SLAM技术应用于无人叉车领域，使得无人叉车能更好的替代人类完成搬运工作。现在市场的SLAM叉车，依据传感器的不同可分为激光SLAM和视觉SLAM。那么SLAM叉车哪个类型的更好些呢？
讲两种类型的SLAM叉车优劣势之前，很有必要为大家讲下SLAM的系统框架及其工作流程。
SLAM系统，可以分解为5个模块
模块1：传感器数据。收集环境中视觉图像数据，激光扫描数据，点云数据等原始数据。
模块2：视觉里程计。估算移动目标不同时刻的相对位置。
模块3：后端。视觉力成计会累计误差，后端通过多种算法应用优化该误差。
模块4：建图。根据各项数据构建出实际环境的3D地图。
模块5：回环检测。消除空间累计误差。
建图：用于三维地图构建。
回环检测：主要用于空间累积误差消除。
SLAM叉车的工作流程：传感器获取原始数据后，视觉里程计估算两个时刻的相对运动，后端通过算法优化视觉里程计估算结果产生的累计误差，建图模块依据前后端得到的运动轨迹创建地图 。回环检测优化同一场景下不同时刻的图像，消除空间上产生的误差。
激光SLAM优劣
激光SLAM叉车传感器应用的是激光雷达。市场上激光SLAM主要采用的是2D激光雷达（可称之为单线雷达）或者3D激光雷达（称之为激光雷达），2D激光常见于室内机器人，比如日常生活中常见的扫地机器人，而3D激光由于获取信息更为丰富，常见应用于无人驾驶领域。激光雷达的普及和使用，让测量的更快更准确，能获得环境信息更为丰富。激光SLAM系统通过激光雷达采集的点云（激光雷达获取的物体信息是一些列分散具有准确角度和距离信息的点）在不同时刻的匹配与比对，通过计算，来进行机器人定位。
激光SLAM优点：
1.激光SLAM技术成熟，可靠性高，有丰富的落地产品群
2.创建的三维地图更直观，激光雷达测距准确，误差模型简单，地图精度搞，不存在累计误差。
3.激光雷达搜集的物体信息-点云数据包含有几何关系，无人叉车的路径规划和导航更直观灵活。
激光SLAM劣势：
1.受到Lidar探测范围限制
2.安装结构有要求
3.构建的三维地图缺乏语义信息
视觉SLAM优劣
视觉SLAM就好比人的眼睛一样，可以获得丰富的海量的纹理信息，有超强的场景辨识能力。
近些年来，随着具有稀疏性的非线性优化理论(Bundle Adjustment)以及相机技术、计算性能的进步，实时运行的视觉SLAM已经不再是梦想。
视觉SLAM的优点是它所利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以轻易分辨。这带来了重定位、场景分类上无可比拟的巨大优势。同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等，对于在复杂动态场景中的应用这是至关重要的。
视觉SLAM优点：
1.结构简单，安装方式多元化
2.无传感器探测距离限制，成本较低
3.可提取环境语义信息
视觉SLAM劣势：
1.受环境光影响大，黑暗的区域（或者 无纹理的地方）无法工作。
2.因为收集的信息很多，运算负荷大，构建的地图无法直接用于路径规划与导航。
3.传感器的性能有待提高，地图构建时会存在累计误差。
看了以上的比对，我们能看到激光SLAM和视觉SLAM各有优势与劣势，单一应用都有其局限性，而融合使用则可以达到取长补短。
近年来，SLAM导航技术获得了极大的发展，它赋予了智能机器人更贴近人类的行动能力，视觉SLAM和激光SLAM势必会在竞争中相互融合使用，使智能机器人更智能，更好的服务于人类。
