目录
1、IntensityExtraction::Extract
2、DBscanAssociation::Association
3、CartoMapping::InsertFeatureList
前言
SLAM是一组方法,其中机器人自主定位并在导航时同时建图环境。它可以细分为解决定位和建图。定位是一个估计机器人在地图上的姿态的问题,而地图则是借助于车辆上的视觉、视觉惯性和激光传感器来重建环境。前端处理感知任务,这涉及实现信号处理和计算机视觉领域的方法,以计算机器人环境和观察到的特征之间的估计相对局部姿态。SLAM后端使用优化理论、图论和概率论来估计全局地图和轨迹。关于SLAM方法的详细综述,可以参考[1]、[2]、[3]、[5]。
大多数SLAM算法是被动的,其中机器人被手动控制或朝向预定义的路线点行进,并且导航或路径规划算法不主动参与机器人的运动或轨迹。然而,A-SLAM试图通过提出一种导航策略来解决未知环境的最优探索问题,该导航策略生成未来目标/对象位置动作,这些动作减少了在地图和姿态中的不确定性,从而实现完全自主的导航和测绘SLAM系统。论文将在其指定的第2节中进一步了解A-SLAM。在主动协作SLAM(AC-SLAM)中,多个机器人在执行SLAM时主动协作。A-SLAM和AC-SLAM的应用领域包括搜索和救援[17]、行星观测[12]、精准农业[23]、拥挤环境中的自主导航[34]、水下探索[30][40][44]、人工智能[42]、辅助机器人[74]