早期的SLAM假设真实的世界可以被理所应当的建模成一个由简单离散的路标构成的集合,这些路标通过一些几何特征,例如点、线或者圆圈来表示。在更加复杂且没有结构的环境里,室外的,地下的,海里的,这一假设通常不能够成立。
部分可观测性与延迟建图
环境建模取决于环境的复杂性和传感模式的限制。声呐和视觉是两种共同的例子。声呐传感器通常带来精确的斜距测量但是具有大的波束宽度和旁瓣,这使得方位角估计不可用[J.J. Leonard and H.F. Durrant-Whyte, Directed Sonar Sensing for Mobile Robot Navigation. Norwell, MA: Kluwer, 1992.]。来自单摄像头的测量,在另一方面,提供了方位角信息但没有一个精确的斜距测量。
仅有斜距的传感器[J.J. Leonard and R.J. Rikoski, “Incorporation of delayed decision making into stochastic mapping,” in Experimental Robotics VII, D. Rus and S. Singh, Eds. New York: Springler Verlag, 2001][J.J. Leonard, R.J. Rikoski, P.M. Newman, and M.C. Bosse, “Mapping partially observable features from multiple uncertain vantage points,” Int. J. Robot. Res., vol. 21, no. 10–11, pp. 943–975, 2002]和仅有方位角的传感器[T. Bailey, “Constrained initialisation for bearing-only SLAM,” in Proc. IEEE Int. Conf. Robotics Automation, 2003, pp. 1966–1971][M. Deans and M. Hebert, “Experimental comparison of techniques for localization and mapping using a bearing-only sensor,” in Experimental Robotics VII, D. Rus and S. Singh, Eds. New York: Springler Verlag, 2001.]的SLAM展示了约束一个路标位置仅用单个传感器是不充分的。在某种程度上,必须从多个有利的位置来观察,如图5所示。更精确的说,单次测量产生了对路标位置的一个非高斯分布,需要多次的测量来获得一次估计。广义分布,例如混合模型,允许立即非延迟的路标跟踪[J. Sola`, A. Monin, M. Devy, and T. Lemaire, “Undelayed initialization in bearing only SLAM,” in Proc. IEEE/RSJ Int. Conf. Intelligent Robots Systems, 2005, pp. 2751–2756.]。获得一个高斯路标估计的方法是延迟初始化,相反,并累积原始测量数据。为了允许一致性延迟融合,对每次延迟测量记录机器人位姿是必须的。因此,SLAM状态被记录的位姿估计增强
(14)
并且相应的测量被存储在一个辅助的列表里