ホーム / お役立ち記事 /

Visual SLAMとは?仕組み・LiDAR SLAMとの違い・活用例を徹底解説【2026年版】

Visual SLAMとは?仕組み・LiDAR SLAMとの違い・活用例を徹底解説【2026年版】

 

この記事でわかること

  • Visual SLAMとは何か(Visual Odometryとの違い)
  • Visual SLAMの仕組みと基本用語
  • カメラの種類(単眼・ステレオ・RGB-D・VI)と選び方
  • 主要なアルゴリズムの比較(ORB-SLAM3・RTAB-Map など)とライセンスの注意点
  • LiDAR SLAMとの違い
  • ROS 2でVisual SLAMを試す手順
  • 深層学習を使った最新のVisual SLAM

 

📺 この記事の内容を動画で見る

ロボットのSotaとくるみちゃんが「Visual SLAM」についてわかりやすく解説しています。

🔬 SLAM研究用のAMRをお探しの方へ

ヴイストンの「プロトロボ」では、ROS/ROS2対応の研究開発向けAMRを 1台からカスタマイズ開発しています。SLAM研究に最適な1台をご提案します。

研究開発向けAMRのカスタマイズ開発の詳細を見る →

Visual SLAMとは?

Visual SLAM(ビジュアルスラム)とは、カメラの映像を使って、ロボットが「自己位置推定」と「地図作成」を同時に行うSLAM技術です。SLAM(Simultaneous Localization and Mapping)のうち、主なセンサーにカメラを用いるものを指します。

高価なLiDARを使うLiDAR SLAMに比べ、安価なカメラで実現できるのが大きな特徴で、研究用途からドローン・AR/VRなどの民生機器まで幅広く活用されています。

👉 SLAM全体の仕組みや種類については、SLAMとは?仕組み・種類から活用事例まで徹底解説 をご覧ください。

 

Visual SLAMとVisual Odometry(VO)の違い

Visual SLAMとよく似た言葉に「Visual Odometry(ビジュアルオドメトリ、VO)」があります。

  • Visual Odometry:カメラ映像から「どれだけ動いたか」を少しずつ積み重ねて、自分の位置を推定する技術
  • Visual SLAM:Visual Odometryに加えて、地図を作り、同じ場所に戻ってきたことに気づいて誤差を直す(ループクロージャ)ところまで行う技術

Visual Odometryだけだと、小さな誤差が少しずつたまり、長く動くほど位置がずれていきます。Visual SLAMは、地図とループクロージャを使ってこのずれを直せるのが大きな違いです。

 

Visual SLAMの仕組み

Visual SLAMは、カメラ映像の中の「特徴点」を連続するフレーム間で追跡し、その見え方の変化から自己位置と地図を推定します。

基本的な処理の流れは次の通りです。

  1. 特徴抽出:画像から角や輪郭などの特徴点を抽出する
  2. 特徴のマッチング・追跡:前後フレーム間で同じ点を対応づける
  3. 自己位置推定:点の動き方からカメラの移動量を計算する
  4. 地図構築:観測した点群から3次元地図を作成する
  5. ループクロージャ:同じ場所に戻った際に誤差を補正する

処理方式は大きく2つに分かれます。

  • 特徴点ベース(間接法):ORBなどの特徴点を抽出して対応づける方式。ORB-SLAMが代表。
  • 直接法:特徴点を使わず、画素の輝度値を直接使う方式。LSD-SLAM・DSOが代表。

 

知っておきたい基本用語

用語意味
特徴点画像の中で目印にしやすい点。物の角や模様の端など。ORBはこの特徴点を見つける方法の1つです
キーフレーム撮影した映像のうち、地図づくりに使うために選んだ画像。すべての画像を使うと計算が重くなるため、間引いて使います
バンドル調整カメラの位置と、地図上の点の位置を、まとめて少しずつ直して、全体のずれを小さくする計算
ループクロージャ前に通った場所に戻ってきたことに気づき、たまった誤差をまとめて直す処理
スケール地図の実際の大きさ。単眼カメラだけでは「1mなのか10mなのか」がわかりません

Visual SLAMの種類(カメラ別)

