扫地机研究NO3.扫地机相关资讯

一、相关文章

史上最全的扫地机器人编年史(1985-2018)：https://zhuanlan.zhihu.com/p/34936918

选购自动扫地机器人的七大技巧：https://blog.csdn.net/uuZC66688/article/details/78424354

 

二、相关技术

2.1 激光SLAM与视觉SLAM

        激光SLAM脱胎于早期的基于测距的定位方法(如超声和红外单点测距)。激光雷达(Light Detection And Ranging)的出现和普及使得测量更快更准，信息更丰富。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常，激光SLAM系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。激光雷达距离测量比较准确，误差模型简单，在强光直射以外的环境中运行稳定，点云的处理也比较容易。同时，点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变得直观。激光SLAM理论研究也相对成熟，落地产品更丰富。

        视觉SLAM的优点是它所利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以轻易分辨。这带来了重定位、场景分类上无可比拟的巨大优势。同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等，对于在复杂动态场景中的应用这是至关重要的。第三，视觉的投影模型理论上可以让无限远处的物体都进入视觉画面中，在合理的配置下(如长基线的双目相机)可以进行很大尺度场景的定位与地图构建。

         通常，一个视觉SLAM系统由前端和后端组成。前端负责通过视觉增量式计算机器人的位姿，速度较快。后端，主要负责两个功能：一是在出现回环(即判定机器人回到了之前访问过的地点附近)时，发现回环并修正两次访问中间各处的位置与姿态；二是当前端跟踪丢失时，根据视觉的纹理信息对机器人进行重新定位。简单说，前端负责快速定位，后端负责较慢的地图维护。

2.2 浅谈SLAM的回环检测技术

https://blog.csdn.net/SLAMTEC/article/details/83308780

 

2.3 SLAM

         SLAM是Simultaneous localization and mapping缩写，意为“同步定位与建图”，主要用于解决机器人在未知环境运动时的定位与地图构建问题。SLAM系统框架一般分为五个模块，包括传感器数据、视觉里程计、后端、建图及回环检测。目前用在SLAM上的传感器主要分为这两类，一种是基于激光雷达的激光SLAM(Lidar SLAM)和基于视觉的VSLAM(Visual SLAM)

传感器数据：主要用于采集实际环境中的各类型原始数据。包括激光扫描数据、视频图像数据、点云数据等。

视觉里程计：主要用于不同时刻间移动目标相对位置的估算。包括特征匹配、直接配准等算法的应用。

后端：主要用于优化视觉里程计带来的累计误差。包括滤波器、图优化等算法应用。

建图：用于三维地图构建。

回环检测：主要用于空间累积误差消除

https://blog.csdn.net/SLAMTEC/article/details/82736142

 

2.4 机器人自主定位导航= SLAM+路径规划和运动控制

        但是 SLAM≠机器人自主定位导航 。SLAM如其名一样，主要解决的是机器人的地图构建和即时定位问题，而自主导航需要解决的是智能移动机器人与环境进行自主交互，尤其是点到点自主移动的问题，这需要更多的技术支持。要想解决机器人智能移动这个问题，除了要有SLAM技术之外，还需要加入路径规划和运动控制。在SLAM技术帮助机器人确定自身定位和构建地图之后，进行一个叫做目标点导航的能力。通俗的说，就是规划一条从A点到B点的路径出来，然后让机器人移动过去。

 

2.5 A*算法 

        A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。但是，A*算法同样也可用于动态路径规划当中，只是当环境发生变化时，需要重新规划路线。 

2.6 D*算法

         D*算法则是一种动态启发式路径搜索算法，它事先对环境位置，让机器人在陌生环境中行动自如，在瞬息万变的环境中游刃有余。D*算法的最大优点是不需要预先探明地图，机器人可以和人一样，即使在未知环境中，也可以展开行动，随着机器人不断探索，路径也会时刻调整。

2.7 如何判断扫好的地图符合定位导航的要求：

1.地图中障碍物边缘是否清晰；

2.地图中是否存和实际环境不一致的区域（如：有无闭环）；

3.地图中是否存在机器人行动区域内的灰色区域（如：未扫描到的区域）；

4.地图中是否存在后续定位时将不存在的障碍物（如：移动障碍物）；

5.地图中是否能保证机器人在活动区域内的任何位置，360度的视野范围内，均已经探明；