有些环境确实名不虚传。当我们收到瑞士某条污水隧道的图纸和照片时，立刻就明白了客户为何会联系我们——此前已有几家领先的SLAM解决方案提供商尝试过这个项目，但都以失败告终。
一条长1.48公里、直径约3米的地下隧道，内壁为混凝土衬砌，一条钢制污水管道沿隧道底部全长铺设在混凝土桩上。环境简陋，几何结构单调重复，照明极少。这种环境将移动测绘技术推向了极限。
挑战
隧道向来是SLAM的一大难点。而这条隧道尤为棘手：每五到十米就有一个混凝土基脚，每五十米有一个较大的基础设施结构，大约每百米还会出现一些管线或管道。墙壁上的盐类沉积物——那是地下水渗过混凝土后结晶形成的——虽然带来了一些变化，但微乎其微。一切看起来都一模一样，而这正是问题所在。
SLAM 同步定位与建图）通过持续读取周围的环境几何特征来确定自身位置。如果缺乏足够明显的特征点供检测和重新识别，定位就会开始失效，误差也会不断累积。不妨想象自己被置于一根钢制管道中，那里的一切看起来都一模一样。即使是人，也会很快迷失方向。该算法同样面临着这一挑战。
客户此前已投入大量时间和资金尝试其他解决方案，但均未获得可用的结果。每次都会出现偏移和漂移。
此外，他们还有一个具体要求：不使用地面控制点（GCP）。他们需要一种无需地面控制点或地理参考即可产生准确结果的解决方案——只需走进现场、扫描，然后交付成果即可。
12小时，一次机会
我们的现场专家驱车12小时才抵达现场。扫描前一晚，客户发来了隧道内部的照片。
“我当时心想，这看起来并不像是SLAM环境，”杰里米·索福尼亚回忆道，“我不得不开始考虑该如何管理客户的预期。”
他当时还不知道，客户的期望值其实已经很低了。等到杰里米抵达现场时，客户已经目睹过太多失败的尝试，因此认定这次也会重蹈覆辙。
虽然无法保证这次不会白跑一趟——但我们对技术充满信心，并且针对这种艰难的环境采取了有条不紊的应对策略。
当SLAM 不确定时，就要从手持模式开始。缓慢地走动，让传感器发挥其最大优势。我们正是这样做的。沿着整整1.48公里走下去，掉头，再走回来——这是一次连续的扫描，几乎耗尽了电池近两小时的续航时间。
别人眼中是毫无特色的墙壁，我们眼中却是数据
关键在于识别出已有的内容，并让算法有最大的机会利用这些内容。 
在充满挑战的环境中，分辨率至关重要。点云越密集，就越有可能检测和追踪环境中的细微特征——例如混凝土基础、管道结构，以及墙壁上盐类沉积物的微弱纹理。缓慢行走能最大限度地提高点密度。Hovermap 使用，而非安装在背包支架上，意味着传感器可以同时观察前方和后方，从而将已经经过的特征与前方尚未经过的特征联系起来。
“无论环境中存在什么特征，我都希望以尽可能高的分辨率捕捉它们，”杰里米解释道，“所以我走得很慢，将设备放在身侧以便它能同时观察前方和后方，并尝试将这些特征串联起来。”
客户与他并肩而行，实时观察Emesent Commander上生成的点云。
处理与结果
初步处理时出现了一些偏差——对于这样一条长度较长、特征点稀少且没有地面控制点（GCP）作为参考的隧道来说，这并不意外。对处理参数进行了一些调整后，点云便清晰地生成出来了。
客户花了几天时间完成了技术评估。当他回来时，数据已经达到了此前每次尝试都未能达到的精度要求。
“他简直不敢相信，自己终于找到了一台能够胜任这项任务的设备，”杰里米说道。
要点
并非每次扫描都能在第一次尝试时顺利完成。关键在于首先拥有能够采集数据的技术，以及能够优化结果的处理灵活性。
正如杰里米所说：“我们可以告诉Emesent SLAM 最好的——但这话本身的分量有限。只有像这样的项目，才能让我们确切地说明原因。我们清楚竞争对手在哪些方面遇到了困难，也知道他们在失败的地方，我们却取得了成功。”