![](https://csdnimg.cn/release/download_crawler_static/88038444/bg6.jpg)
用性的成果,是否具备并发建图与定位的能力被许多人认为是机器人是否能够实现自主
的关键的前提条件。
SmithR 、SelfM 和 CheesemanP 于 1986 年提出基于 EKF(ExtendedKalmanFilter)
StochasticMapping 方法,揭开了 SLAM 研究的序幕。在以后的十几年中,研究范围不断
扩大,从有人工路标到完全自主、从户内到户外,出现许多 SLAM 方法。由于自主机
器人固有的特点(缺乏自身位置和环境的先验信息;靠外部和内部传感器获得知识;环
境、传感器信息及机器人运动本身具有不确定性),各种方法归纳起来都是一个“估计—
校正”的过程,必须解决像如何估计机器人及环境特征状态,如何校正和更新地图、地
图如何表示、不确定性如何处理等问题。
1.2 地图的表示方法
机器人地图可以分为两大类:几何地图和拓扑地图。
几何地图又可分为栅格地图和特征地图。基于栅格的地图表示方法
[1 ]
即将整个环境
分为若干相同大小的栅格,对于每个栅格指出其中是否存在障碍物。这种方法已经在许
多机器人系统中得到应用,是使用较为成功的一种方法。栅格地图的缺点是:当栅格数
量增大时(在大规模环境或对环境划分比较详细时),对于地图的维护所占用的内存和
CPU 时间迅速增长,使计算机的实时处理变得很困难。栅格地图是一个近似的解决方
案,但其对特定感知系统的假设参数不敏感,具有较强的鲁棒性。基于几何特征的地图
表示方法
[2,3]
是指机器人收集对环境的感知信息,从中提取更为抽象的几何特征,例如
线段或曲线,使用这些几何信息描述环境。这种表示方法更为紧凑,且便于位置估计和
目标识别。几何特征的提取需要对感知信息作额外的处理,且需要一定数量的感知数据
才能得到结果。特征地图由一系列包含位置信息的特征组成。
拓扑图也是一种紧凑的地图表示方法
[4 ]
,特别在环境大而简单时。这种方法将环境
表示为一张拓扑图(graph),图中的节点对应于环境中的一个特征状态、地点(由感知决
定),如果节点间存在直接连接的路径则相当于图中连接节点的弧。这种表示方法可以
实现快速的路径规划。由于拓扑图通常不需要机器人准确的位置信息,对于机器人的位
置误差也就有了更好的鲁棒性。但当环境中存在两个很相似的地方时,拓扑图的方法将
很难确定这是否为同一节点(特别是机器人从不同的路径到达这些节点时)。拓扑地图
由环境中特征位置或区域组成的节点及其连接关系成,根据连接关系信息,移动机器人