使用するカメラによって、Visual SLAMは複数のタイプに分かれます。

単眼(モノキュラ)SLAM
カメラ1台で実現する最も安価な方式。ただし映像だけでは実際の縮尺(スケール)が分からないという弱点があります。

ステレオSLAM
2台のカメラの視差から距離を計測する方式。スケールを正しく取得できます。

RGB-D(デプスカメラ)SLAM
色情報と距離情報を同時に取得する方式。屋内で高精度。RealSense(D435iなど)が代表的なセンサーです。

Visual-Inertial SLAM(VI-SLAM)
カメラとIMU(慣性計測装置)を組み合わせた方式。カメラの弱点をIMUで補えるため、ドローンや小型ロボットで広く使われます。

カメラの種類の比較

単眼ステレオRGB-Dカメラ+IMU(VI)
実際の大きさ(スケール)わからないわかるわかるわかる
コスト低い中くらい中くらい中くらい
屋外○
○

△(日光で距離が測りにくいことがある)
○
速い動き苦手苦手苦手強い
向いている用途学習・AR屋外の移動ロボット屋内の移動ロボット・3次元地図ドローン・小型ロボット

どれを選べばいい?

  • 屋内の移動ロボットでまず試したい → RGB-Dカメラ。距離も同時にわかるので扱いやすく、RTAB-Mapなどのツールもそろっています
  • 屋外も走らせたい → ステレオカメラ
  • ドローンなど、速く動く・揺れる機体 → カメラ+IMU(VI-SLAM)
  • とにかく安く、仕組みを学びたい → 単眼カメラ(スケールがわからない点に注意)

RGB-DカメラにIMUが付いたもの(RealSense D435iなど)を選ぶと、RGB-DとVI-SLAMの両方を試せます。

👉 移動ロボットに載せるセンサー(LiDAR・カメラ・IMU)の選び方については、AMRセンサーの選び方|LiDAR(2D/3D)・深度カメラの比較と研究向けオプション をご覧ください。

 

Visual SLAMの主要アルゴリズム

アルゴリズム方式対応カメラ特徴ライセンス
ORB-SLAM3特徴点ベース単眼・ステレオ・RGB-D(それぞれIMUあり/なし)、魚眼レンズにも対応定番。複数の地図をつなぐ機能もあるGPLv3
RTAB-MapグラフベースRGB-D・ステレオ(LiDARにも対応)ループクロージャに強い。ROS 2のパッケージがaptで入るので、ロボットに載せやすいBSD
VINS-Fusion視覚+慣性単眼+IMU・ステレオ・ステレオ+IMUドローンなどで実績があるGPLv3
Isaac ROS Visual SLAM(cuVSLAM)視覚+慣性(GPUで高速化)ステレオ(IMUはあってもなくてもよい)NVIDIAのGPU(Jetsonなど)で高速に動く。ROS 2向けApache 2.0(ROSパッケージ)
LSD-SLAM直接法単眼セミデンス(ほどよく密)な地図を作る。ソフトは古めGPLv3
DSO直接法単眼精度の高いオドメトリ(ループクロージャはない)GPLv3

👉 ROSの基本やROS1とROS2の違いについては、ROSとは?初心者向けに機能・ROS1とROS2の違い・始め方を解説 をご覧ください。

ライセンスに注意:研究と商用で使い方が変わる

Visual SLAMのソフトは、GPLv3のものが多くあります(ORB-SLAM3・VINS-Fusion・LSD-SLAM・DSO)。GPLv3のソフトを組み込んだ製品を配る場合は、その製品のソースコードも公開する必要が出てくることがあります。

  • 製品に組み込む・お客様に配る → BSDやApache 2.0のもの(RTAB-Map、Isaac ROS Visual SLAMのROSパッケージなど)を選ぶか、開発元に商用ライセンスを相談します
  • 大学・研究機関での研究 → 多くの場合、大きな問題にはなりません

※ 実際の判断は、各ソフトのライセンス文と、社内の担当部署で確認してください。

🤖 Visual SLAMを実機で検証したい研究者の方へ

研究開発用台車ロボットなら、デプスカメラ・ステレオカメラ等のセンサ追加、 ROS PC・GPU搭載PCの選定、ROS2対応など、研究テーマに合わせた柔軟なカスタマイズが可能です。

  • ✅ ROS / ROS 2対応なので、ORB-SLAM3・RTAB-Mapなどを入れて検証できる
  • ✅ カメラ・LiDAR・IMU の柔軟な組み合わせ
  • ✅ 構想段階からエンジニアがご提案
研究開発向けAMRの詳細を見る →

📄 まずは資料だけ見たい方は ⤓ 資料ダウンロード(PDF・登録不要)

