VPS、GPS與SLAM的區(qū)別與聯(lián)系

首先簡(jiǎn)單的闡述一下三者的定義：

VPS全稱(chēng)為Visual Positioning System，即視覺(jué)定位系統(tǒng)。手機(jī)端(移動(dòng)時(shí)代）的VPS首次出現(xiàn)時(shí)間節(jié)點(diǎn)為2019年，這一年Google 發(fā)布了其產(chǎn)品“Google Maps AR（測(cè)試版）”，該產(chǎn)品使用 VPS（視覺(jué)定位服務(wù)）技術(shù)通過(guò)相機(jī)圖像在戶(hù)外可以實(shí)現(xiàn)任意視角的定位與定向

提到GPS(global positioning system)則是大家耳熟眾詳?shù)娜侄ㄎ幌到y(tǒng)，GPS是一種用于確定地理位置和導(dǎo)航的技術(shù)，它由一組衛(wèi)星、地面控制站和接收設(shè)備組成。GPS最初由美國(guó)國(guó)防部開(kāi)發(fā)，于1978年正式投入使用。該技術(shù)的目的是提供一種全球性的導(dǎo)航系統(tǒng)，為軍事和民用用戶(hù)提供高精度的定位服務(wù)。

關(guān)于SLAM(Simultaneous Localization and Mapping)，即實(shí)時(shí)定位與構(gòu)圖技術(shù)。SLAM技術(shù)出現(xiàn)的時(shí)間節(jié)點(diǎn)很早，其歷史可以追溯到20世紀(jì)80年代。早期的SLAM方法主要基于濾波器，后來(lái)隨著技術(shù)不斷發(fā)展和改進(jìn)，在算法框架方面，出現(xiàn)了基于因子圖的優(yōu)化方法，如圖優(yōu)化（Graph Optimization）和基于最大似然估計(jì)的非線性?xún)?yōu)化等。而國(guó)內(nèi)SLAM技術(shù)大火 的時(shí)間節(jié)點(diǎn)大概為2016年左右，自動(dòng)駕駛行業(yè)的興起把SLAM推向了一個(gè)新的高度。

而三者的聯(lián)系與區(qū)別如下：

(1)三個(gè)技術(shù) 都可以實(shí)現(xiàn)定位的功能

(2) VPS 和SLAM 是提供6DOF 信息，而GPS 只能提供3DOF信息

(3) VPS 相對(duì)于SLAM 和GPS而言是離散數(shù)值，VPS因?yàn)橛?jì)算的復(fù)雜度無(wú)法實(shí)現(xiàn)實(shí)時(shí)的輸出

對(duì)于SLAM和VPS，在我看來(lái)這兩種技術(shù)往往是相互糾纏、相互成就的關(guān)系。首先SLAM依然是一種相對(duì)定位技術(shù)，如果長(zhǎng)時(shí)間的跟蹤，則難免會(huì)出現(xiàn)drift問(wèn)題。而VPS 這種offline+online 形式一方面可以提供準(zhǔn)確的地理位置和姿態(tài)信息，另一方面可以當(dāng)作“錨點(diǎn)”與SLAM系統(tǒng)耦合起來(lái)（離散的軌跡+連續(xù)的軌跡）得到更魯棒的任意視角的位姿信息。

除此之外，盡管 SLAM 算法到目前為止已經(jīng)是非常流行的技術(shù)，特別是與慣性單元的融合，但其不能獲得手機(jī)的地理定位，地理位置是指設(shè)備相對(duì)于地面參考標(biāo)記（例如緯度、經(jīng)度、高度、四元數(shù)……）的位置和方向。換句話說(shuō)，SLAM技術(shù)雖然回答了“where am I？”的問(wèn)題，但是其不能回答我是在“哪個(gè)地方的哪”，聽(tīng)起來(lái)是有點(diǎn)繞口，舉個(gè)簡(jiǎn)單的例子：SLAM技術(shù)告訴我當(dāng)前位置處于一個(gè)車(chē)庫(kù)下面，但是并不能提供是北京的車(chē)庫(kù)還是上海的車(chē)庫(kù)，而VPS 解決了這一個(gè)問(wèn)題。

VPS 如何工作

VPS 作為AR 領(lǐng)域或者空間計(jì)算中最為核心的技術(shù)，其工作原理分為兩個(gè)部分-offline + online ,即是離線建圖和在線定位，VPS 與SLAM結(jié)合的技術(shù)-AR pipeline 如下所示：

