4、移动机器人定位研究进展

移动机器人定位研究进展

1. 基于距离的坐标计算

除了使用三个角度来计算点的坐标，从点 P 到三个固定点 P1、P2、P3 的三个距离也可用于计算 P 的坐标。全球定位系统（GPS）就是基于三个距离进行三角测量的例子。通常，操作环境中会有三个或更多具有已知固定位置的地标。利用几何三角学知识，就可以在特定的工作坐标系中确定移动机器人的坐标。

2. 同时定位与地图构建（SLAM）问题

2.1 地图导航与定位

当移动机器人需要在其感知范围之外导航时，可以使用度量地图或拓扑地图来实现定位。地图可以包含不同详细程度的环境信息，从完整的环境 CAD 模型到环境元素之间的简单连接图。基于地图的导航的核心思想是为机器人提供一系列在导航过程中预期会遇到的地标。机器人的传感器系统负责搜索和识别获取的传感信息中的地标。当识别出地标后，机器人可以通过将观测结果（传感信息）与数据库中的预期地标描述进行匹配，来估计自身位置（自我定位）。

2.2 SLAM 问题的提出

在绝对定位方法中，机器人的起始位置是未知的，这就要求系统在当前数据和预期数据之间进行精确匹配。传统的解决方法如确定性三角测量或蒙特卡罗类型的定位，都需要事先绘制好地图。然而，对于在未知环境中运行的自主系统，机器人启动时既没有关于自身姿态的精确信息，也没有环境地图。在这种情况下，机器人需要探索周围环境、创建地图并跟踪自身姿态，这就是同时定位与地图构建（SLAM）问题，也称为并发地图构建与定位（CML）。

2.3 SLAM 问题的本质与挑战

SLAM 问题本质上是在未知环境中迭代估计移动平台的未知运动，并根据彼此的信息确定由特征（地标