Visual SLAMとLiDAR SLAMの違い

項目Visual SLAMLiDAR SLAM
センサーカメラLiDAR
導入コスト低い高い
精度・安定性環境に左右される高精度で安定
照明の影響暗所・逆光に弱い影響を受けにくい
取得情報色・テクスチャが豊富距離(形状)が正確
計算負荷高め(画像処理)比較的軽い
屋外課題あり強い
代表例ORB-SLAM、RTAB-MapCartographer、LOAM

使い分けの目安:コストを抑えたい・色情報を活かしたいならVisual SLAM、高精度や屋外・安定性を重視するならLiDAR SLAMが向いています。両者を組み合わせるセンサーフュージョンも研究が進んでいます。

 

Visual SLAMの活用シーン

  • AR/VR:空間認識・位置合わせ
  • ドローン:屋内飛行・3次元マッピング
  • 自律移動ロボット・AMR:低コストな自律走行
  • 掃除ロボット:屋内の自己位置推定
  • スマートフォンAR:単眼カメラでの空間認識
  • 研究・教育:低コストでSLAMを学べる教材

 

ROS 2でVisual SLAMを試す手順(5ステップ)

「Visual SLAMを実際に動かしてみたい」という方向けに、ROS 2を使った進め方を紹介します。

ステップ1:ROS 2の環境を用意する

UbuntuにROS 2を入れます。

👉 ROS 2のバージョンの選び方やインストールの流れについては、ROSとは?初心者向けに機能・ROS1とROS2の違い・始め方を解説 をご覧ください。

ステップ2:公開データセットで動かしてみる

いきなりカメラをつなぐ前に、研究用に公開されているデータセット(録画済みの映像とセンサーのデータ)で動かすのがおすすめです。うまく動かないときに、「カメラの問題か、ソフトの設定の問題か」を切り分けやすくなります。

  • TUM RGB-D:RGB-Dカメラの屋内データ
  • EuRoC MAV:ドローンで撮ったステレオカメラ+IMUのデータ(ORB-SLAM3やVINS-Fusionの例でも使われています)

ステップ3:カメラをつなぐ

RGB-DカメラやステレオカメラのROS 2用ドライバーを入れて、映像と距離のデータがROS 2に流れることを確認します。たとえばRealSenseには、公式のROS 2ドライバー(realsense-ros)があります。

ステップ4:RTAB-Mapで地図を作る

ROS 2では、RTAB-Mapがaptで入るため、最初の1本として試しやすいツールです。

sudo apt install ros-$ROS_DISTRO-rtabmap-ros

カメラを持って部屋の中をゆっくり歩き、RViz2(ROSの表示ツール)で地図ができていく様子を確認します。

ステップ5:移動ロボットに載せる

カメラを移動ロボットに載せて、車輪の回転から計算した移動量(ホイールオドメトリ)やIMUと組み合わせると、カメラだけのときより安定します。作った地図を使って、Nav2(ROS 2の自律移動のしくみ)で目的地まで走らせることもできます。

 

Visual SLAMの課題

  • 照明・テクスチャへの依存:白い壁など特徴の少ない場所が苦手
  • 動的環境:人や物の動きで精度が低下
  • スケール不定性:単眼カメラでは実寸が定まらない
  • 計算コスト:リアルタイム画像処理の負荷

近年は、Deep Learning(深層学習)を活用したVisual SLAMや、意味情報を使うセマンティックSLAMなどで、これらの課題の改善が進んでいます。

 

深層学習を使った最新のVisual SLAM

ここ数年、深層学習(ディープラーニング)を取り入れたVisual SLAMの研究が増えています。代表的なものを紹介します。

  • DROID-SLAM(2021年):プリンストン大学の研究チームが発表。深層学習でカメラの位置と奥行きをまとめて推定します。単眼・ステレオ・RGB-Dに対応しています
  • Gaussian Splatting SLAM(2024年):インペリアル・カレッジ・ロンドンの研究チームが発表。「3D Gaussian Splatting」という新しい3次元の表し方を使い、見た目まで細かく再現できる地図を作ります
  • MASt3R-SLAM(2025年):同じくインペリアル・カレッジ・ロンドンの研究チームが発表。大量のデータで学習済みの3次元復元モデル「MASt3R」を土台にしています

これらは、白い壁のように目印が少ない場所や、カメラの細かい設定が難しい場面に強くなる可能性があります。一方で、高性能なGPUが必要なものが多く、まだ研究段階の技術です。非商用(研究目的)に限ったライセンスのものもあるため、使う前に確認が必要です。

※ 各研究の詳しい性能や条件は、原論文をご確認ください。

 