注：該圖來(lái)自于商湯openxrlab

（1） 離線建圖

計(jì)算機(jī)視覺(jué)中三維重建問(wèn)題的兩種主要方法是SfM（運(yùn)動(dòng)結(jié)構(gòu)）和SLAM。這兩種方法在算法上相似，但它們的應(yīng)用領(lǐng)域通常有所不同。SLAM最初是為了實(shí)時(shí)操作并使用攝像機(jī)的視頻流而設(shè)計(jì)的。相反，SfM類(lèi)型的算法使用在不同距離和視角下獲取的圖像，然后進(jìn)行后處理進(jìn)行重建。所以在建圖層面不同參與者不一定需要相同的流程來(lái)構(gòu)建他們的地圖，他們需要根據(jù)自己的傳感器類(lèi)型、拍攝方式等來(lái)選擇不同的算法方案。

例如，Google在其服務(wù)器上的Google Street View產(chǎn)品中已經(jīng)有了來(lái)自數(shù)據(jù)庫(kù)的360度照片，他們的設(shè)備如下圖。這些照片具有兩個(gè)特點(diǎn)：

（i）它們是由放置在汽車(chē)車(chē)頂上的攝像頭獲取的

（ii）它們使用GNSS進(jìn)行了地理定位。這就是為什么Google可能使用了SfM類(lèi)型的算法來(lái)構(gòu)建其點(diǎn)云的原因。使用SLAM方法會(huì)得到糟糕的結(jié)果，因?yàn)檫@些圖像在距離和角度上存在明顯差異。???????????

除此之外，還有被自動(dòng)駕駛公司Lyft收購(gòu)的 Blue Vision Labs ,他們的地圖也是通過(guò)SfM技術(shù)實(shí)現(xiàn)，他們是使用開(kāi)源的三維重建框架-openMVG得到大場(chǎng)景地圖(當(dāng)然你也可以選擇使用COLMAP去構(gòu)建離地圖），

相反的是，在游戲開(kāi)發(fā)公司Niantic，盡管與Google有密切的聯(lián)系，但是玩家直接使用智能手機(jī)進(jìn)行獲取視頻圖像，所以在這種情況下，用于重建點(diǎn)云的算法更傾向于SLAM類(lèi)型的算法。

（2） 在線定位

首先，用戶(hù)使用智能手機(jī)攝像頭瀏覽周?chē)沫h(huán)境，從視頻中提取出一張（或多張）圖像，然后將圖像發(fā)送到云端，與離線構(gòu)建的地圖中的圖像進(jìn)行檢索、特征提取、特征匹配后得到當(dāng)前圖像與3D地圖中三維點(diǎn)的關(guān)聯(lián)關(guān)系，最后通過(guò)PnP算法恢復(fù)當(dāng)前的位置與姿態(tài)信息，整個(gè)pipeline 如下：

VPS 的商業(yè)應(yīng)用

VPS/AR 有諸多商業(yè)應(yīng)用，如營(yíng)銷(xiāo)和廣告、零售和電子商務(wù)、實(shí)時(shí)導(dǎo)航和位置服務(wù)、培訓(xùn)和教育、工業(yè)和制造、游戲和娛樂(lè)等等，這里我們選擇最基礎(chǔ)也是最實(shí)用的應(yīng)用-導(dǎo)航來(lái)簡(jiǎn)單闡述，提到導(dǎo)航我們都知道高德地圖、百度地圖等都具備很智能的GPS導(dǎo)航功能。但是當(dāng)我們使用這些APP時(shí)，有多少次問(wèn)自己：“我是否朝著正確的方向前進(jìn)？”，此外對(duì)于不少人而言，其實(shí)他們根本看不懂地圖，更不要說(shuō)去辨別二維地圖上光標(biāo)箭頭的朝向信息是否正確，而使用視覺(jué)定位系統(tǒng)（VPS），可以在地圖上疊加箭頭，使導(dǎo)航變得輕而易舉。

VPS 的挑戰(zhàn)

VPS 技術(shù)目前位置仍然存在很多問(wèn)題與挑戰(zhàn)，從兩個(gè)方面進(jìn)行闡述：

(1) 建圖層面：地圖的更新、 地圖的存儲(chǔ)等

(2) 定位層面：重復(fù)結(jié)構(gòu)、低紋理如下圖所示

展望

空間即入口，入口即計(jì)算。談到AR，我們往往會(huì)想起slam技術(shù)，而會(huì)忽略里面最重要的VPS技術(shù)，我堅(jiān)信在未來(lái)VPS將會(huì)成為通用的定位系統(tǒng)，借用最近WWDC 2023 Apple Vision Pro 發(fā)布會(huì)上的一句話“The era of spatial computing is here”。

審核編輯：劉清