Simultaneous Localization and Mapping (SLAM)讲义1

SLAM(Simultaneous Localization and Mapping)是机器人领域的重要问题,旨在让机器人在未知环境中建立地图并确定自身位置。该问题由三个部分构成:定位、建图和过程及观测模型。定位涉及通过测量路标来确定机器人位置,建图则是根据已知位置创建地图。SLAM使用线性模型描述机器人的状态转移,并依赖于卡尔曼滤波来估计离散状态。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

简介:Slam问题的核心是将一个移动机器人放置在一个未知环境中,机器人通过自身传感器逐步建立环境的地图同时使用这张地图计算自身的位置。Slam问题由R. Smith, M. Self, and P.Cheeseman在1990年的一篇论文中提出。这个问题被认为是机器人领域的“圣杯”。因为它将使得机器人可以在毫无先验知识的环境中进行动作。 
Slam问题由明显的结构,它有两个问题组成,一个是定位问题(localization),另一个是构建地图问题(Mapping)。 
Localization problem:已知一张地图中有若干路标landmark,对这些路标进行测量,获得了他们的测量位置zk,然后通过zk再决定机器人的位置xk。在获取路标位置的过程中如有噪声,需要滤波。

这里写图片描述 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值