单机器人SLAM技术的发展及相关主流技术综述
2020-09-15刘明芹张晓光徐桂云李宗周
刘明芹,张晓光 ,徐桂云,李宗周
1.中国矿业大学 机电学院,江苏 徐州 221116
2.江苏海洋大学 机械与海洋工程学院,江苏 连云港 222001
1 引言
SLAM(Simultaneous Localization And Mapping)技术首次提出是用来估算对象之间位置和方向关系,以及估算与关系相关的不确定性。经过国内外众多学者多年的研究,目前该技术被广泛应用于自主移动(无人机、机器人、无人驾驶汽车等)及AR 等领域[1-3]。SLAM技术在机器人领域应用较广泛,本文主要综述其在机器人领域的应用。
SLAM在机器人领域主要用来解决我在哪、我要去哪的问题。也就是解决机器人自身定位和对环境的认知问题,进而解决路径规划问题。
2 SLAM算法的主要发展历程
2.1 基于距离传感器的主流SLAM技术
早期SLAM 技术从提出开始,学者们在应用中逐渐针对存在的缺点进行改进,使SLAM 技术在不断地修正中持续发展。基于概率统计的扩展卡尔曼滤波器最早应用于SLAM 上,由于EKF 扩展卡尔曼滤波器计算量大,计算速度慢,后续学者对EKF-SLAM提出改进,Castellanos等[4]对一致性进行改进,2002年Montemerlo等针对EKF计算量大的缺点进行改进,提出Fast SLAM1.0[5]和 Fast SLAM2.0[6],该 方 法 使 用 EKF 和 RBPF(Rao-Blackwellized Particle Filtering)联合起来,估计位置和轨迹,使计算量大大减小,运算速度提升。
2.2 基于视觉传感器的主流SLAM技术
随着视觉传感器和图像传输、处理技术的提高,2010年以后,越来越多的SLAM系统采用视觉传感器为主要输入信号,从此SLAM 的研究主要集中在视觉SLAM技术上,即VSLAM(Visual SLAM)。VSLAM在计算机视觉、机器人和AR 领域被广泛使用。在视觉SLAM技术上,国内外众多学者进行研究。从现有研究成果中看,所使用的视觉传感器主要有单目、双目(双目有普通双目视觉和Kinect RGB-D 深度视觉两种)和全景视觉传感器三种。……
