slam过去与未来1_what_salm

SALM_通俗理解

  本文首先从通俗易懂（个人理解）的角度来解释什么是SALM（同时定位与建图）。首先我们要知道SLAM用来干什么，最本质的应用就是赋予机器人灵魂（自主移动），要实现真正像人一样的智能机器人，那么首先就是要让机器人能够自主移动，机器人能够像人一样灵活的行走在真实世界中，这样才是人工智能迈出的第一步，但同时也是比较艰难的一步，能够像人一样的自由行走是一件非常难的事情。那么既然机器人是模拟人进行移动，下面我们就从人的角度来分析，逐步进入到SALM的领域。

从人的行为分析 salm

  首先假设你被一群恐怖分子绑架，蒙着头，经过山路十八湾然后把你扔到一个无人的陌生小岛上。当你摘下面罩的瞬间，你被眼前的美丽风景所吸引，但是此时你想的是如何逃离这个陌生的地方。首先你要做的事情就是环顾四周，确定你自己的位置（你在哪儿？），你该怎么走（你所处的地方是哪里？），但是此时你的手机GPS定位功能已经不能使用，你只能靠你自己。那么首先你会环顾四周、找到一个比较显著的标志物，以此来标记你当前的位置，于是你开始绕着小岛行走，你选择最高的大树来标记你当前走了多远，你每走一定距离便参考一下这个大树，你走了多远，路途中每看到特殊的风景你也把他当作另一个参照物，慢慢的，你便发现这个小岛的大致形状，当你绕小岛一圈后你又发现你出现在你刚开始的地方，因为你发现一开始的那颗大树就在你旁边，地上还有你走过的痕迹，你更加确信这是你最开始到过的地方，于是你知道了你处在一座环形的小岛之上。但是你想要离开这座岛屿，还得向外界求助，因为你并不知道你在那座小岛上，即使你能自己造出小船，你也可能会迷失在大海中央。你只能继续在这座岛屿上探索，维持自己的生存，等待救援。

机器人应该怎样做

  通过以上例子我们可以提取出SALM的概念，首先我们来到陌生的环境之后需要做的两件事：我在哪儿？、周围的环境是什么样的？这就是slam要做的事情，同时进行周围环境的构建以及定位自己的位置。我们通过眼睛观察到周围的环境信息，找到显著的标志物作为参考，由于天生的大量训练，我们对距离的把控已经形成一种反射，因此能够大致推敲出自己与参照物的距离。然后我们开始探索周围的环境，把一些显著的标志添加到大脑中去逐渐的形成环境的地图，每走一段时间便会去参照这些标志，以此来找到自己在地图中的位置。当我们又回到以前经过的地方时，我们经过标志物比对和一些逻辑推理，来形成一个完整的闭环地图，而不至于每次都把探索到的信息当作新的地图，这样便会增加我们大脑的存储量而且会导致记忆混淆的发生。

SLAM分析

  通过对人的探索机制进行分析，我们总结出机器人slam机制也应该如此，至少和人相似（绝对的创新是不存在的，一切发明都是在模拟大自然已经存在的机制）。首先机器人需要搭载能够探索真实世界的设备，比如相机、激光雷达、声纳等传感器，这是机器人能够完成SALM的基本配置，然后机器人通过获取周围环境信息（一般是障碍物和传感器之间的距离信息和图像信息）提取出重要的标志物（特征提取），如高大的建筑物、形状奇怪的大树，每当走过一段距离便会把当前探测到的环境信息和之前的信息进行对比，从而计算自己相对于刚才走了多远（特征匹配），并检测自己是否来到过现在的这个地方（回环检测），从而计算出自己在地图中的那个位置，并把提取到的新的特征添加到已有地图上。这就是简单意义上的slam问题。

总结

  理想情况下，如果机器人传感器的数据获取不会发生误差，那么测量出来的机器人位姿以及构建出来的地图是十分标准的，那么此时就不需要slam来帮助机器人移动了，只需要机器人在移动时有一张已经存在的地图即可实现精准定位。但是现实中总是会存在误差。传感器的误差会导致定位出现偏差，定位有偏差，就会导致构建的地图会有偏差。因此两者是有一定关联的，单独的将两个任务分开是没有意义的，slam的目的就是将地图和定位构成一个关联的整体，这样地图和定位才能表现出一致性。这里比较绕，大致意思就是利用当前时刻的传感器数据来进行建图和定位才是有意义的，将两者分开进行会导致意想不到的错误。这就是为什么要同时定位和建图（SALM）
  以上就是我个人对于salm问题的理解，希望对入门slam的有一定帮助。如有其他更好的理解也欢迎大家指正批评！