よくあるご質問(FAQ)

Q. Visual SLAMとは何ですか? 

カメラの映像を使って、ロボットが自分の位置を推定しながら、同時に周りの地図を作る技術です。LiDARより安いカメラで実現できるのが特徴です。

Q. Visual SLAMとLiDAR SLAMは、どちらを選べばいいですか?

コストを抑えたい、色や模様の情報を使いたい場合はVisual SLAM、暗い場所や屋外で安定して動かしたい場合はLiDAR SLAMが向いています。研究では、両方を組み合わせることもよくあります。

Q. 単眼カメラだけでVisual SLAMはできますか?

できます。ただし、単眼カメラだけでは地図の実際の大きさ(スケール)がわかりません。実際の大きさが必要な場合は、ステレオカメラ・RGB-Dカメラを使うか、IMUと組み合わせます。

Q. 初めて試すなら、どのアルゴリズムがおすすめですか?

ROS 2で移動ロボットに載せるなら、aptで入れられて設定例も多いRTAB-Mapが始めやすいです。論文での比較や研究のベースにするなら、定番のORB-SLAM3がよく使われます。

Q. Visual SLAMのソフトは、商用の製品に使えますか?

ソフトによって違います。ORB-SLAM3などはGPLv3のため、製品に組み込む場合はソースコードの公開が必要になることがあります。RTAB-Map(BSD)のように、商用でも使いやすいライセンスのものもあります。必ず各ソフトのライセンスを確認してください。

Q. Visual SLAMを実機で試すには、何が必要ですか?

カメラ(RGB-Dカメラやステレオカメラ)、ROS 2が動くPC、カメラを載せる移動ロボットが必要です。ヴイストンの研究開発用台車ロボットでは、デプスカメラなどのセンサーを追加した構成をご相談いただけます。

 

まとめ

Visual SLAMは、カメラという安価なセンサーでSLAMを実現できる技術で、AR/VR・ドローン・自律移動ロボットなど幅広い分野で使われています。

  • 単眼・ステレオ・RGB-D・カメラ+IMUなど、カメラの種類で得意なことが変わる
  • ORB-SLAM3やRTAB-Mapなどの主要アルゴリズムは、ROS 2で実機検証できる
  • 研究と商用では、選ぶべきソフトのライセンスが変わる
  • LiDAR SLAMとは、コスト・精度・環境への強さでトレードオフがある
  • 深層学習を使った新しいVisual SLAMの研究も進んでいる

Visual SLAMの研究・実機検証には、カメラやセンサーを柔軟に追加できる自律移動ロボットが欠かせません。

💬 Visual SLAM対応ロボットの開発相談はこちら

「カメラでSLAM研究をしたい」「ORB-SLAMを実機で動かしたい」
そんなご相談から、構想段階からエンジニアが最適なご提案をいたします。

📩 翌営業日以内にご返信いたします。

お問い合わせはこちら → 研究開発向けAMRの詳細を見る →

まずは資料だけ見たい方は ⤓ 資料ダウンロード(PDF・登録不要)

参考リンク(外部サイト)

・ORB-SLAM3:Campos ほか “ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM”(IEEE Transactions on Robotics, 2021)
 https://arxiv.org/abs/2007.11898
 https://github.com/UZ-SLAMLab/ORB_SLAM3
・RTAB-Map(ROS 2版)
 https://github.com/introlab/rtabmap_ros
・VINS-Fusion
 https://github.com/HKUST-Aerial-Robotics/VINS-Fusion
・Isaac ROS Visual SLAM(NVIDIA)
 https://github.com/NVIDIA-ISAAC-ROS/isaac_ros_visual_slam
・LSD-SLAM:Engel ほか “LSD-SLAM: Large-Scale Direct Monocular SLAM”(ECCV 2014)
 https://github.com/tum-vision/lsd_slam
・DSO:Engel ほか “Direct Sparse Odometry”
 https://arxiv.org/abs/1607.02565
・DROID-SLAM:Teed・Deng “DROID-SLAM: Deep Visual SLAM for Monocular, Stereo, and RGB-D Cameras”(NeurIPS 2021)
 https://arxiv.org/abs/2108.10869
・Gaussian Splatting SLAM:Matsuki ほか(CVPR 2024)
 https://arxiv.org/abs/2312.06741
・MASt3R-SLAM:Murai ほか(CVPR 2025)
 https://arxiv.org/abs/2412.12392

📖 あわせて読みたい

読み込み中…