什么是SLAM技术？SLAM技术的定义及发展现状一览

SLAM技术的定义

SLAM(Simultaneous Localization andMapping)技术即同步定位与地图构建技术，最早在机器人领域提出，它指的是：机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的环境特征定位自身位置和姿态，再根据自身位置构建周围环境的增量式地图，从而达到同时定位和地图构建的目的。由于SLAM的重要学术价值和应用价值，一直以来都被认为是实现全自主移动机器人的关键技术。

通俗的来讲，SLAM技术就是回答两个问题：“我在哪儿?”“我周围是什么?”，就如同人到了一个陌生环境中一样，SLAM试图要解决的就是恢复出观察者自身和周围环境的相对空间关系，“我在哪儿”对应的就是定位问题，而“我周围是什么”对应的就是建图问题，给出周围环境的一个描述。回答了这两个问题，其实就完成了对自身和周边环境的空间认知。有了这个基础，就可以进行路径规划去达要去的目的地，在此过程中还需要及时的检测躲避遇到的障碍物，保证运行安全。

SLAM技术发展现状

SLAM技术最早可追溯到1986年，Smith的系列论文《空间位置的表达与估计》，研究和解决未知环境中的机器人导航问题。但早期的SLAM往往依赖价格昂贵或专门定制的传感器，例如激光雷达，声呐或立体相机，这项技术并未走入市场。

在国内，SLAM的研究虽起步较晚，但发展迅速。陈白帆等人将粒子群优化引入FastSLAM中，对预估粒子进行更新，调整粒子的建议分布使预测粒子更集中于机器人的真实位姿附近，有效提高定位精度的同时减小了算法运算的时间复杂度。

朱磊等人在未知环境的SLAM中使用人工鱼群算法对预测粒子进行更新，使得预测粒子更接近于机器人真实位姿。

厉茂海等人将进化策略应用于RBPF，结合自适应重采样实现了室内机器人的SALM。

国内在面向大尺度环境中的SLAM问题，提出平方根容积Rao-Blackwillised粒子滤波的SLAM，减小了非线性模型的误差并提高了计算效率。

针对基于容积卡尔曼滤波器的无人水下航行器SLAM过程中存在模型参数改变后，系统鲁棒性差、收敛速度慢、对突变状态跟踪能力低，提出在基于容积卡尔曼滤波中引入渐消因子，提高了对突变状态量的跟踪能力。

针对多机器人视觉协同SLAM，提出一种团队共享路标信息的多机器人视觉SLAM算法，改进了FastSLAM使之适用于多机器人协作。该算法加快了对大规模未知环境的地图构建速度。

针对灾后救援建筑物内部层次化SLAM，提出一种基于图形分割的区域划分方法，该方法在解决SLAM计算量递增问题的基础上，最小化相关信息损失，确保全局一致性。

针对单一传感器精度低、抗干扰性差的特点，提出一种基于Bayes方法的激光传感器和RGB-D传感器的信息融合SLAM方法。

针对巷道狭窄,易于发生碰撞的问题,在估价函数中引入了碰撞威胁代价,避免铲运机与巷道壁发生碰撞，验证得出改进的A*算法可提高搜索效率。

更多行业知识，敬请关注三个皮匠报告行业知识栏目。

推荐阅读

《中国移动机器人(AGV)产业联盟：2020工业物流自主移动机器人(AMR)产业发展蓝皮书(58页).pdf》

《华为：5G+工业应用移动机器人物流解决方案蓝皮书(25页).pdf》