本文介绍了SLAM（同时定位与地图创建）的基本概念，包括全局定位、位置跟踪以及SLAM的动机和挑战。SLAM允许机器人在未知环境中创建地图并定位，其中数据关联是关键难点，涉及特征点的匹配与选择标准。延时地图创建策略通过累积测量数据提高鲁棒性，而环境地图和机器人位置模型描述了地图和机器人位姿的表示与估计。
1、同时定位与地图创建允许机器人在未知环境中，依靠自身所带的传感器递增式地创建环境地图，并同时给出机器人所在位置。
2、移动机器人的定位有两种类型：全局定位/绝对定位(Global/Absolute Localization)和位置跟踪(Position Tracking)。
全局定位：给定环境地图，在没有其他先验信息的情况下，机器人依靠自身所带来的传感器获得的信息确定其在地图中的位置。全局定位用来解决“Lost Robot”问题，对机器人位置进行初始化。全局定位必须要求有一个预先知道的环境地图。匹配技术或数据关联方法常用于移动机器人全局定位，通过比较当前的局部地图信息与全局地图信息，确定机器人的位置。但是由于环境的近似性和对称性，一般的匹配方法不能保证有效地解决全局定位问题。目前，基于贝叶斯滤波技术的概率方法成为解决全局定位问题的流行方法。通过递归地计算在机器人位置空间上的概率分布，来确定机器人在工作环境中最可能的位置。
位置跟踪：基于一定的初始信息，对机器人的位置进行跟踪估计。一般地，可将机器人位姿看作是系统状态，运用滤波技术对机器人的位姿进行滤波估计。最常用的方法是卡尔曼滤波。卡尔曼滤波是一种经典的线性最优递归估计算法。它将机器人的位姿表示为一个高斯概率分布函数，均值和方差
最低0.47元/天 解锁文章
扫一扫
2792
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
