Simultaneous localization and mapping(及时定位与地图构建)简称SLAM,主要用于解决机器人在未知环境运动时的定位与地图构建问题,近期在学习SLAM相关的理论,为了更进一步的了解 SLAM ,将SLAM相关的基础知识进行一些总结,以下将从SLAM的应用领域、SLAM框架方面来进行全面阐述:
一、SLAM的典型应用领域
机器人定位导航领域: SLAM 可以辅助机器人执行路径规划、自主探索、导航等任务。例如:让扫地机器人高效绘制室内地图,智能分析和规划扫地环境。
VR/AR方面: 辅助增强视觉效果。SLAM技术能够构建视觉效果更为真实的地图,从而针对当前视角结合GPU进行渲染虚拟物体的叠加效果,使之更真实没有违和感。
无人机领域: SLAM可以快速构建局部3D地图,并与GIS(地理信息系统)、视觉对象识别技术(OCR)相结合,可以辅助无人机识别路障并自动避障规划路径。
无人驾驶领域: SLAM技术可以提供视觉里程计功能,并结合GNSS(全球定位导航系统)等其他定位方式相融合,从而满足无人驾驶精准定位的需求。例如:应用了基于激光雷达技术Google无人驾驶车以及牛津大学MobileRoboticsGroup11年改装的无人驾驶汽车野猫(Wildcat)均已成功路测。
二、SLAM框架
SLAM系统框架如图所示,一般分为五个模块,包括传感器数据、视觉里程计、后端、建图及回环检测。
传感器数据:主要用于采集实际环境中的各类型原始数据。包括激光扫