这两年一直在做SLAM产品化的一些工作，有些感触，想和大家分享一下。很多想法只是个人浅见，不当之处还望大家指正。
我这两年分别做了AR眼镜和辅助驾驶方向的开发，说实话，挫折大于成果。SLAM产品化之难，超出了我的想象。
先说说我做项目的一般思路。
- 前期调研。分析项目的产品化需求，输入输出，软硬件平台，以及相关（开源）算法的初步测试和分析。
- 算法架构设计。根据调研结果，大致确定算法模块的功能和具体实现方法。
- 迭代开发。开发过程中必然会碰到很多预料之外的问题。如果有备案，那么尝试备案方案。如果遇到了原理性的问题，那么要修正和扩展架构。
- 技术储备。开发过程中要时刻注重新技术和新方法的储备。
实际开发过程中，有几个方面会特别影响SLAM的进程。这和SLAM技术的特点有关。
其一，SLAM是一个技术栈，而不是一个单一算法。无论在哪个应用领域，开发者都会面临很多单一开源算法解决不了的实际问题。SLAM算法本身又有多种实现方式，滤波VS优化，稀疏VS稠密，松耦合VS紧耦合，里程计VS回环优化，人工特征VS语义特征，等等等等。因此，SLAM的架构设计既需要SLAM理论的深度和广度，又需要大量的实践经验，还需要对上下游的算法和硬件有比较充分的理解和认知。
其二，SLAM强依赖于硬件。硬件不同，算法大大不同，整个系统的计算复杂度、鲁棒程度和可扩展性都会有差别。多传感器SLAM更是提高了系统设计的复杂度。
其三，SLAM的实用化还需要探索。SLAM算法的不同模块耦合程度高，当算法不能满足要求时，不能简单通过调参或者增减模块控制精度，有可能需要调整整个算法架构或者传感器设计，因此总是属于系统中风险较高的部分，不可控性强。SLAM需要软硬件和计算平台强有力的支撑，但SLAM本身在项目中的地位经常无法达到如此的高度，因此会有些尴尬。
要解决以上几个问题并不容易，有几点意见仅供参考吧。
- 除了提升自身水平以外，SLAM圈子需要更深入的交流。泡泡机器人在普及方面做的很好，但可能在交流方面做得还不够深入。
- SLAM的架构设计应当高度模块化，尽量解耦。将建图和定位分开算是一定程度上的解耦。语义SLAM可以看做是将前端特征提取和SLAM系统解耦。SLAM也许不应当大包大揽所有功能。
- 针对应用场景做微创新。譬如，减小问题自由度，利用各种已知信息（landmark/map），等等。
路漫漫其修远兮。