SLAM:SLAM(即时定位与地图构建)的简介、发展、案例应用之详细攻略
SLAM:SLAM(即时定位与地图构建)的简介、发展、案例应用之详细攻略
目录
SLAM的简介
1、我在什么地方?—定位,自身状态。 周围环境是什么样?—建图,外在环境。
2、SLAM的问题描述
3、SLAM试图解决的问题
4、SLAM 2D与SLAM 3D
SLAM 2D
SLAM 3D
SLAM的发展
1、古人的牵星板
2、1964年美国投入GPS
3、1988年正式提出SLAM
SLAM的案例应用
1、AR/VR设备
2、无人机器、无人驾驶领域
3、机器人定位导航领域
4、室内机器人
SLAM的简介
SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建,或并发建图与定位。问题可以描述为:将一个机器人放入未知环境中的未知位置,是否有办法让机器人一边移动一边逐步描绘出此环境完全的地图,所谓完全的地图(a consistent map)是指不受障碍行进到房间可进入的每个角落。
SLAM问题可以描述为: 机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。
Simultaneous Localization And Mapping也称为Concurrent Mapping and Localization并发建图与定位CML 。SLAM最早由Smith、Self和Cheeseman于1986年提出。 由于其重要的理论与应用价值,被很多学者认为是实现真正全自主移动机器人的关键。它是指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运动。如果这里的传感器主要为相机,那就称为“视觉SLAM"。
1、我在什么地方?—定位,自身状态。 周围环境是什么样?—建图,外在环境。
室内的话,可以在房间地板上铺设导引线,在墙壁上贴识别二维码,在桌子上放置无线电定位设备。如果在室外,还可以在小萝卜脑袋上安装GPS定位设备,像手机或汽车一样。
把这些传感器分为两类。一类传感器是携带于机器人本体上的,例如机器人的轮式编码器、相机、激光等等。另一类是安装于环境中的,例如前面讲的导轨、二维码标志等等。安装于环境中的传感设备,通常能够直接测量到机器人的位置信息,简单有效地解决定位问题。然而,由于它们必须在环境中设置,在一定程度上限制了机器人的使用范围。比方说,有些地方没有GPS信号,有些地方无法铺设导轨,这时怎么做定位呢?
可知,这类传感器约束了外部环境。只有在这些约束满足时,基于它们的定位方案才能工作。虽然这类传感器简单可靠,但它们无法提供一个普遍的、通用的解决方案。相对的,那些携带于机器人本体上的传感器,比如激光传感器、相机、轮式编码器、惯性测量单元(Inertial Measurement Unit, IMU)等等,它们测到的通常都是一些间接的物理量而不是直接的位置数据。例如,轮式编码器会测到轮子转动的角度、IMU测量运动的角速度和加速度,相机和激光则读取外部环境的某种观测数据。我们只能通过一些间接的手段,从这些数据推算自己的位置。虽然这听上去是一种迂回战术,但更明显的好处是,它没有对环境提出任何要求,使得这种定位方案可适用于未知环境。
2、SLAM的问题描述
机器人在未知环境中,从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。
3、SLAM试图解决的问题
一个机器人在未知的环境中运动,如何通过对环境的观测确定自身的运动轨迹,同时构建出环境的地图。SLAM技术正是为了实现这个目标涉及到的诸多技术的总和。
4、SLAM 2D与SLAM 3D
SLAM 2D
SLAM定位时,仅用单线激光传感器,在激光传感器扫描的这一个平面上进行二维定位,在获取精密的二维定位后,在此基础上解算三维激光点云,成为一个完整的空间三维数据。
SLAM 3D
要用三维激光传感器,获取三维数据,然后通过三维数据的特征点匹配进行定位,然后在三维定位基础上,来解算和匹配完整的三维数据。
SLAM的发展
1、古人的牵星板
定位、定向、测速、授时是人们惆怅千年都未能完全解决的问题,最早的时候,古人只能靠夜观天象和司南来做简单的定向。直至元代,出于对定位的需求,才华横溢的中国人发明了令人叹为观止的牵星术,用牵星板测量星星实现纬度估计。
2、1964年美国投入GPS
1964年美国投入使用GPS,突然就打破了大家的游戏规则。军用的P码可以达到1-2米级精度,开放给大众使用的CA码也能够实现5-10米级的精度。后来大家一方面为了突破P码封锁,另一方面为了追求更高的定位定姿精度,想出了很多十分具有创意的想法来挺升GPS的精度。利用RTK的实时相位差分技术,甚至能实现厘米的定位精度,基本上解决了室外的定位和定姿问题。但室内这个问题就难办多了,为了实现室内的定位定姿,一大批技术不断涌现,其中,SLAM技术逐渐脱颖而出。
3、1988年正式提出SLAM
SLAM最早由Smith、Self和Cheeseman于1988年提出。 由于其重要的理论与应用价值,被很多学者认为是实现真正全自主移动机器人的关键。
- 有理解力的SLAM: 语义SLAM,精准感知并适应环境。将语义分析与SLAM有效融合,增强机器对环境中相互作用的理解能力,为机器人赋予了复杂环境感知力和动态场景适应力。
