1. 定位漂移现象剖析

做SLAM这么多年，我见过太多人一上来就调参数、换传感器，结果漂移问题根本没解决。说白了，你得先搞清楚——定位漂移到底是什么？

我个人的理解很简单：定位漂移，就是机器人估计出来的位置，跟真实位置之间出现了偏差，而且这个偏差会随着时间越变越大。你想想看，一个本该走直线的机器人，在屏幕上却画出了一条歪歪扭扭的轨迹——这就是漂移。

漂移的三种典型表现

我在项目中遇到过各种各样的漂移问题，归纳起来，无非以下三种：

1. 跳变（Discrete Jump）

跳变是最容易发现的一种漂移。机器人在某一时刻，位置突然“瞬移”到了另一个地方。比如，你明明在走廊里匀速前进，定位结果却突然显示你到了隔壁房间。

2. 累积误差（Drift / Accumulated Error）

这是最让人头疼的一种。它不会突然跳变，而是像温水煮青蛙一样，一点一点地偏离真实轨迹。你跑10米，误差可能只有几厘米；但跑100米，误差可能就到了几十厘米。

为什么会这样？因为SLAM本质上是一个积分过程。你想想看，每一帧的位姿估计都有微小误差，这些误差会像滚雪球一样越滚越大。

运行距离	单帧误差	累积误差（典型值）
10米	0.1%	1-2厘米
100米	0.1%	10-20厘米
1公里	0.1%	1-2米

3. 轨迹扭曲（Trajectory Distortion）

轨迹扭曲是累积误差的“升级版”。它不光位置偏了，连整个轨迹的形状都变了。比如，你明明走了一个矩形，定位结果却显示你走了一个平行四边形。

嗯，这里要注意：轨迹扭曲往往意味着你的传感器标定出了问题，或者运动模型本身就不对。

漂移的本质：为什么一定会发生？

说白了，漂移的根本原因就两个：

1. 传感器噪声——任何传感器都有噪声，这是物理定律决定的。
2. 积分误差——位置和姿态是通过积分算出来的，误差会不断累积。

你想想看，IMU的陀螺仪有零偏，加速度计有随机游走。这些误差在积分过程中会被放大。视觉里程计虽然不直接积分，但每一帧的特征匹配也有像素级误差，换算到三维空间就是几毫米到几厘米的偏差。

所以，漂移不是“会不会发生”的问题，而是“什么时候发生、多大程度”的问题。

一张图看懂漂移

下面这张图，是我自己总结的漂移分类和应对思路。你可以把它当作本章的知识地图：

小结

这一章我们聊了定位漂移的三种典型表现：跳变、累积误差、轨迹扭曲。每一种都有不同的成因和表现，但归根结底，都是传感器噪声和积分误差在作祟。

我个人觉得，理解漂移的本质，比直接上手调参数重要得多。你只有知道问题出在哪，才能对症下药。后面的章节，我会带着你一步步解决这些漂移问题——从传感器选型，到外参标定，再到融合算法。