的相對遠(yuǎn)近。對于計算機(jī)來說，通過同一時刻兩個攝像頭分別拍的兩幀圖像，根據(jù)視差的幾何關(guān)系，可以算出像素的深度，達(dá)到跟主動光深度攝像頭一樣的效果。

相比主動光深度攝像頭， 它的優(yōu)點(diǎn)是受環(huán)境光線的影響比較小，可以在室外自動駕駛汽車上應(yīng)用。缺點(diǎn)是像素的深度信息不能直接獲取，需要不小的運(yùn)算量通過視差幾何關(guān)系計算獲得。

雙目攝像頭本質(zhì)上就是一個深度攝像頭，只是獲取深度信息的手段不同，所以定位也可以應(yīng)用深度SLAM方案。

激光雷達(dá)

激光雷達(dá)是目前定位選擇的主流傳感器，帶自主導(dǎo)航的室內(nèi)掃地機(jī)的商用產(chǎn)品，一般都會配備激光雷達(dá)。在自動駕駛領(lǐng)域，高精地圖的采集及定位應(yīng)用， 使用的是多線激光雷達(dá)方案。

激光雷達(dá)分為單線和多線， 單線雷達(dá)只能掃描一個平面的障礙，所以直接出來的是一個2D地圖。 多線雷達(dá)（有16線，32線，64線）產(chǎn)品，通過多個掃描面的組合，可以給出豐富的環(huán)境3D點(diǎn)云。

激光雷達(dá)定位， 主要是激光SLAM算法，跟視覺SLAM一樣，也分前端雷達(dá)里程計和后端回環(huán)檢測矯正。

激光SLAM對CPU的消耗，是遠(yuǎn)遠(yuǎn)低于視覺SLAM的，魯棒性更好，更加穩(wěn)定。以2D激光SLAM為例，它可以在任意時刻得到某個特定高度水平面的2D障礙輪廓，所以在做前端里程計的時候，連續(xù)兩幀，計算局部的地圖輪廓匹配，可以使用相對比較少的計算量獲取相對位移。

激光掃描出的點(diǎn)有準(zhǔn)確度很高的深度信息，這樣在做后端回環(huán)優(yōu)化的時候，不需要優(yōu)化某個位姿下的觀測值（掃描的點(diǎn)云）， 而直接優(yōu)化位姿。

對于視覺SLAM， 不論是單目SLAM 通過三角測量算出的點(diǎn)云深度，還是深度SLAM中獲取到的點(diǎn)深度， 有很大噪聲在里面，所以優(yōu)化要對觀測點(diǎn)和位姿一起優(yōu)化調(diào)整。

激光做定位的缺點(diǎn)是受環(huán)境如雨、霧的影響比較大，對于透明介質(zhì)也無法得到準(zhǔn)確的深度信息。