- 有广度的SLAM:100万平米强大建图能力。借助高效的环境识别、智能分析技术,机器人将拥有室内外全场景范围高达100万平米的地图构建能力。
- 有精度的SLAM:高精度定位领先算法。SLAM2.0可在任何地点进行开机识别、全局定位,精准度高达±2cm。
- 有时效的SLAM:动态地图实时更新。根据传感器回传数据,与原有地图进行分析比对,完成动态实时更新,实现life-long SLAM。
SLAM的案例应用
1、AR/VR设备
根据 SLAM 得到地图和当前视角对叠加虚拟物体做相应渲染,这样做可以使得叠加的虚拟物体看起来比较真实,没有违和感;
2、无人机器、无人驾驶领域
SLAM可以构建局部地图,辅助无人机进行自主避障、规划路径;
无人驾驶领域: SLAM 技术可以提供视觉里程计功能,然后跟其他的定位方式融合;
- SLAM的重要性,有人说,SLAM是无人驾驶技术的灵魂;也有人曾打比方说,手机离开了WIFI和数据网络,就像无人车和机器人离开了SLAM一样。
3、机器人定位导航领域
机器人定位导航领域:SLAM 可以用于生成环境的地图。基于这个地图,机器人执行路径规划、自主探索、导航等任务。
- 核潜艇海底定位就有了SLAM的雏形。扫地机器人的盛行让它名声大噪,近期基于三维视觉的VSLAM又让它越来越显主流。
4、室内机器人
SLAM:SLAM(即时定位与地图构建)的简介、发展、案例应用之详细攻略相关推荐
- SLAM:即时定位与地图构建的入门指南
什么是SLAM? 即时定位与地图构建(simultaneous localization and mapping,简写成SLAM),用于环境模型(map)的并行构建,以及在其中移动机器人的状态估算.换 ...
- DataScienceML:金融科技领域之风控的简介、类别、应用流程(定义目标变量→特征构建思路等)、案例集锦之详细攻略
DataScience&ML:金融科技领域之风控的简介.类别.应用流程(定义目标变量→特征构建思路等).案例集锦之详细攻略 目录 金融科技领域之风控的简介 1.风控指标相关概念或口径逻辑 金融 ...
- 即时定位与地图构建(SLAM)与基于视觉的SLAM(VSLAM)
即时定位与地图构建(SLAM)的相关研究 即时定位与地图构建(SimultaneousLocalization AndMapping)指的是机器人在自身位置不确定的条件下,在完全未知环境中创建地图,同 ...
- 即时定位与地图构建(SLAM)的相关研究
https://blog.csdn.net/tiandijun/article/details/55212968 即时定位与地图构建(SLAM)的相关研究 即时定位与地图构建(Simultaneous ...
- Slam(即时定位与地图构建) 知识篇
Slam即时定位与地图构建 技术解释 同步定位与地图构建(SLAM或Simultaneous localization and mapping)是一种概念:希望机器人从未知环境的未知地点出发,在运动过 ...
- 2022-2028全球及中国即时定位与地图构建机器人行业研究及十四五规划分析报告
[报告篇幅]:103 [报告图表数]:144 [报告出版时间]:2021年12月 报告摘要 2021年全球即时定位与地图构建机器人市场规模大约为22亿元(人民币),预计2028年将达到55亿元,202 ...
- python语音地图定位_Slam(即时定位与地图构建) 知识篇
Slam即时定位与地图构建 技术解释 同步定位与地图构建(SLAM或Simultaneous localization and mapping)是一种概念:希望机器人从未知环境的未知地点出发,在运动过 ...
- 即时定位与地图构建技术浅析
一.SLAM概述 SLAM:Simultaneous Localization and Mapping,即时定位与地图构建技术.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 ...
- 初识slam 即时定位与地图构建
simultaneous localization and mapping 参考文章1:SLAM (同步定位与建图) 参考文章2:从零开始一起学习SLAM | 学习SLAM到底需要学什么?
最新文章
- 如果你喜欢一个程序员小伙
- 报表在vista和win7下无法浏览应用的解决办法
- python中调用多进程加速处理文件
- 【Unity】Planar Shadows平面阴影的实现
- java 常量变量使用_java常量和变量入门教程
- 计算机语言平均数怎么算,使用python怎么求三个数的平均值
- C++11多线程创建的三种方法
- 一些常用的WebServices 天气,IP,邮编,Email,火车时刻表,股票 等等
- redis如何选择合适的数据结构
- java 字符串索引从0开始_Java程序从指定的索引中搜索子字符串
- 群发邮件避免被识别为垃圾邮件
- python exec 函数_Python之浅谈exec函数
- 《关于促进互联网金融健康发展的指导意见》
- 关于Bmob的一些浅述
- 1-5(中文版)听力积累
- Xamarin for android学习总结一
- (3.1E)Shortest Distance (20)
- 电脑突然开机无反应,怎么办
- 隐藏在office中的小游戏
- SpringFox 学习