10.23第一次汇报

一、SLAM简介

1.1 引入

将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进？

1.2 定义

SLAM (simultaneous localization and mapping) ，即时定位与地图构建，SLAM回答两个问题：“我在哪儿？”“我周围是什么？”，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。

二、SLAM的分类以及优缺点

2.1 分类

$$SLAM\{\begin{array}{l}激光SLAM：常采用2D或3D激光雷达\\ 视觉SLAM：常采用单目相机、双目相机、RGBD相机\end{array}$$

2.2 优缺点

激光SLAM
优：

1.激光雷达测距比较准确，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。[点云：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。]

2.激光雷达SLAM建立的地图常常使用占据栅格地图表示，每个栅格以概率的形式表示被占据的概率，存储非常紧凑，特别适合于进行路径规划。

缺：

价格比较昂贵

视觉SLAM
优：

1.可以从环境中获取海量的、富于冗余的纹理信息，拥有超强的场景辨识能力。[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。]

2.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。

缺：

光照严重不足或纹理缺失的环境中，视觉SLAM的精准度不如激光SLAM。

三、SLAM常见的算法

3.1 Gmapping算法

定义：Gmapping基于RBPF粒子滤波算法，即将定位和建图过程分离，先进行定位再进行建图。
优点：Gmapping可以实时构建室内环境地图，在小场景中计算量少，且地图精度较高，对激光雷达扫描频率要求较低。
缺点：强烈依赖里程计信息；随着环境的增大，构建地图所需的内存和计算量就会变得巨大，所以Gmapping不适合大场景构图。

3.2 Cartographer算法

定义：Cartographer是Google推出的一套基于图优化的SLAM算法，Cartographer主要理论是通过闭环检测来消除构图过程中产生的累积误差。
优点：鲁棒性好，累计误差低，建图速度快，建图效果好且精度高；适用于构建大范围地图构建；使用成本较低的激光雷达也具有良好的效果，没有IMU和里程计，只有激光雷达时也可以建图，还可以手持建图。
缺点：图优化算法含复杂的矩阵运算，对处理器要求高，需要强大的数据处理与计算能力。

3.3 SLAM算法汇总