相比传统SLAM技术，SLAM3.0有哪些优势？

我们知道，只要涉及到自主移动，机器人就需要用到自主定位导航技术，自主定位导航包括了传感器技术、实时环境定位、地图构建及导航等技术。而SLAM技术是实现机器人自主定位导航的重要一环。

SLAM技术发展至今已有30多年的历史了，之前的大部分时间都是在按部就班的发展，随着机器人产业在市场的不断升温，SLAM技术开始进入大众视野，迎来了发展的春天。

在传统SLAM技术中，仅仅在建图环节完整应用了SLAM，而在导航环节受限于技术，只能做到定位，无法实现实时地图构建，就必须手动更新地图或保持稳固的环境，这就容易导致机器人对动态障碍识别不灵敏、不准确。

近几年来，SLAM技术已取得了很大的进展，并应用于各类不同环境的服务机器人中。

目前，SLAM技术已升级至3.0版本，与传统SLAM技术相比，变革式SLAM 3.0技术，采用了图优化的方式进行地图的构建，能实现百万平米级别的实时地图构建能力，同时拥有主动式回环闭合纠正能力，能很好的消除长时间运行导致的里程累计误差。

传统SLAM对比SLAM图优化引擎

SLAM 3.0 采用SharpEdge精细化构图技术，可构建高精度、厘米级别地图，超高分辨率。同时，构建的地图规则、精细，进一步提升了定位的精确性。无需二次优化修饰，能直接满足用户预期。

相比较粒子滤波每次直接将传感器数据更新进入栅格地图进行增量式构建的做法，基于图优化的SLAM 3.0 摒弃固定的栅格地图，存储地图构建过程中调整了图结构中每个节点的pose和对应的传感器信息以及所有关键点构建的位姿关系图，利用全部的机器人位姿信息和对应传感器数据生成环境地图。

当机器人运动到已经探索过原环境时，SLAM 3.0可依赖内部的拓扑图进行主动式的闭环检测。当发现了新的闭环信息后，SLAM 3.0使用Bundle Adjuestment(BA)等算法对原先的位姿拓扑地图进行修正（即进行图优化），从而能有效的进行闭环后地图的修正，实现更加可靠的环境建图。即使当时地图上看误差较大，SLAM 3.0也可灵活对已产生的地图进行调整。