激光与视觉定位建图的核心区别

选购手持三维扫描仪时，常会看到“激光同步定位与建图（SLAM）”“视觉 SLAM”“激光 + 视觉融合”等说法。它们是什么？有什么区别？哪个更好？本文用通俗方式对比两种技术路线——无论您是装修量房、建筑检测还是竣工测量，理解技术路线都有助于选型。

一句话结论：激光 SLAM 以主动测距提供几何信息，测距本身对环境光的依赖相对较低，但结果仍受材质、距离、场景和路线影响；视觉 SLAM 利用图像特征，可提供纹理，但受光照、曝光和低纹理表面影响。融合路线可提供互补信息，但不等于在所有材质和空间中自动获得相同精度。SHARE3DCAM 的 SHARE SLAM S20、SHARE SLAM S20 SE、SHARE SLAM S100 与SHARE C1 系列、SHARE3DCAM C10 系列的具体传感器配置应以型号资料为准。

图1：激光提供几何测距，视觉提供纹理与影像特征，两者与 IMU 融合支持移动定位。

两种技术的基本原理

激光 SLAM 的优缺点

优点：

• 主动测距，可生成用于量测和验证的几何点云；

• 测距本身对环境光依赖相对较低，可支持暗光环境中的几何采集；

• 适合需要连续几何覆盖的室内、地下、隧道和建筑空间，但长走廊等重复结构仍需闭环与质量控制。 局限：

• 玻璃、镜面和黑色高吸收材质可能导致激光雷达（LiDAR）回波质量下降；

• 单一激光在特征重复空间（长白墙走廊）可能退化。

视觉 SLAM 的优缺点

可提供的信息：

• 相机可提供纹理和颜色信息，用于赋色和视觉特征提取；

• 在光照和纹理条件满足算法要求时，可为定位提供图像特征。 局限：

• 图像特征提取更依赖光照与曝光，暗光、过曝、逆光可能降低可用特征；

• 尺度、深度和漂移特征取决于单目、双目或其他传感器融合配置、标定、路线和算法；

• 大面积低纹理表面可能无法提供足够的视觉特征。

为什么一些手持系统采用“激光 + 视觉融合”

激光 SLAM 与视觉 SLAM 可提供互补信息：

怎么选

装修量房、建筑检测、竣工测量：优先验证几何覆盖、检查点结果、照片赋色和图形交换格式（DXF）下游流程；

• 地下、隧道、暗光：如需分段成果，应在现场预先规划并分别保存多个扫描任务，各任务分别解算后再人工配准；颜色效果需单独评估；
• 古建、钢结构：关注细小构件遮挡、重复结构和多角度补扫；
• 室内外连续采集：关注具体型号的 GNSS/实时动态差分（RTK）能力、SHARE PointClouds Studio（赛尔点云管家）V2.6 RTK 状态提示、控制点与坐标转换；实时条件不足时，可由外部后处理动态差分（PPK）工具生成 RTKLIB POS 轨迹文件，并在 SHARE PointClouds Studio（赛尔点云管家）V2.6 中仅作为 GNSS Fusion 的 Trajectory Source 使用；
• SHARE SLAM S100 室内复杂空间：样板先行、分区闭环，重点复核分层、赋色和楼板邻近区域。

常见问题

Q1：激光 SLAM 一定比视觉 SLAM 好吗？ 

不一定，看场景。激光提供直接几何测距且对环境光依赖相对较低，但玻璃、镜面和高吸收材质可能影响回波；视觉提供纹理和图像特征，但更依赖光照与场景纹理。融合方案提供互补信息，仍需按实际场景验证。

Q2：SHARE SLAM 是哪种？ 

SHARE SLAM 结合激光、视觉与 IMU 数据：激光雷达获取几何信息，相机提供纹理和视觉特征辅助，IMU 感知姿态；具体传感器配置与参数因型号而异，应以对应型号资料为准。

Q3：暗光环境能扫吗？ 

激光测距对环境光的依赖相对较低，可支持暗光环境中的几何采集；相机辅助定位和赋色仍可能受影响，因此应在实际现场验证覆盖与轨迹质量。

Q4：玻璃、镜面怎么处理？ 

玻璃和镜面反射可能降低 LiDAR 回波质量，融合视觉也不能完全消除该影响。可从侧向补扫并优先覆盖实体结构，再结合现场预览和内业检查判断覆盖是否满足要求，见《玻璃、镜面、长走廊怎么扫？》。

Q5：融合方案能自动保证精度吗？ 

不能。采集后应查看轨迹与照片覆盖，必要时做人工对应点配准、坐标转换，并用 SHARE PointClouds Studio（赛尔点云管家）V2.6 的三维或高程精度检查与项目公差比较。