SLAM 技術深度解析：同步定位與建圖如何讓無人機實現自主導航

自主無人機的 SLAM 感測技術

打造一架能夠自主導航的無人機，需要整合眾多元件與技術。自主無人機運作時，會持續進行「感測─思考─行動」的循環。機器人的能力取決於其感測器的品質，因此感測是讓無人機順利抵達目的地的關鍵環節。

SLAM（Simultaneous Localization and Mapping，同步定位與建圖）是自主導航系統的基礎，為機器人提供路徑規劃所需的架構。無人機若要抵達目的地，必須知道自身位置、建構周圍環境的地圖，然後規劃前往目標的路徑或軌跡。在動態環境中，無人機需要持續更新地圖，而 SLAM 正是支援即時更新的核心技術。當有障礙物進入無人機的行進路線時，系統就必須重新生成路徑。

ModalAI® 在其 SLAM 實作中，採用 視覺慣性里程計（Visual Inertial Odometry, VIO） 來支援定位功能，並使用 體素（Voxels） 技術進行建圖。

視覺慣性里程計（VIO）

VIO 將影像感測器與慣性測量單元（IMU）進行融合，估算無人機相對於起飛點的位置變化。在 VOXL 平台中，ModalAI 使用全域快門（Global Shutter）影像感測器，能同時擷取低失真的像素，滿足電腦視覺運算需求，而非使用容易受無人機快速移動影響的捲簾快門（Rolling Shutter）感測器。

體素（Voxels）建圖

體素（Volumetric Pixels）的運算方式是利用無人機當前位置，將深度圖上的點投射至 3D 空間中。體素建圖可讓無人機系統（UAS）理解其所處環境的立體結構。

• 室內應用（如倉儲或安全巡檢）：主動式深度感測器（如飛時測距 Time of Flight）能提供優異成效。
• 室外應用：被動式立體相機表現最佳，尤其適合計算較遠距離的深度圖。

運作原理

1. 起飛階段：無人機升空後，透過 VIO 維持自身位置，同時啟動體素建圖。
2. 路徑規劃：當 3D 環境結構建立完成後，系統使用基於樹狀結構的路徑規劃演算法（RRT*）生成飛行軌跡。
3. 即時更新：無人機在飛行過程中持續更新地圖，以維持任務執行並閃避障礙物。當新的體素阻擋了原定路線，系統會即時計算新路徑繞過障礙。
4. 任務影像串流：執行任務的同時，無人機會將操作員所需的即時影像串流回傳。應用場景包括國防安全等關鍵任務，或是橋梁、道路的安全巡檢。

無人機通常以遠高於串流畫質的解析度錄製影片，供任務結束後進行離線分析。

Starling 2 SLAM 微型開發無人機

Starling 2 號稱是全球首款 SLAM 微型開發無人機，搭載經過 SWAP（尺寸、重量與功耗）優化的感測器與酬載，專為室內及室外導航設計。Starling 2 能夠在狹小空間中自主導航，採用 VOXL 2 驅動，是目前功能最完整且最開放的無人機平台。

透過 VOXL SDK，開發者可實現以下功能：

• BVLOS 無 GPS 導航：超視距且不依賴衛星定位的自主飛行
• 深度建圖：即時建構環境 3D 模型
• 障礙物迴避：動態閃避飛行路徑上的物體
• 物件偵測：辨識環境中的目標物
• SLAM：同步定位與建圖

Starling 2 為無人機開發者提供了一個完整的驗證平台，加速自主導航應用的研發與落地。

---

原文來源： 查看原文