SLAM - CML - 同步定位与建图

SLAM - CML - 同步定位与建图

simultaneous localization and mapping,SLAM:即时定位与地图构建,同步定位与建图
concurrent mapping and localization,CML:并发建图与定位
consistent [kənˈsɪstənt]:adj. 始终如一的,一致的,坚持的
continual learning / life-long learning:持续学习

1. SLAM

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。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。

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。
SLAM 2.0 可在任何地点进行开机识别、全局定位,精准度高达 ±2cm\pm2\text{cm}

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。

2. SLAM 的传感器

SLAM (simultaneous localization and mapping,同步定位与建图) 是一边计算自身位置,一边构建地图的过程。

SLAM 要实现定位和制图,采集数据是关键。SLAM 的传感器分为两大类:激光 SLAM 和视觉 SLAM。

2.1 激光 SLAM

激光 SLAM 能测量周围障碍点的角度和距离等信息,其特点是采集速度快、测量精准、计算量小。其缺点是贵,而且容易坏。

2.2 视觉 SLAM

以摄像头为传感器的 SLAM 叫 VSLAM (视觉 SLAM)。视觉 SLAM 价格便宜。图像能提供更加丰富的信息,特征区分度更高,缺点是图像信息的实时处理需要很高的计算能力。

References

https://github.com/AtsushiSakai/PythonRobotics

展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客
应支付0元
点击重新获取
扫码支付

支付成功即可阅读