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 SLAMの仕組みと種類（単眼・ステレオ・RGB-D）
• 主要なアルゴリズム（ORB-SLAM 等）
• LiDAR SLAMとの違い
• 活用シーンと課題

　

　

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。

　

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。Intel RealSense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。

　

Visual SLAMの主要アルゴリズム

アルゴリズム	方式	特徴
ORB-SLAM（2 / 3）	特徴点ベース	単眼・ステレオ・RGB-Dに対応。実績豊富で定番
LSD-SLAM	直接法	セミデンスな地図を生成
DSO	直接法	高精度なオドメトリ
RTAB-Map	RGB-D・グラフベース	ループクロージャに強く、ロボット実装で人気
VINS-Fusion	視覚＋慣性	ドローン等で活用

これらの多くはROS（Robot Operating System）パッケージとして公開されており、研究開発用ロボットに導入して実機検証ができます。

　

　

Visual SLAMとLiDAR SLAMの違い

項目	Visual SLAM	LiDAR 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-Map	Cartographer、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

　

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。

　

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活用されています。

• 単眼・ステレオ・RGB-Dなどカメラの種類で特性が変わる
• ORB-SLAMをはじめ主要アルゴリズムはROSで実機検証できる
• LiDAR SLAMとはコスト・精度・環境耐性でトレードオフがある

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。