11、大型室内环境中的SLAM评估与机器人操作控制策略

大型室内环境中的SLAM评估与机器人操作控制策略

1. 大型室内环境下的SLAM评估

在大型室内环境中，同时定位与地图构建（SLAM）是一个关键问题。为了解决这个问题，我们选择了基于关键帧的SLAM方法RTAB - Map和基于子地图的SLAM方法Voxgraph，这两种方法都适用于长期导航和大型环境。

1.1 实验设置与结果

我们在室内模拟环境中，对300米和1公里的轨迹进行了实验评估。实验结果表明，基于子地图的Voxgraph方法在内存消耗和相对误差方面优于RTAB - Map，但在绝对轨迹误差方面表现较差。此外，在长轨迹情况下，RTAB - Map的内存消耗可能会超过移动机器人系统计算机的RAM限制。而且，当轨迹较长且里程计噪声较大时，两种方法都难以构建合理的地图。

1.2 问题与展望

长期导航在大型环境中是一个具有挑战性的问题，目前缺乏通用的解决方案，需要进一步的研究。未来的研究方向包括内存高效的闭环检测方法和拓扑SLAM方法。

方法	内存消耗	相对误差	绝对轨迹误差	长轨迹内存情况	长轨迹高噪声表现
RTAB - Map	高	较高	较低	可能超RAM限制	难以构建合理地图