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。
- 特徴抽出:画像から角や輪郭などの特徴点を抽出する
- 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
- 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
- 地図構築:観測した点群から3次元地図を作成する
- 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
📄 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 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
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
